周文涛 马国军，2 丁 安 王 彪，2

（1.江苏科技大学电子信息学院 镇江 212003）（2.镇江市智慧海洋信息感知与传输重点实验室 镇江 212003）

1 引言

由于电力、石油和天然气等能源运输的需求，近年来在海底建设了越来越多的水下基础设施，如电缆和管道，以满足输送油气和通信的需求。海底管线经过海水的长时间浸泡和腐蚀，或者受海底地壳运动的影响，极易发生破损或断裂，从而造成巨大的经济损失和环境污染。为了保持这些基础设施的安全和可靠，必须对管线进行定期检测和维护。

自主式水下机器人（Autonomous Underwater Vehicle，AUV）相较于遥控潜水器（Remotely Operated Vehicle，ROV）进行管线检测具有低成本、灵活方便的特点，并逐步获得应用［1～2］。在文献［3］的管道检测中，AUV通过相机获取水下管道线图像并进行小波图像增强、基于熵的管道图像分割，根据视觉反馈对腐蚀管道检查和跟踪，从而控制AUV的航向。文献［4］研究单目视觉的水下管线检测与跟踪技术，但光学成像受海水浑浊度影响，探测距离有限。

由于声纳探测可以不受水体浑浊度的影响且探测距离远，常作为AUV配置的设备进行海底管线探测。文献［5～6］利用的合成孔径声纳具有较高的分辨率但成本也较高。

文献［7］根据合成孔径声纳图像中水下目标的特征，提出Radon变换和Grab Cut的管线提取算法。从声纳图像中提取管线，需要先设定阈值将目标从背景中分离［8］，然后对分割出的目标Hough变换［9～10］提取直线。文献［11］利用纹理信息，采用神经网络和支持向量机进行边缘分类的方法检测线状目标。……