摘 　 要：运用图像处理方法对立管末端进行定位． 通过无人遥控潜水器（ Ｒ ＯＶ ） 搭载水下摄像头捕获立管末端的实时运动图像， 图像模式匹配程序根据固连在立管末端的标识图案的形状进行匹配，并从图像中将标识图案区分出来， 再利用图案中心点坐标信息和投影关系计算出立管标识点和井口相对于摄像头的三维坐标， 进而得到世界坐标系下立管末端与井口的相对位置． 通过水池试验，验证了该方法定位准确且具有实时性， 可以应用于自动立管入井控制．

关键词：立管；图像处理；无人遥控潜水器；相对位置；模型

实验立管是进行深海资源勘探和油气开采必不可少的设备， 也是海底井架与海面作业平台的连接结构．对于钻探生产作业， 入井操作需要经常反复进行， 每次都需要将立管移动到井口位置， 然后稳定在井口位置与井口进行对接． 在作业过程中， 立管整体的运动控制是由水面母船牵引立管上端 ［１ ］ 来实现的， 其间需要测定立管水下末端与井口的相对位置．目前， 水下立管位置的测定主要是通过在立管各处安装声学应答器， 然后通过水声定位原理进行定位． 水声定位适用性强， 但这种方法定位精度低，信息更新速率慢， 难以满足实时控制的要求， 需要与其他定位方式结合以获取立管末端在深海工作时的更多信息 ［２ ］ ．

为了提高立管水下定位精度， Ｈ ｏ ｎ ｇ［ ３ ］ 基于连续微元体模型估计立管末端位置， 但由于该模型计算耗时较大而导致无法满足实时控制的要求． 为了进一步提高立管定位的精度及实时性， ＸＵ 等 ［４ － ５ ］ 采用基于单摄像头图像处理的立管定位方法， 在清澈水质条件下计算出立管末端相对于摄像头的坐标．但单一的形状匹配方法对图像质量要求苛刻， 计算耗时大很难满足实际工程中实时性的要求．为了提高基于图像处理的立管定位方法对水下环境的适应性， 本文首先采用基于形状匹配 ［６ － ７ ］ 的图像处理方法， 使得定位匹配所需时间明显缩短， 从而满足实时性要求； 其次， 为提高该定位方法在立管入井操 作 中 的 可 行 性， 采 用 基 于 无 人 遥 控 潜 水 器（ Ｒ ＯＶ ） 光学观察系统的定位方法、 Ｒ ＯＶ 的姿态以及摄像机云台方位角等信息， 该方法可以给出世界坐标系下立管末端相对于井口的位置， 从而为自动入井控制系统提供实时准确的位置反馈信息．

１　 基于图像匹配的立管末端水下定位方法　　

立管入井作业需要立管末端与井口位置较好对齐后才可执行， 因此需要实时获取立管末端与井口的相对位置， 以便于水面母船对其运动进行控制 ． 针对以上工程问题， 本文采用了图像处理技术， 对立管进行实时水下定位 ．立管水下定位的主要流程包括： 预先在立管末端处与井口处安装高反光度的标识图案以便于水下识别． 在入井作业过程中， 下放 Ｒ ＯＶ 至井口附近，当视野里出现立管末端与井口的标识图案时， 图像处理程序搜索到标识图案， 搜索成功后根据标识图案中心点在像素平面中的二位坐标计算其相对于摄像头坐标系的三维坐标， 最后再根据摄像头所在的云台方位角以及 Ｒ ＯＶ 本体的姿态和艏向角计算标识图案中心点相对于 Ｒ ＯＶ 坐标系的坐标， 以及它们之间的相对位置（ 相对于同一坐标系） ．

为了将立管末端标识图案从水下摄像头捕获的图像中搜索出来， 本文基于机器视觉软件 Ｈ ａ ｌ ｃ ｏ ｎ编写了形状匹配程序． 形状匹配就是根据物体的形状来创建模板， 然后按一定的度量准则来衡量形状间的相似性， 最终在同一幅图像的其他位置或在其他图像中找到匹配物体．基于 Ｈ ａ ｌ ｃ ｏ ｎ的形状匹配算法是： 首先根据指定感兴趣物体分割出小区域， 然后通过提取 Ｒ Ｏ Ｉ（ Ｒ ｅ ｇ ｉ ｏ ｎ 　Ｏ ｆ 　Ｉ ｎ ｔ ｅ ｒ ｅ ｓ ｔ ） 轮廓来创建模板， 最后实现匹配．

本文根据实际应用， 设定匹配参数， 并对各参数进行优化协调， 以此提高匹配精度与搜索速度， 具体流程如图１所示．算法步骤如下：（１ ）创建模板． 首先， 搜索出标识图案区域， 导入模板图像， 利用ｓ ｍ ｏ ｏ ｔ ｈ ＿ ｉ ｍ ａ ｇ ｅ算子对图像进行预处理， 使过渡像素归并为背景点或目标点， 增强图像中边缘信息． 选择 Ｒ Ｏ Ｉ ， 分别利用操作符ｇ ｅ ｎ ＿ ｒ ｅ ｃａ ｎ ｇ ｌ ｅ生成矩形区域ｒ ｅ ｇ ｉ ｏ ｎ １来指定标识图案的大概位置（ 见图２ （ ａ ） ） 和算子ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ生成灰度在阈值区间内的区域ｒ ｅ ｇ ｉ ｏ ｎ ２ （ 见图２ （ ｂ ） ） ， 再利用ｉ ｎ ｔ ｅ ｒ －ｓ ｅ ｃ ｔ ｉ ｏ ｎ求２个区域的交集生成恰好覆盖标识图案的区域ｒ ｅ ｇ ｉ ｏ ｎ ３ （ 见图２ （ ｃ ） ） ． 其次， 从模板图像中分割出指定区域， 利用ｒ ｅ ｄ ｕ ｃ ｅ ＿ ｄ ｏ ｍ ａ ｉ ｎ获取ｒ ｅ ｇ ｉ ｏ ｎ ３所包含的图像． 最后， 根据指定区域内的图像创建模板， 操作符ｃ ｒ ｅ ａ ｔ ｅ ＿ ｓ ｈ ａ ｐ ｅ ＿ ｍ ｏ ｄ ｅ ｌ利用多个图像金字塔级别来创建模板， 这里的金字塔级是指将图像分成不同级别的尺寸， 如原始图像（ 第１级金字塔） 尺寸为６ ０ ０×４ ０ ０ ， 第２级图像尺寸为 ３ ０ ０×２ ０ ０， 第３级图像尺寸为１ ５ ０×１ ０ ０ ， 搜索物体是从最高级图像中开始的， 先粗后细， 这样可以提高搜索速度．（２ ）获取所要识别物体的形状． 利用操作符 ｇ ｅ ｔ＿ｓ ｈ ａ ｐ ｅ ＿ ｍ ｏ ｄ ｅ ｌ ＿ ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｓ进行边缘检测和ｉ ｎ ｓ ｐ ｅ ｃ ｔ ＿ｓ ｈ ａ ｐ ｅ ＿ ｍ ｏ ｄ ｅ ｌ来检查之前所设参数的适用性． 选取３个矩形区域的中心点为控制点， 记录下控制点在模板图像中坐标（ 见图２ （ ｄ ） ）（ ３ ）搜索形状模板． 图３所示为导入捕获的水下立管图像．

首先， 水下立管图像中标识图案表面非常平整， 反光度高， 其灰度值会与周围环境形成较大反差． 由于该特性可以利用ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ （ ） 指令确定出标识图案所在位置的大致区域， 故将这部分分割出来作为搜索图像可以缩小搜索区域， 这样大大减小匹配计算量． 然后使用操作符ｆ ｉ ｎ ｄ ＿ ｓ ｈ ａ ｐ ｅ ＿ ｍ ｏ ｄ ｅ ｌ （ ）来进行搜索工作． 该操作符会受到 Ａ ｎ ｇ ｅ ｌ Ｓ ｔ ａ ｒ ｔ 、 Ａ ｎ －ｇ ｌ ｅ Ｅ ｘ ｔ ｅ ｎ ｔ 、 Ｍ ｉ ｎ Ｓ ｃ ｏ ｒ ｅ 、 Ｎ ｕ ｍＭ ａ ｔ ｃ ｈ ｅ ｓ 、 Ｍ ａ ｘ Ｏ ｖ ｅ ｒ ｌ ａ ｐ 、Ｓ ｕ ｂ Ｐ ｉ ｘ ｅ ｌ 、 Ｎ ｕ ｍ Ｌ ｅ ｖ ｅ ｌ ｓ和Ｇ ｒ ｅ ｅ ｄ ｉ ｎ ｅ ｓ ｓ参数的影响． 需要根据实际图像采集质量来调整各项参数以提高匹配精度和搜索速度． 最后， 使用ａ ｆ ｆ ｉ ｎ ｅ ＿ ｔ ｒ ａ ｎ ｓ ＿ ｐ ｏ ｉ ｎ ｔ ＿２ ｄ （ ） 计算出各个控制点在搜索图像中对应点的坐标， 该坐标是后续定位计算的依据．

２ 　 基于 Ｒ Ｏ Ｖ 光学观测系统的定位方法

本文采用相对定位方法， 即通过图像处理方法确定立管末端和井口相对于同一坐标系（ Ｒ ＯＶ 本体坐标系） 的三维位置， 确定两者相对于 Ｒ ＯＶ 本体坐标系的位置偏差， 再基于 Ｒ ＯＶ 本体姿态／艏向以及水下摄像头所在云台姿态信息， 得出立管末端与井口之间相对于世界坐标系的位置偏差， 而后者正是立管自动入井控制所需要的位置偏差信息．相较于现阶段采用的长基线定位等绝对定位方法， 本文方法规避了水声定位系统在布设、 校准和维护方面耗时费资、 灵活性差和不能机动的缺点， 这对提升作业效率和经济性有着重要意义．

本文定位算法是由立管末端标识点的二维图像坐标计算出其世界坐标系下的三维坐标 ． 立管末端标识点三维坐标的定位计算共涉及４个坐标系（ 见图４） ， 分别是显示屏像素坐标系（ Ｏ ｓ － Ｃ Ｒ ） ， 摄像头成像板感光点坐标系（ Ｏ ｄ － Ｕ Ｖ ） ， 以摄像头焦点为原点、 轴线为 Ｚ 轴的摄像头坐标系（ Ｏ ｉ － Ｘ ｉ Ｙ ｉ Ｚ ｉ ） ， 以及世界坐标系（Ｏ 　 － Ｘ Ｙ Ｚ ） ． 图像匹配程序提取标识图案中各个控制点对应于 Ｏ ｓ － Ｃ Ｒ 的坐标， 下面利用投影关系分析计算出其相对于世界坐标系的三维坐标．

２． １　 立管末端在摄像头坐标系中的坐标计算

控制点在显示屏像素坐标系下坐标到摄像头成像板感光点坐标系下坐标的转换公式：（）ｕｖ＝１１＋ ｋ （ （ ｃ － ｃ ｃ ）２ｓ２ｘ ＋ （ ｒ － ｒ ｃ ）２ｓ２ｙ ）×（ｃ － ｃ ｃ ） ｓ ｘ（ｒ － ｒ ｃ ） ｓ烄烆烌烎ｙ（１ ）式中： （ｕ ， ｖ ） 为控制点在 Ｏ ｄ － Ｕ Ｖ 坐标系下的坐标；（ｃ ， ｒ ） 为控制点在 Ｏ ｓ － Ｃ Ｒ 坐标系下的坐标； ｋ 为摄像头的失真率； （ｃ ｃ ， ｒ ｃ ） 为成像板中心点在 Ｏ ｓ － Ｃ Ｒ 坐标系下的坐标；ｓ ｘ 和 ｓ ｙ 分别为摄像头成像板晶格单元的长和宽．控制点在摄像头成像板感光点坐标系下的坐标到摄像头坐标系下坐标的转换公式：式中： （ｘ ｉ ， ｙ ｉ ， ｚ ｉ ） 为控制点 Ｐ ｉ （ ｉ ＝１ ， ２ ， ３ ） 在摄像头坐标系下的坐标；ｎ ｗ 和 ｎ ａ 分别为水和空气的相对折射率；ｆ 为摄像头透镜的焦距； ｍ ｉ 为放大率．为了计算放大率， 需要在立管末端添加３个标识图案， 如图５所示．由余弦定理，ｃ ｏ ｓ ∠ Ｐ １ Ｏ Ｐ ２ ＝Ｐ ′ １ Ｏ２＋ Ｐ ′ ２ Ｏ２－ Ｐ ′ １ Ｐ ′ ２２２ Ｐ ′ １ Ｏ · Ｐ ′ ２ Ｏ（３ ）ｃ ｏ ｓ ∠ Ｐ ２ Ｏ Ｐ ３ ＝Ｐ ′ ２ Ｏ２＋ Ｐ ′ ３ Ｏ２－ Ｐ ′ ２ Ｐ ′ ３２２ Ｐ ′ ２ Ｏ · Ｐ ′ ３ Ｏ（４ ）由此可以求出 ∠ Ｐ １ Ｏ Ｐ ２ 和 ∠ Ｐ ２ Ｏ Ｐ ３ ． 由正弦定理，Ｐ １ Ｐ ２ｓ ｉ ｎ∠ Ｐ １ Ｏ Ｐ ２＝Ｐ １ Ｏｓ ｉ ｎ∠ Ｐ １ Ｐ ２ Ｏ（５ ）Ｐ ２ Ｐ ３ｓ ｉ ｎ∠ Ｐ ２ Ｏ Ｐ ３＝Ｐ ３ Ｏｓ ｉ ｎ∠ Ｐ ３ Ｐ ２ Ｏ（６ ）同时，ｓ ｉ ｎ∠ Ｐ １ Ｐ ２ Ｏ ＝ｓ ｉ ｎ∠ Ｐ ３ Ｐ ２ Ｏ ， 两式相除， 设Ｋ ＝Ｐ １ ＯＰ ３ Ｏ＝Ｐ １ Ｐ ２Ｐ ２ Ｐ ３ｓ ｉ ｎ∠ Ｐ ２ Ｏ Ｐ ３ｓ ｉ ｎ∠ Ｐ １ Ｏ Ｐ ２（７ ）再由余弦定理，ｃ ｏ ｓ ∠ Ｐ １ Ｏ Ｐ ３ ＝Ｐ １ Ｏ２＋ Ｐ ３ Ｏ２－ Ｐ １ Ｐ ３２２ Ｐ １ Ｏ · Ｐ ３ Ｏ（８ ）计算可得：　 Ｐ １ Ｏ ＝Ｋ · Ｐ １ Ｐ ３１＋ Ｋ２－２ 　 Ｋ ｃ ｏ ｓ ∠ Ｐ １ Ｏ Ｐ 槡 ３（９ ）　 Ｐ ２ Ｏ ＝Ｐ １ Ｐ ２ ｓ ｉ ｎ （ ∠ Ｐ １ Ｏ Ｐ ２ ＋ ∠ Ｏ Ｐ ２ Ｐ １ ）ｓ ｉ ｎ ∠ Ｐ １ Ｏ Ｐ ２（１ ０ ）　 Ｐ ３ Ｏ ＝Ｐ １ Ｐ ３１＋ Ｋ２－２ 　 Ｋ ｃ ｏ ｓ ∠ Ｐ １ Ｏ Ｐ 槡 ３（１ １ ）因此， 放大率ｍ ｉ ＝Ｐ ｉ ＯＰ ′ ｉ Ｏ， 　 ｉ ＝１ ，２ ， ３（１ ２ ）将式（１ ２ ） 代入式（ ２ ） ， 可得到各个控制点相对于摄像头坐标系的坐标． 结合立管末端形状尺寸信息和标识固结位置， 得到立管末端节点相对于摄像头坐标系的坐标（ｘ ｃ ， ｙ ｃ ， ｚ ｃ ）

２． ２　 立管末端在 Ｒ Ｏ Ｖ坐标系中的坐标计算

立管末端相对于井口的坐标由摄像头坐标系下到世界坐标系下的转换． 设立管末端在摄像头坐标系下和世界坐标系下的坐标分别为（ｘ ｃ ， ｙ ｃ ， ｚ ｃ ） 和（ｘ ｗ ， ｙ ｗ ， ｚ ｗ ） ， 井口相对于２个坐标系的坐标分别为（ Ｘ ｃ ，Ｙ ｃ ， Ｚ ｃ ） 和（ Ｘ ｗ ， Ｙ ｗ ， Ｚ ｗ ） ， 则有：ｘ ｃｙ ｃｚ ｃ烄烆烌烎１＝Ｍ ２ηＴ３烄烆烌烎０ １Ｍ １ηＴ１烄烆烌烎０ １ｘ ｗｙ ｗｚ ｗ烄烆烌烎１（１ ３ ）Ｘ ｃＹ ｃＺ ｃ烄烆烌烎１＝Ｍ ２ηＴ３烄烆烌烎０ １Ｍ １ηＴ１烄烆烌烎０ １Ｘ ｗＹ ｗＺ ｗ烄烆烌烎１（１ ４ ）式中：Ｍ １ ＝ｃ ｏ ｓ θ ｃ ｏ ｓ Ψ Ａ 　 Ｃｃ ｏ ｓ θ ｓ ｉ ｎ Ψ Ｂ 　 Ｄ－ｓ ｉ ｎ θ ｓ ｉ ｎ  ｃ ｏ ｓ θｃ ｏ ｓ  ｃ ｏ ｓ烄烆烌烎θＭ ２ ＝ｃ ｏ ｓ β ０ ｓ ｉ ｎ α ｓ ｉ ｎ βｓ ｉ ｎ β ｃ ｏ ｓ α ｃ ｏ ｓ β ｓ ｉ ｎ α ｓ ｉ ｎ β０ ｓ ｉ ｎ α ｓ ｉ ｎ烄烆烌烎βＡ ＝ｓ ｉ ｎ  ｓ ｉ ｎ θ ｃ ｏ ｓ Ψ －ｃ ｏ ｓ  ｓ ｉ ｎ ΨＢ ＝ｓ ｉ ｎ  ｓ ｉ ｎ θ ｓ ｉ ｎ Ψ ＋ｃ ｏ ｓ  ｃ ｏ ｓ ΨＣ ＝ｃ ｏ ｓ  ｓ ｉ ｎ θ ｃ ｏ ｓ Ψ ＋ｓ ｉ ｎ  ｃ ｏ ｓ ΨＤ ＝ｃ ｏ ｓ  ｓ ｉ ｎ θ ｓ ｉ ｎ Ψ －ｓ ｉ ｎ  ｃ ｏ ｓ Ψη １ ＝ （Ｏ ｘ ， Ｏ ｙ ， Ｏ ｚ ） 为 Ｒ ＯＶ载体坐标系原点相对于世界坐标系的位置坐标；η ２ ＝ （ ， θ ， Ψ ） 为载体坐标系相对于世界坐标系的姿态与方向， 为横倾角， θ 为纵倾角，Ψ 为偏航角． 摄像头固连在 Ｒ ＯＶ 的云台上， 设 η３ ＝ （ ｏ ｘ ， ｏ ｙ ， ｏ ｚ ） 为摄像头焦点在载体坐标系中的坐标，η ４ ＝ （α ，β ） 为云台的偏转角度． 则世界坐标系下立管末端相对于井口的坐标为ｘ ｗ － Ｘ ｗｙ ｗ － Ｙ ｗｚ ｗ － Ｚ烄烆烌烎ｗ＝ ＭＴ１ ＭＴ２ｘ ｃ － Ｘ ｃｙ ｃ － Ｙ ｃｚ ｃ － Ｚ烄烆烌烎ｃ（１ ５ ）　　

上述定位算法由立管运动图像中立管末端标识点的图像坐标、 Ｒ ＯＶ姿态角和云台方位角信息直接分析出世界坐标系下立管末端相对于井口的位置坐标， 而 Ｒ ＯＶ 姿态角等信息都可以通过 Ｒ ＯＶ 上的传感器和图像处理系统实时获取．

３　 水池实验

为了验证通过图像处理对水下立管标识节点进行定位的可行性， 在水池实验中利用可控运动位移的实验装置对本文定位方法进行验证．在水池实验中预先对立管各标识节点在水下的各个位置进行标定， 即立管各标识节点在水下不同位置处的相对于固定位置的摄像头的位置为已知，并假定装载摄像头的 Ｒ ＯＶ 处于坐底状态， 本体与云台的位置、 姿态固定， 摄像头正对着立管末端． 通过将图像处理技术得到坐标值与标定的坐标进行对比， 初步验证本文所做的研究工作．

３． １　 水下立管模拟装置水池实验中搭建了深水立管模拟装置 ［８ ］ ， 用来模拟深水立管入井作业， 如图６所示． 深水立管模拟装置由立管运动生成机构、 水下观测与照明系统和控制终端组成． 每个系统都由独立的软硬件部分组成． 运动生成机构在槽铝框架的支撑下平行且悬浮于水池水平面上， 机构上设有滑轨、 滑台、 步进电机和蜗轮蜗杆传动机构． 收到控制终端指令后， 步进电机通过带动蜗杆转动， 传动给蜗轮带动与模型立管上端连接的模块式滑台进行一维平移运动， 模拟立管在入井运动过程中的水面母船平移运动． 水下观测与照明系统负责实时采集立管运动图像， 并导入由 Ｈ ａ ｌ ｃ ｏ ｎ编写的图像处理程序， 计算出立管标识节点相对于摄像头坐标系的三维坐标并反馈给控制计算机．

３． ２　 水下立管节点定位实验实验中假定井口位于水池中某一特定位置， 控制立管运动， 使立管末端正好位于该位置正上方．实验中， 模型立管在顶端运动生成机构的带动下， 进行预先设定的平移运动． 同时， 水下观测系统将捕获到的立管水下运动图像信息传输到计算机主机， 图像处理程序对立管标识节点的运动进行处理，获得其相对于摄像头的实时相对坐标并记录下来．之后， 将得到的坐标信息与根据标定结果得到的准确位置坐标进行比较来验证定位的准确性．

３． ３　 实验结果与分析如图７所示， （ａ ） 图中曲线为由标定结果得到的各时刻立管型态， 圆圈是由图像匹配得到的各标识节点位置； （ｂ ） 图中自上而下３幅图分别对应立管自上而下３个标识节点， 将它们由图像匹配和标定得到的位移随时间变化曲线在同一张图中作出进行比较． 表１所示为立管一维运动过程中待立管稳定后对立管末端标识节点的定位结果与标定位置坐标的比较． 由表可见：（１ ）本文所采用的图像匹配方法能够在水质不清澈的情况下匹配跟踪到立管末端标识节点位置的移动， 并可以计算出立管末端相对于摄像头坐标系的三维坐标．（２ ）本文所采用的图像匹配定位能够实时反馈立管末端位置信息． 实验条件下立管末端坐标更新频率达到２ ４Ｈ ｚ ， 满足自动入井控制需求（ 控制周期一般小于５ ０ｍ ｓ ） ． 图像处理定位具有实时性．（ ３ ）实验发现， 本文方法受限于采集图像的精度， 存在误差． 受水池条件（ 水质混浊） 和摄像头精度制约， 捕获的图像上有噪点， 这对灰度匹配产生了影响， 进而影响了定位结果， 在立管震荡过程中图像处理定位有一定误差． 从定位结果看， Ｘ 和 Ｙ 方向上的相对误差为ε ＝８ ０． ０－８ ０． ６８ ０． ０×１ ０ ０％ ＝０． ７ ５％Ｚ 方向上的相对误差为ε ＝９ １ ０． ５－９ ０ ０９ ０ ０×１ ０ ０％ ＝０． ７ ５％可见， Ｘ 和 Ｙ 方向上的定位精确度良好， 相对误差在１％以下，Ｚ 方向上的精确度稍差， 主要是定位算法中放大率的计算对采集图像的质量要求很高， 这是实验中摄像头精度有限所致． 总体来说， 考虑到模型立管的尺寸， 可以认为图像处理定位精度能够满足对接作业所需．（４ ）从各对比图中可以看出， 图像处理定位结果与由标定得到的结果吻合度很高， 说明水池实验条件下图像处理定位具有较好的准确度．

４　 结 　 语

针对深海立管自动入井控制需要确定立管末端与井口相对位置偏差的技术难题， 本文提出了基于Ｒ ＯＶ光学观察系统和图像处理对水下立管末端和井口进行动态定位的方法． 通过水下摄像头捕获立管的实时运动图像， 由图像处理程序直接计算出立管末端标识节点与井口相对于 Ｒ ＯＶ 的实时三维坐标， 由此得到立管末端与井口的相对位置偏差． 再由Ｒ ＯＶ本体姿态／艏向以及摄像机云台方向将该位置偏差转化为世界坐标系下的相对位置偏差， 从而为自动入井控制提供反馈信息． 水池实验初步验证了本文方法的有效性．未来工作将是进一步在 Ｒ ＯＶ 平台上验证该方法的有效性， 为此需要在 Ｒ ＯＶ 实时监控软件中嵌入本文基于图像处理的定位程序， 在 Ｒ ＯＶ 本体上亦需引入运动传感器（ 如光纤陀螺） 以测量其姿态／艏向和云台方位角等信息， 此外还需要解决 Ｒ ＯＶ监控系统与位于母船的立管入井控制台之间的实时通讯问题．

参考文献：［ １ ］ 　Ｈ ｅ 　Ｗ ， Ｇ ｅ 　Ｓ 　Ｓ ， Ｈ ｏ ｗ 　Ｂ 　Ｖ 　Ｅ ，ｅ ｔ 　 ａ ｌ ．Ｒ ｏ ｂ ｕ ｓ ｔ 　ａ ｄ ａ ｐ ｔ ｉ ｖ ｅｂ ｏ ｕ ｎ ｄ ａ ｒ ｙ 　 ｃ ｏ ｎ ｔ ｒ ｏ ｌ 　ｏ ｆ 　ａ 　ｆ ｌ ｅ ｘ ｉ ｂ ｌ ｅ 　ｍ ａ ｒ ｉ ｎ ｅ 　ｒ ｉ ｓ ｅ ｒ 　ｗ ｉ ｔ ｈ 　ｖ ｅ ｓ ｓ ｅ ｌｄ ｙ ｎ ａ ｍ ｉ ｃ ｓ ［ Ｊ ］ ． Ａ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｃ ａ ， ２ ０ １ １ ， ４ ７ （ ４ ） ： ７ ２ ２ － ７ ３ ２．［ ２ ］ 　 李守军， 包更生， 吴水根 ． 水声定位技术的发展与展望［ Ｊ ］ ． 海洋技术，２ ０ ０ ５ ， ２ ４ （ １ ） ： １ ３ ０ － １ ３ ３．　　　Ｌ Ｉ 　Ｓ ｈ ｏ ｕ － ｊ ｕ ｎ ， Ｂ ＡＯ 　Ｇ ｅ ｎ ｇ － ｓ ｈ ｅ ｎ ｇ ， ＷＵ － Ｓ ｈ ｕ ｉ ｇ ｅ ｎ ．Ａｐ ｒ ａ ｃ ｔ ｉ ｃ ａ ｌ 　ｏ ｖ ｅ ｒ ｖ ｉ ｅ ｗ 　ａ ｎ ｄ 　ｐ ｒ ｏ ｓ ｐ ｅ ｃ ｔ 　ｏ ｆ 　ａ ｃ ｏ ｕ ｓ ｔ ｉ ｃ 　ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｇｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ［ Ｊ ］ ．Ｏ ｃ ｅ ａ ｎ 　Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， ２ ０ ０ ５ ，２ ４ （ １ ） ： １ ３ ０ －１ ３ ３．［ ３ ］ 　Ｈ ｏ ｎ ｇ 　 Ｙ　Ａ．Ｓ ｔ ｕ ｄ ｙ 　 ｏ ｎ 　ｄ ｙ ｎ ａ ｍ ｉ ｃ ｓ 　ｏ ｆ 　ａ 　ｆ ｌ ｅ ｘ ｉ ｂ ｌ ｅ 　ｍ ａ ｒ ｉ ｎ ｅｒ ｉ ｓ ｅ ｒ ［ Ｄ ］ ． Ｊ ａ ｐ ａ ｎ ： Ｋ ｙ ｕ ｓ ｈ ｕ 　Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ． ２ ０ ０ ４．［ ４ ］ 　ＸＵ　Ｘ ｕ ｅ－ ｓ ｏ ｎ ｇ ， ＷＡＮＧ 　Ｓ ｈ ｅ ｎ ｇ － ｗ ｅ ｉ ．Ａ 　ｆ ｌ ｅ ｘ ｉ ｂ ｌ ｅ － ｓ ｅ ｇ －ｍ ｅ ｎ ｔ － ｍ ｏ ｄ ｅ ｌ － ｂ ａ ｓ ｅ ｄ 　ｄ ｙ ｎ ａ ｍ ｉ ｃ ｓ 　ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ 　ｍ ｅ ｔ ｈ ｏ ｄ 　ｆ ｏ ｒｆ ｒ ｅ ｅ 　ｈ ａ ｎ ｇ ｉ ｎ ｇ 　 ｍ ａ ｒ ｉ ｎ ｅ 　ｒ ｉ ｓ ｅ ｒ ｓ 　ｉ ｎ 　ｒ ｅ－ ｅ ｎ ｔ ｒ ｙ ［ Ｊ ］ ．Ｃ ｈ ｉ ｎ ａＯ ｃ ｅ ａ ｎ 　Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， ２ ０ １ ２ ， ２ ６ （ １ ） ： １ ３ ９ － １ ５ ２．［ ５ ］ 　Ｘ ｕ 　Ｘ 　Ｓ ， Ｋ ｏ ｔ ｅ ｒ ａ ｙ ａ ｍ ａ 　Ｗ ， Ｎ ａ ｋ ａ ｍ ｕ ｒ ａ 　Ｍ．Ａ ｎ 　ｉ ｍ ａ ｇ ｅ 　ａ －ｎ ａ ｌ ｙ ｓ ｉ ｓ 　ａ ｐ ｐ ｒ ｏ ａ ｃ ｈ 　ｔ ｏ 　ｔ ｈ ｅ 　３ Ｄｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ 　ｍ ｅ ａ ｓ ｕ ｒ ｅ ｍ ｅ ｎ ｔ 　ｏ ｆｒ ｉ ｓ ｅ ｒ 　ｅ ｎ ｄ ［ Ｊ ］ ． Ｊ ｏ ｕ ｒ ｎ ａ ｌ 　ｏ ｆ 　ｔ ｈ ｅ 　Ｊ ａ ｐ ａ ｎ 　Ｓ ｏ ｃ ｉ ｅ ｔ ｙ 　 ｏ ｆ 　Ｎ ａ ｖ ａ ｌ 　Ａ ｒ －ｃ ｈ ｉ ｔ ｅ ｃ ｔ ｓ 　ａ ｎ ｄ 　Ｏ ｃ ｅ ａ ｎ 　Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｓ ， ２ ０ ０ ８ ， ７ ： ３ １ － ３ ８．［ ６ ］ 　 陈丽芳， 刘渊， 须文波．改进的归一互相关法的灰度图像模板匹配方法［ Ｊ ］ ．计算机工程与应用， ２ ０ １ １ ，４ ７（ ２ ６ ） ：１ ８ １ － １ ８ ３．　　　ＣＨＥ Ｎ 　Ｌ ｉ － ｆ ａ ｎ ｇ ， Ｌ Ｉ Ｕ　Ｙ ｕ ａ ｎ ， ＸＵ　Ｗ ｅ ｎ － ｂ ｏ ．Ｉ ｍ ｐ ｒ ｏ ｖ ｅ ｄｎ ｏ ｒ ｍ ａ ｌ ｉ ｚ ｅ ｄ 　ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ 　ｏ ｆ 　ｇ ｒ ａ ｙ 　 ｉ ｍ ａ ｇ ｅ 　ｔ ｅ ｍ ｐ ｌ ａ ｔ ｅ 　ｍ ａ ｔ ｃ －ｈ ｉ ｎ ｇ ｍ ｅ ｔ ｈ ｏ ｄ ［ Ｊ ］ ．Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ 　Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｎ ｇ 　 ａ ｎ ｄ 　Ａ ｐ ｐ ｌ ｉ ｃ ａ －ｔ ｉ ｏ ｎ ｓ ， ２ ０ １ １ ， ４ ７ （ ２ ６ ） ： １ ８ １ － １ ８ ３．［ ７ ］ 　 张乾．基于灰度图像匹配方法的铁水罐车定位技术研究［ Ｊ ］ ． 机电设备，２ ０ １ ３ （ ５ ） ： ２ ５ － ２ ９．　　　Ｚ ＨＡＮＧ　Ｑ ｉ ａ ｎ ．Ｓ ｔ ｕ ｄ ｙ 　 ｏ ｎ 　ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｇ 　 ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ 　 ｏ ｆｌ ｉ ｑ ｕ ｉ ｄ 　ｉ ｒ ｏ ｎ 　ｔ ａ ｎ ｋ 　ｂ ａ ｓ ｅ ｄ 　ｏ ｎ 　ｇ ｒ ａ ｙ 　 ｉ ｍ ａ ｇ ｅ 　ｍ ａ ｔ ｃ ｈ ｉ ｎ ｇ ｍ ｅ ｔ ｈ ｏ ｄ［ Ｊ ］ ．Ｍ ｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ 　ａ ｎ ｄ 　Ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ ａ ｌ 　Ｅ ｑ ｕ ｉ ｐ ｍ ｅ ｎ ｔ ， ２ ０ １ ３ （ ５ ） ：２ ５ － ２ ９．［ ８ ］ 　 王盛炜，徐雪松，姚宝恒，等．针对立管重入进过程中等路径段加速度的改进型蚊群优化算法［ Ｊ ］ ． 上海交通大学学报， ２ ０ １ ３ ，４ ７ （ １ ０ ） ： １ ５ ８ ５ － １ ５ ９ ０．　　　ＷＡＮＧ 　Ｓ ｈ ｅ ｎ ｇ － ｗ ｅ ｉ ， ＸＵ　Ｘ ｕ ｅ － ｓ ｏ ｎ ｇ ， ＹＡＯ 　Ｂ ａ ｏ － ｈ ｅ ｎ ｇ ，ｅ ｔ 　 ａ ｌ ． Ｉ ｍ ｐ ｒ ｏ ｖ ｅ ｄ 　ａ ｎ ｔ 　ｃ ｏ ｌ ｏ ｎ ｙ 　 ｏ ｐ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ 　ｆ ｏ ｒ 　ａ ｃ ｃ ｅ ｌ ｅ ｒ ａ －ｔ ｉ ｏ ｎ ｓ 　ｏ ｆ 　ｅ ｑ ｕ ａ ｌ － ｌ ｅ ｎ ｇ ｔ ｈ 　ｐ ａ ｔ ｈ ｓ 　ｏ ｆ 　ｒ ｉ ｓ ｅ ｒ 　ｒ ｅ － ｅ ｎ ｔ ｒ ｙ ［ Ｊ ］ ． Ｊ ｏ ｕ ｒ －ｎ ａ ｌ 　ｏ ｆ 　Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ 　Ｊ ｉ ａ ｏ ｔ ｏ ｎ ｇ 　 Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， ２ ０ １ ３ ，４ ７ （ １ ０ ） ：１ ５ ８ ５ － １ ５ ９ ０．