水下导航扫盲

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

AUV 和载人潜水器的导航原理总体相似,核心区别在于:AUV 要自己闭环完成“定位—规划—控制”,载人潜水器则把融合后的导航信息提供给驾驶员,同时通常由母船持续进行声学跟踪和安全监控。

1. 为什么水下导航特别困难

海水会快速衰减 GPS/GNSS 使用的无线电信号,因此潜水器下潜以后通常无法直接接收卫星定位。

水下导航一般采用:

水面 GPS 初始位置
        ↓
INS/IMU 高频惯性推算
        ↓
DVL 修正水平速度
压力深度计修正深度
        ↓
USBL/LBL 提供周期性绝对位置
        ↓
声呐、相机、地形匹配进一步修正
        ↓
EKF / UKF / 因子图融合
        ↓
输出位置、速度、姿态和不确定度

任何一种传感器都不够,真正可靠的系统依赖多传感器组合。

2. AUV 是怎么导航的

AUV 在水面时先用 GPS 完成初始定位、校准时间和部分惯导初始化。下潜后主要依靠以下设备。

设备作用主要限制
INS/IMU高频输出姿态、速度和相对位置积分误差随时间增长
DVL测量相对于海底或水体的速度距海底过远、地形陡峭时可能失锁
压力深度计准确测量深度不能测量水平位置
磁力计提供航向参考容易受电机、金属结构影响
USBL由母船测量 AUV 的距离和方向更新慢、受声速和母船姿态影响
LBL利用布置在海底的多个声学基站定位精度较高,但部署成本高
前视声呐避障、目标检测、声呐 SLAM分辨率通常低于相机
多波束/侧扫声呐海底地形测绘和地形匹配设备昂贵、处理复杂
相机/视觉 SLAM近距离精细定位和重建浑浊、弱光、低纹理时容易失效

导航计算机通常利用扩展卡尔曼滤波器(EKF)或因子图,把这些观测融合成统一状态:

[
\mathbf{x}=
[\mathbf{p},\mathbf{v},\mathbf{q},
\mathbf{b}_a,\mathbf{b}_g,\ldots]
]

其中包括位置、速度、姿态、加速度计零偏和陀螺仪零偏。

AUV 得到位姿后,还需要自主执行:

任务航线 → 路径规划 → 制导 → 姿态/速度控制 → 推进器
                       ↑
                 融合导航结果

因此,“导航”在 AUV 系统中通常包含三个不同层面:

  • Navigation:我在哪里、姿态和速度是多少。
  • Guidance:下一步应该朝哪里走。
  • Control:各推进器应该输出多大的力。

NOAA 对 REMUS 600 的介绍是一个很直观的工程案例:水面用 GPS,水下由融合多传感器的 INS 导航,并通过声学链路与母船通信。NOAA:REMUS 600 海底测绘

3. 载人潜水器如何导航

载人潜水器也会使用 INS、DVL、深度计和 USBL,但体系更强调冗余、驾驶员显示以及母船监督。

以美国载人潜水器 Alvin 为例:

艇内:
DVL + 光纤陀螺仪 + 深度计
        ↓
计算局部连续位置
        ↓
显示给驾驶员并用于定点、定深、定航向

母船:
GPS + 船载 USBL
        ↓
测量潜水器的绝对位置
        ↓
通过水声通信传给潜水器并校正艇内导航

Alvin 使用 DVL 测量相对于海底的运动,用光纤陀螺仪提供主要航向和姿态,再用母船 USBL 的位置修正漂移。这是非常典型的现代载人潜水器架构。WHOI:Alvin 系统与传感器

载人潜水器和 AUV 的主要差别如下:

对比AUV载人潜水器 HOV
决策者自主计算机驾驶员为主
航线执行自动闭环控制驾驶员或自动保持系统
母船定位视任务决定通常持续 USBL 跟踪
故障处理自动降级、返航或上浮驾驶员判断并执行应急操作
导航目的自主完成任务安全航行、到达目标并返回
传感器原理INS/DVL/声学/深度基本相同,但更强调冗余
后处理测绘任务中很常见航次数据也会重新融合处理

值得阅读 WHOI 关于 Alvin 导航改造的科普文章。它直接展示了 USBL 解算、艇上航位推算和辅助 INS 三种轨迹为什么会不一致:WHOI:Segal’s Law of Navigation

4. 匀速航行时怎么处理

正如前面讨论的,IMU 无法仅凭当前测量区分“静止”和“匀速直线运动”。但完整水下导航系统不会因此失效:

  • IMU 提供高频姿态和加速度。
  • DVL 直接测量匀速运动的速度。
  • 深度计稳定垂向位置。
  • USBL/LBL 定期修正绝对位置。
  • 视觉或声呐 SLAM 测量相对环境的位移。
  • 动力学模型可以利用推进器输出、阻力和水流估计运动。

因此匀速是“纯 IMU 不可观”的情况,却不是“组合导航不可观”的情况。DVL 正是解决这个问题的重要设备。

5. 推荐阅读顺序

难度文章时间推荐理由
入门WHOI:Alvin Systems, Sensors and Sampling持续更新最直观的载人潜水器真实导航配置
入门WHOI:Segal’s Law of Navigation2022用实际轨迹解释 USBL、航位推算和辅助 INS
入门NOAA:REMUS 600 Seafloor Mapping2019简洁介绍 AUV 从 GPS 初始化到水下惯导
综合综述Autonomous Underwater Vehicle Navigation: A Review2023分类最系统:航位推算、信号导航、地图匹配、组合与协同导航
经典综述AUV Navigation and Localization: A Review2014水下导航领域经典入门论文
开放获取综述Positioning Systems for Unmanned Underwater Vehicles2024可直接阅读全文,传感器对比比较全面
声学定位Underwater Acoustic Positioning Systems2015理解 LBL、SBL、USBL 和深海误差来源
算法进阶INS/USBL/DVL Integrated Navigation2023比较卡尔曼滤波和因子图组合导航
DVL进阶Doppler Water-Track Aided Inertial Navigation2009解释 DVL 底锁丢失时如何使用水体速度辅助 INS

如果只读三篇,我建议依次看:

  1. WHOI 的 Alvin 系统介绍——建立工程直觉。
  2. 2023 年 AUV Navigation Review——建立完整知识框架。
  3. INS/USBL/DVL 因子图论文——了解现代融合算法。

结合你现在的 ZED2i、ORB-SLAM3 和正射拼图方向,最相关的路线是:

IMU/INS + DVL + 压力深度计
             +
水下相机视觉里程计/SLAM
             +
必要时使用USBL绝对校正
             ↓
      统一时间同步与坐标系
             ↓
       EKF或因子图融合位姿
             ↓
      正射拼图和三维重建

也就是说,ORB-SLAM3 可以成为近海底精细相对定位的一部分,但不应单独承担整段 AUV 或载人潜水器的绝对导航。

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

ROV技术PPT:水下机器人系统集成的接口说明书与约束检查清单

遥控水下机器人(ROV)是海洋工程与深海科考的核心装备,其系统集成高度依赖多学科协同与严苛物理约束。理解ROV系统架构需从通信拓扑、传感器标定、运动动力学和人机交互四大技术维度切入,其中脐带缆传输特性、水下光学衰减补偿等关键参数直接决定嵌入式控制算法与实时图像处理模块的可行性。ROV技术PPT并非演示文档,而是承载耐压设计、时延边界、失效阈值等硬性约束的可执行接口说明书,广泛应用于FAT测试、AUV/ROV协同调度及学术成果工程化落地场景。

weixin_30954817的博客 316

EKF扩展卡尔曼滤波、C++编程、IMU与里程计融合定位可视化及单一里程计定位结果比较

这事儿最大的难点在于IMU自带漂移属性,轮子遇到打滑就懵逼,但这两货偏偏能互补——一个高频更新姿态,一个低频但位置相对靠谱。注意这里有个坑:IMU的加速度计输出的是机体坐标系下的数据,必须转到世界坐标系。比如姿态协方差初始0.1,速度给0.5,别问为啥,问就是玄学调参。重点在于观测噪声矩阵R的设置,建议实测静止时的里程计波动范围,比如x方向方差0.05,y方向0.1(毕竟侧滑更常见)EKF扩展卡尔曼滤波,cpp ,Imu与里程计融合定位,可视化,并比较单一里程计的定位结果。

BsDOblRZY的博客 223

《Kubernetes部署篇:基于x86_64+aarch64架构CPU+containerd一键离线部署容器版K8S1.33.3高可用集群》

《Kubernetes部署篇:基于x86_64+aarch64架构CPU+containerd一键离线部署容器版K8S1.33.3高可用集群》

东城绝神 1368

Selenium Grid 4生产级部署与运维实战:从架构解析到容器化实践

自动化测试是保障软件质量与交付效率的关键环节,其核心在于通过脚本模拟用户操作,对Web应用进行功能验证。随着测试用例规模的增长和多环境验证需求的提升,传统的单机执行模式面临效率瓶颈和稳定性挑战。分布式测试执行技术应运而生,它通过将测试任务分发到多个节点并行执行,显著缩短测试耗时,提升资源利用率,并增强测试套件的稳定性。Selenium Grid正是这一领域的代表性解决方案,它作为一个智能的调度与路由中心,能够根据测试需求(如浏览器类型、版本、操作系统)自动匹配并分配可用的执行节点。本文聚焦于Selenium

diandingyin9417的博客 441

vasp和ms_武汉理工大学赵焱课题组开发脚本 MS建模一键获取VASP输入文件POSCAR

本文给大家推介并分享一个通过Materials Studio一键获取VASP输入文件POSCAR的脚本,xsd2pos.pl。此脚本是武汉理工大学首席教授赵焱在帮助学生解决VASP计算问题时编写,解决了其他间接非手动获取POSCAR存在的问题,同时也相较于其他方法更为便捷,相信会对从事VASP计算的同行们带来便利。赵焱老师怀着哺育天下学子的情怀,希望给大家分享一下。下文介绍一下它的使用方法以及它所...

weixin_39706367的博客 2288

网口电路/Bob Smith电路思考及测试

上表中的数据为实际数据,此时可以看出在结果比对中,分别为以上三种时,结果基本上变化很小,且网口一致性指标都是测试通过的,而且如果真的Bob Smith电路是有阻抗变换的作用的,我的以上操作(保留阻容、去掉电阻、去掉电阻电容)完全破环了阻抗平衡,但是实际上对网口一致性指标没有多大的影响,这是我认为该电路不具有阻抗变换的第一个原因。网口变压器的共模电感,就是电流型中的T10、T14、T17、T18,我们知道辐射超标一般都是共模电流导致的,而共模电感就是来消耗差分线路中的共模电流的,而对差模电流基本无影响。

domen_pan的博客 6058

水下导弹发射环境因素建模需求及其扫盲笔记

在充分梳理导弹攻击决策对航海导航信息的体系化保障需求的基础上,构建海洋水文气象信息、海区地理环境信息、平台自身运动信息等关键航海导航信息的影响模型,完成面向导攻决策的航海导航信息体系化建设。

weixin_50025868的博客 498

xsens IMU配置

1.安装驱动 sudo apt-get update sudo apt-get install ros-kinetic-xsens-driver 2.配置IMU 设置输出四元数,加速度、角速度、地磁 cd /opt/ros/kinetic/lib/xsens_driver python mtdevice.py --configure "oq,aa,wr,mf" 3.启动IMU roslaunch xsens_driver xsens_driver.launch 转(https://www.cnblo

qq_41585680的博客 2325

INS 扫盲

惯性导航系统( INS ,Inertial Navigation System)根据陀螺的输出建立导航坐标系,根据加速度计输出解算出运载体在导航坐标系中的速度和位置。      惯导的基本工作原理是以牛顿力学定律为基础,通过测量载体在惯性参考系的加速度,将它对时间进行积分,且把它变换到导航坐标系中,就能够得到在导航坐标系中的速度、偏航角和位置等信息。      惯性导航系统属于推算导航

servent 1952

把 ST03 的历史数据留得更久:ABAP Workload 统计保留期设置、原理与落地避坑指南

SAP ST03性能数据保留期配置指南 ST03/ST03N是SAP系统性能分析的核心工具,但默认数据保留期通常较短(3个月左右),难以满足跨季度对比、年度规划等需求。本文详细解析了ST03数据保留期的配置方法及注意事项: 数据存储机制:性能数据存储在监控库中,通过定期重组作业清理过期数据 配置路径:7.0+系统在"Workload Collector Database→Reorganization→Control"中按Profile分别设置 关键限制:保留期最大值建议不超过99,否则可

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 218

银河麒麟桌面系统批量交付:封装自动化ISO镜像,百台装机效率提升10倍

麒麟桌面系统自动化ISO镜像定制摘要 本文详细介绍麒麟桌面版ISO安装镜像的定制方法,通过修改系统文件实现自动化安装部署。主要内容包括:1) 挂载原版ISO并提取文件;2) 使用unsquashfs解压系统文件进行定制化修改,包括添加系统标记配置;3) 配置ky-installer.cfg自动应答文件,设置安装参数如用户名、密码、分区方案等;4) 修改grub引导配置启用自动安装模式。该流程支持磁盘加密、自定义分区、自动登录等功能,生成的定制镜像可满足批量部署需求,显著提升系统安装效率。

信创运维工程师 · 银河麒麟 & 容器实战 | 金融生产环境迁移·等保加固 | 142篇原创·17万+阅读 1508

Hvv攻防演练蓝队个人经验篇一从零基础入门到精通,收藏这一篇就够了!

所谓网络对抗是指综合利用己方网络系统和手段,有效地与敌方的网络系统相对抗一方面保证己方网络系统的完好,免遭敌方利用、瘫痪和破坏;另一方面则设法利用、瘫痪和破坏敌方的网络系统,最终夺取网络优势。进入新世纪以来,网络攻防技术迅猛发展。如果说早期的网络对抗还只停留在单一网络攻击或防御方面,那么,现代信息网络对抗不仅涉及通信、雷达、光电、隐身、导航等网络系统,而且遍及空间、空中、地面、水面和水下,覆盖了战场所有领域,具有不可估量的作战“效费比”。

2401_84215240的博客 775

Python高阶爬虫:逆向工程模拟Wind/同花顺等金融终端数据抓取

本文详细阐述了模拟金融数据终端进行数据抓取的全套技术方案。我们从法律合规性讲起,选择了Playwright作为核心自动化工具,通过两个实战案例(同花顺网页版和Wind桌面版)演示了从分析、模拟到数据解析的完整流程,并进一步介绍了构建健壮爬虫系统所需的高级技巧。我们的策略是:启动一个由Playwright控制的浏览器,模拟真人登录,然后监听所有网络请求,从中过滤出我们需要的那个数据API。if key in ['f43', 'f169', 'f170', 'f46', 'f60']: # 价格类字段。

2201_76125261的博客 546

强化学习入门指南:从MDP到PPO,核心逻辑与实战路径全解析

机器学习领域通常分为监督学习、无监督学习和强化学习三大类。前两者依赖静态样本学习映射或结构,而强化学习的核心在于智能体通过与环境的持续交互,以试错方式优化长期累积回报。这种延迟反馈机制使得信用分配成为根本难题,马尔可夫决策过程(MDP)则提供了标准的问题建模框架。强化学习的技术价值体现在无需精确环境模型即可处理大规模、不确定的序贯决策问题,因此在机械臂强化学习实战、基于Q-learning自适应强化学习PID控制器在AUV中的应用研究、组合优化与调度、以及大模型RLHF等场景中均展现出巨大潜力。然而奖励设计

weixin_34151004的博客 405

使用 Visual Studio Code 连接 ABAP On-Premise 系统做开发的详细配置步骤

本文详细介绍了如何在Visual Studio Code中通过ABAP Development Tools扩展连接ABAP On-Premise系统。关键步骤包括:通过Ctrl+Shift+P打开命令行面板选择「ABAP: New Destination...」创建RFC连接(仅支持SSO单点登录),选择本地SAPGUI中已有的系统,输入Client ID、语言和用户名(无需密码),最后将目标系统添加到工作区即可开始开发。文章强调了企业安全考虑下仅支持SSO的设计理念,并展示了连接配置的JSON格式示例。整

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 989

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 252

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 510

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 212

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 80

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 567

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 292

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 652

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 108

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 343

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 209
上一篇: 正射影像和三维重建的区别
下一篇: zed2i双目相机重建流程
肆十二
肆十二 优质创作者: 人工智能技术领域 优质创作者: 人工智能技术领域
博客等级 码龄9年 2万+粉丝 241原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

肆十二

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值