基于 Ardusub 的 AUV 设计学习历程（四）—— 仿真与视觉识别实践

本文链接：https://blog.csdn.net/qq_62689613/article/details/146203473

在 AUV 设计学习过程中，仿真与视觉识别是提升系统性能与功能的重要环节。通过仿真，我们可以在虚拟环境中测试和优化 AUV 的行为，而视觉识别则为 AUV 赋予了感知周围环境的能力。

基于 ROS 搭建简易软件框架实现 ROV 水下目标跟踪
借助 ROS 与 Gazebo 的强大组合，我们能够为 AUV 构建逼真的实时仿真环境。Gazebo 作为一款出色的三维物理仿真平台，与 ROS 协同工作，可模拟 AUV 在水下的运动、传感器数据以及与环境的交互。以基于 ROS 搭建简易软件框架实现 ROV 水下目标跟踪项目为例（项目地址：https://github.com/cabinx/cabin_auv_simulation ），该项目包含两款 ROV（desistek_saga 与 rexrov2）和两款 AUV（eca_a9 与 lauv_gazebo）的机器人模型。在仿真过程中，我们可以对 AUV 的控制算法、路径规划等进行验证和改进。例如，通过调整控制参数，观察 AUV 在不同水流条件下的稳定性和跟踪精度，从而优化控制策略。同时，uuv_simulator（GitHub - uuvsimulator/uuv_simulator: Gazebo/ROS packages for underwater robotics simulation ）也是一个优秀的基于 ROS&GAZEBO 的开源水下机器人仿真项目，为我们提供了丰富的仿真资源和工具。
仿真中的错误分析与解决
在进行仿真时，可能会遇到各种错误。比如，报错 “Could not find a package configuration file provided by "Ceres" with any of the following names: CeresConfig.cmake, ceres - config.cmake”，这是由于系统中未安装 Ceres Solver 库。在 Ubuntu/Debian 系统中，可通过以下命令安装：

bash

sudo apt update
sudo apt install libceres - dev

另外，在编译 uuv_simulator 时，针对不同版本的系统和软件，可能会出现以下问题：

gazebo11 与 sdformat - 9.2 问题：sdformat 版本升级后，编译器版本支持需相应改动。可能出现 “/usr/include/sdformat - 9.2/sdf/Param.hh:72:57: error: expected constructor, destructor, or type conversion before ‘;’ token template<class T> ParamStreamer(T) -> ParamStreamer<T>; /usr/include/sdformat - 9.2/sdf/Param.hh:83:47: error: ‘variant’ is not a member of ‘std’ ParamStreamer<std::variant<Ts...>> sv)” 错误。解决方法是在 uuv_gazebo_plugins 的 package 目录下的 CMakeLists.txt 中添加对 c++17 的支持：

cmake

set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

gazebo11 与 Ignition Math 库问题：Ignition Math 库升级到 v6 版本后，部分类命名变动导致编译错误。例如，在 uuv_gazebo_plugins 的 package 中，HydrodynamicModel.cc 中计算 bounding box 调用的类发生了改动，原代码为 ignition::math::Box ，新版本更名为 ignition::math::AxisAlignedBox。需要在 BuoyantObject.hh、BuoyantObject.cc、HydrodynamicModel.cc 中做出相应修正。如在 BuoyantObject.hh 中，将

cpp

public: void SetBoundingBox(const ignition::math::Box &_bBox);
...
protected: ignition::math::Box boundingBox;

修改为

cpp

public: void SetBoundingBox(const ignition::math::AxisAlignedBox &_bBox);
...
protected: ignition::math::AxisAlignedBox boundingBox;

** 错误：[97%] Linking CXX shared library /home/wmc/space/gazebo/uuv/devel/lib/libuuv_gazebo_ros_base_sensor_plugin.so”：在 gazebo_ros_image_sonar.cpp 中出现 “CV_AA’ was not declared in this scope; did you mean ‘CV_AVX’?” 错误。解决方法是定位到 gazebo_ros_image_sonar.cpp，加入头文件 #include <opencv2/imgproc/imgproc_c.h>。

视觉识别之 yolo 在 AUV 中的应用
在 AUV 的视觉识别领域，yolo 算法具有广泛应用。以 RK3588 上部署 yolov5 为例（参考：https://blog.csdn.net/qq_53219363/article/details/136732556?ops_request_misc=&request_id=&biz_id=102&utm_term=rk3588%20yolov5&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-6-136732556.142^v101^pc_search_result_base8&spm=1018.2226.3001.4187 ），部署过程涉及一系列步骤，包括环境配置、模型下载与转换、代码编译等。通过 yolov5，AUV 可以识别水下目标，如障碍物、标志物等，为自主导航和任务执行提供关键信息。例如，在水下作业场景中，AUV 利用 yolo 识别出目标物体后，可根据识别结果调整自身位置和姿态，完成抓取、测量等任务。YOLO - V5 源码链接为：Gitee Search ，开发者可根据实际需求对源码进行定制化开发，以适应不同的水下环境和任务要求。
ROS - noetic - USB 相机的标定与双目测距
为了让 AUV 准确感知周围环境的距离信息，相机标定和双目测距是必不可少的环节。在 ROS - noetic 环境下进行 USB 相机的标定，可通过特定的标定工具和算法，获取相机的内参和外参，从而提高图像测量的准确性。双目测距则利用两个相机的视差信息，计算目标物体与 AUV 之间的距离。这一技术在 AUV 的避障、目标定位等任务中发挥着重要作用。例如，在 AUV 靠近水下结构物时，双目测距可实时提供结构物与 AUV 的距离数据，帮助 AUV 保持安全距离，避免碰撞。相关的标定和测距算法及实现细节，可通过查阅 ROS 官方文档和相关教程进行深入学习和实践。
仿真与视觉识别技术为 AUV 的设计和开发提供了强大的支持。通过在仿真环境中不断优化和验证，结合先进的视觉识别算法，AUV 能够更好地适应复杂的水下环境，实现更高效、智能的作业任务。在未来的研究和实践中，持续探索和改进这些技术，将进一步推动 AUV 技术的发展和应用。