基于视觉的AUV自主水下管线跟踪方法

摘要：

对海下管线的检测是保证其正常运行的必要环节.文章针对海下管道巡检问题,提出一种结合状态表示学习和深度强化学习的方法,使水下机器人能够基于图像进行管线跟踪.利用无监督表征学习方法提取海底管线图像特征,结合任务情况设计了动作、状态空间和奖励函数,通过SAC算法学习一个稳健的跟踪控制策略.最后搭建仿真环境进行试验,证明了所提出方法的有效性和泛化性.

关键词：AUV;海底管线跟踪;状态表示学习;深度强化学习

所属期刊栏目：5

分类号：TP242(自动化技术及设备)

资助基金：辽宁省教育厅基本科研项目;辽宁省教育厅基本科研项目;辽宁省自然科学基金;辽宁省自然科学基金;辽宁省重点研发计划项目

在线出版日期：2022-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：16-19,23