Autonom rørdeteksjon på havbunnen - Deteksjon av rørledninger i data fra multistråle-ekkolodd

Abstract

Forsvarets Forskningsinstitutt (FFI) har sammen med Kongsberg Maritime utviklet det autonome undervannsfarkostet (AUV) HUGIN som ved hjelp av ulike sensorer navigerer ubemannet og kartlegger havbunnen ved bruk av sonar og multistråle-ekkolodd. Dette prosjektet tar for seg autonom detektering av rørledninger på havbunnen i data fra multistråle-ekkoloddsensoren. Dataene består i prosjektet av ett bilde for relativ dybde og ett bilde for reflektert intensitet. Det utvikles her en algoritme som benytter databildene fra et mindre antall ping i ekkolodd-sensoren til å detektere rørets posisjon på havbunnen. Algoritmen er tenkt å skulle kjøre i sanntid på datasegmentet som akkurat er blitt kartlagt av HUGIN. Farkosten kan da benytte deteksjonen av rørets posisjon til å navigere og følge etter rørledningen. Formålet er å kunne gjøre en automatisk inspeksjon av rørledninger på havbunnen. Sammenlignet med manuell inspeksjon ved bruk av fjernstyrte undervannsfarkoster (ROV) har dette et potensial til å spare svært mye tid og penger. Rørledningene blir i prosjektet betraktet som rette ridge-strukturer i databildene. Deteksjonssystemet som er utviklet deler oppgaven i to hoveddeler. Deteksjon av rørkandidater og vurdering av rørkandidatene. For støyredusering gjøres det først en enkel glatting av databildene med et median-filter. Det benyttes så et Frangi-filter for å fremheve ridgestrukturene. Radon-transform av de filtrerte databildene benyttes for å skille rørledninger fra andre ridge strukturer i bildene. Toppene i Radontransformen blir betraktet som rørkandidater. For hver kandidat gjøres det et mål av høydeforskjellen og forskjell i signalintensitet mellom røret og havbunnen samt et mål for hvor rett røret ligger i dybdemålingene. Sammen med toppverdiene i Radon-transformen benyttes verdiene til å beregne en rørverdi for å gi en slags sannsynlighet for at en kandidat viser til faktiske rør på havbunnen. En terskling av rørverdiene bestemmer hvilke kandidater som gir rørdeteksjon i databildet. Deteksjonssystemet ble testet på 800 datasegmenter fordelt på 20 datafiler. Resultatet viste en True Positive Rate (TPR) på 0.923 og en False Positive Rate (FPR) på 0.109. Deteksjonsevnen til systemet variererte riktignok etter forholdene og fikk for en av testfilene en TPR på 0.55 og FPR på 0.825 som svakeste resultat. For 7 av 20 datafiler ble det gjort feilfri detektering (TPR = 1.00 og FPR = 0.00).