在舰船实际航行过程中，可能会遇到一些变化情况，如天气突变、航道堵塞、障碍物等，需要根据实际情况，及时调整舰船航行时的航线，以避开危险区域或寻找更合适的航行路径。舰船航行路径调整的及时性和准确性，对舰船的安全航行管理至关重要^{[1 - 2]}。为实现所述目的，需研究一种有效的舰船航行规划控制系统，科学合理地控制舰船航行。

目前，部分国内外学者针对舰船航行中的路径规划控制领域展开了相关研究。例如，周怡等^[3]利用电子海图构建游船航行的虚拟环境，通过该虚拟环境获取游船的航行数据，并运用所获得的游船航行数据，构建DDPG算法模型，通过该算法模型实现游船的避碰路径规划。该方法所应有的DDPG算法具有较高的避碰正确率，能够显著降低游船与其他船舶的碰撞风险。但电子海图的数据精度受到多种因素的影响，包括原始纸质海图的制作精度、数字化过程中的误差、以及数据更新频率等，这些因素可能导致电子海图上的信息与实际情况存在一定的偏差，导致最终路径规划的偏差。黄晓冬等^[4]通过构建海战场环境模型，运用该模型得到舰船航行海域的位置、障碍物以及目标位置等信息；运用舰船的航行方向、速度及位置等状态信息，设计DQN算法的状态空间；应用所设计的DQN算法，根据海战场环境模型和舰船状态信息，规划舰船航行路径。此方法的DQN算法能够在较短的时间内完成路径规划任务，满足了海战场舰船路径规划的实时性要求。但DQN算法的性能在很大程度上依赖于海战场环境的建模和数据的准确性，如果环境建模不准确或数据存在误差，可能会影响路径规划的效果。Renan 等^[5]运用传感器所采集数据构建包括海洋地形、水文条件、障碍物分布等的海上环境模型，运用该模型评估舰艇航行中的碰撞风险，依据风险评估结果，结合可视图法设计防碰撞路径规划算法，实现舰艇防碰撞路径规划。该方法通过精确的环境建模和风险评估，能够有效避免舰艇在航行过程中与障碍物或其他舰艇发生碰撞。但该方法很大程度上依赖于传感器所采集数据的质量和准确性，当某些极端环境下传感器出现故障或采集数据不准确时，会影响路径规划的效果和舰艇的安全航行。张立华等^[6]通过K-means方法依据危险度判别指标划分出复杂海域的高低危险区域，采用Nomoto模型推演2种区域内舰船的航行轨迹，建立遴选函数，选取2种区域内的舰船最优航行轨迹，合成后生成最终避碰路径。该方法通过精确的危险度判别和航迹推演，能够有效避免舰艇在复杂海域中与其他舰艇或障碍物发生碰撞。但危险度判别、航迹推演和最优航迹选择等步骤需要处理大量的数据和信息，计算量较大，且对原始数据资源的精度要求较高。

机器视觉技术通过计算机的图像处理和模式识别能力来模拟人的视觉形成过程，实现计算机高效精准的图像理解和分析^[7]。为此设计了基于机器视觉的舰船航行交互控制系统，实现对舰船航行过程中的实时交互控制，保障舰船航行的安全性。

基于机器视觉技术，设计包含数据采集处理模块、航行控制模块、无线通信模块以及智能交互模块的舰船航行交互系统，实现对舰船航行的有效交互控制。该系统的总体架构如图1所示。

图 1 舰船航行交互系统总体架构图 Fig. 1 Overall architecture diagram of ship navigation interactive

该系统中各模块的主要功能如下：

1）数据采集处理模块。该模块的核心部分为机器视觉技术，该技术选用CCD摄像头，实现舰船航行过程中图像的采集与灰度化处理，并运用处理后舰船航行图像，获取舰船的航行位置、轨迹等信息，为后续的舰船航行控制模块提供高质量数据信息。

2）航行控制模块。该模块包括舰船电机控制单元、舵机控制单元以及视觉导航控制单元3个部分，主要以数据采集处理模块所获取的舰船航行位置与轨迹等信息为基础数据，实现舰船航行中航行速度、方向及路径的驱动控制。其中，舰船电机控制单元采用串级PID控制方法控制舰船电机，驱动舰船依据所设定速度航行；舰船舵机控制单元通过位置式PID准确调节舰船的舵机角度，实现对舰船航行方向的精准控制；舰船视觉导航控制单元通过人工势场方法控制舰船与障碍物之间的距离，实现对舰船航行路径的控制。

3）无线通信模块。该模块主要负责整个舰船航行交互系统的信息与指令传输任务，为系统提供可靠的传输通道。

4）智能交互模块。该模块是系统实现舰船航行方向与路径交互控制的关键，可为系统的航行控制、控制后舰船实时航行信息的输出、用户及时掌控舰船实时航行信息提供保障。通过连接系统内微控制器操控航行控制模块，并通过微控制器与各串口、CAN总线以及以太网等信息的交互，为航行控制模块提供控制基础数据，辅助实现舰船的交互控制。

将多个应用机器视觉技术的CCD摄像头安装在舰船的不同位置，实时采集舰船海上航行过程中的图像，依据所采集图像，获得舰船航行中的位置、轨迹及环境等信息。在舰船实际航行过程中，数个CCD摄像头同时采集图像数据，并交由上位机对此类图像数据实施处理。在机器视觉技术中，图像处理是决定该技术所获取图像数据精度、保证后续此类图像数据应用效果的关键。由于CCD摄像头所采集的舰船航行中图像数据均属于RGB彩色图像，图像内各个像素点均包含3个通道，如此会导致对此类图像实施处理时运算量过大，造成最终舰船航行控制时效性的降低。为解决此问题，需对CCD摄像头所采集的舰船航行中RGB彩色图像数据实施灰度化处理，降低后续图像处理以及舰船航行控制的耗时。

在此选用分量法实现对CCD摄像头所采集舰船航行RGB彩色图像的灰度化处理。该方法通过视舰船航行RGB彩色图像的R、G、B分量内任意一个亮度值为灰度图像的灰度值，完成对舰船航行RGB彩色图像的灰度化处理。当舰船航行RGB彩色图像由彩色转变成灰色时，会丢掉图像内的彩色信息。对于一个具备RGB三通道的舰船航行彩色图像像素点而言，当通过分量法对其实施灰度化处理时，该像素点的灰度值即为此时舰船航行RGB彩色图像内相应像素点的某个通道分量值。也就是依据实际需求，由原始舰船航行RGB彩色图像内任意挑选某个分量的亮度值，并将此视作灰度化处理后舰船航行灰度图像的灰度值。依据灰度化处理后的舰船航行图像，根据图像得到舰船的航行位置与轨迹等信息。

航行控制模块主要以数据采集处理模块所获得的舰船航行位置与轨迹等信息，通过结合舰船电机控制、舵机控制以及视觉导航控制，实现对舰船航行过程中速度、方向、路径的控制。各部分控制单元的实现过程为：

1）采用串级PID控制舰船电机，通过以舰船航行中的实际航行速度、实际偏航角度、期望航行速度与偏航角度等数据为输入，依据所设定的串级PID相关控制参数，能够得到舰船电机控制的PWM值，实现舰船航行速度的精准控制。

2）选用位置式PID控制舰船舵机。

3）选用人工势场方法实现对舰船的视觉导航控制。在该方法中，将舰船的海上航行环境视作势场模型，其中，该环境内的障碍物与舰船航行的目标点，分别对舰船产生斥力势场与引力势场，通过结合2种势场的斥力与引力获得合力，运用该合力指引舰船航行。

智能交互模块主要由微控制器、串口信息处理、CAN总线信息处理以及以太网信息处理等部分组成，其总体结构如图2所示。

图 2 智能交互模块结构图 Fig. 2 Structure diagram of intelligent interactive module

为检验本文所设计系统的实际应用性能，实验中选取某舰船作为实验对象。首先通过本文系统采集实验舰船的初始航行彩色图像，并对此类图像实施灰度化处理。本文系统可针对所采集的初始实验舰船航行彩色图像实现有效的灰度化处理，减少舰船航行图像的颜色分量，为后续实现高效的舰船航行控制奠定基础。

在此基础上，运用本文系统对实验舰船航行中的速度、方向及路径实施交互控制。为检验本文系统的实际交互控制效果，在实验舰船航行环境中设置多个障碍物，并设定其航行目标点，检验本文系统交互控制后实验舰船的航行路线情况。分别设定2种实验舰船航行环境（A₁与A₂），其中，A₁环境中包含10处大小形态不同的障碍物，A₂环境中在A₁环境的障碍物基础上又增加了3处障碍物，总计13处障碍物。2种航行环境中通过本文系统实施交互控制后，实验舰船的航行路线如图3所示。可以得出，通过本文系统的交互控制，能够实现对实验舰船航行中的速度、方向及路径的有效控制，令实验舰船可精准避开各个障碍物，沿着指引路线准确航行至目标点，保障舰船的航行安全性。

图 3 本文系统交互控制后实验舰船航行路线 Fig. 3 the experimental ship navigation route is controlled by the system interactively

舰船航行过程中精准的航行路径规划控制，是保障其安全高效航行的关键。为此，本文设计基于机器视觉的舰船航行交互控制系统，运用了机器视觉技术实时采集舰船航行图像，并对此类图像实施灰度化处理，降低了图像的颜色分量，提高后续运用此类图像获取舰船航行时的位置、轨迹等信息的效率；通过航行控制模块，在智能交互模块的辅助下，对舰船的电机、舵机、视觉导航实施交互控制，指引舰船以理想的速度向目标方向航行。