引领水下地理定位的未来偏振模式如何支持新技术

伊利诺伊大学厄巴纳-香槟分校的研究人员开发了一种利用深度神经网络进行水下地理定位的新方法，该网络已经接受了从世界各地收集的 1000 万张偏振敏感图像的训练。这项新研究由电气和计算机工程教授 Viktor Gruev和计算机科学教授 David Forsyth领导，仅使用光学数据即可实现水下地理定位，同时提供无系绳水下导航工具。

这些发现最近发表在《eLight》杂志上。

“我们首次展示，您可以在多种不同的条件下对自己或相机进行地理定位，无论是在开阔的海域、清澈的水域还是能见度较低的水域，无论是在白天、晚上还是在深处，”说格鲁耶夫。“一旦你了解了自己所在的位置，你就可以开始探索并利用这些信息来更好地了解水下世界，甚至动物如何导航。”

Gruev 解释说，水下导航和地理定位的主要挑战之一是 GPS 信号无法穿透水，它们会从水面反射。“我们对水下 GPS 信号是盲目的。我们需要使用不同的手段和技术来进行水下地理定位。”

目前的地理定位标准是使用声学信息，主要通过声纳技术获得。这是通过部署许多小型声纳信标来实现的，这些信标发送经过三角测量的信号来定位水下物体。然而，问题是声纳只能在一个小的、限定的区域内工作，同时也受到其准确性的限制。

目前使用的另一种方法是使用潜水器，该潜水器系在水面上方具有 GPS 信号的较大船只上。虽然潜水器可以进行一点机动，但最终还是受到船只运动的限制。

“拥有一个自由移动的水下航行器是一个极其具有挑战性的问题。我们解决这个问题的方法是开发专门的相机和机器学习算法。通过将这些结合起来，我们实际上可以找出太阳的位置，这就是偏振成像发挥作用的地方。” ——维克多·格鲁耶夫

来自太阳的光波向各个方向传播——它是非偏振的。当这些波穿过过滤器(例如水面)时，它们被迫仅向一个方向移动 - 光已被偏振。偏振图案是光从空气传输到水中并被水分子和其他颗粒散射的结果。水下的图案全天都在变化，它们取决于观察者和太阳的位置。通过分析这些模式以及准确的日期和时间信息，可以确定位置。

该团队使用水下摄像机和全向镜头收集了约 1000 万张图像，能够记录四个地点的偏振模式：伊利诺伊州尚佩恩的淡水湖(能见度约为 0.3 m)、佛罗里达州佛罗里达礁岛的沿海海水(能见度约为 0.3 m) 0.5-3 m)、佛罗里达州坦帕湾的海水(能见度约 0.5 m)以及北马其顿奥赫里德的淡水湖(能见度超过 10 m)。图像是在各种条件(清澈的海水与浑浊的海水)、深度和一天中的时间下拍摄的 - 即使是在水下光线强度明显较弱的夜间。

“如果我们看不到任何东西，如果我们看不到我们面前的双手，我们就会认为生活是乏味的。但如果我们能看到光的偏振特性，我们就可以进行地理定位，即使是在浑水中。事实上，生活在两极分化方面非常丰富，”格鲁夫说。

这些图像被用来训练神经网络——一种随着时间的推移学习和提高准确性的人工智能方法。“我们的方法是从水下收集 1000 万张太阳图像，”福赛思解释道。“每张图像都标有拍摄地点和太阳高度。然后这些图像被传递到学习系统中，并对系统进行调整，直到给出精确的位置。” 使用这些机器学习技术已帮助将定位精度提高到 40-50 公里，并且有可能进一步提高精度。

这项技术为人和机器人在水下导航提供了新的机会。海洋占地球表面积的70%以上，但人们对它知之甚少。我们所了解的有关这些水体的数据来自于距地表 20-30 英里的卫星监测。 原位 自主采样机器人可以更精确地监测水的性质，例如水温、盐度、含氧量和其他相关参数。

最近的 OceanGate Titan 潜水器搜救工作凸显了对精确地理定位能力的需求。为了在任何可能的深度定位潜水器，由于当前技术的限制，工作被分成两个不同的区域，靠近海洋表面和靠近海底。深水作业比近地表作业更具挑战性，近地表作业有更多的技术选择，并且主要依赖声纳。声纳不仅在大范围内不可靠，而且还经常产生隐藏物体精确位置的回声。Gruev 说：“这种偏振成像技术将使小型自主机器人能够在光线穿透到水中的前 200-300 米范围内漫游，我们的技术在这方面效果很好，可以在搜索和救援任务中提供帮助。”