基于信息滤波的AUV自主导航算法研究
自主式水下机器人(Autonomous Underwater Vehicles,AUV)是人类开发海洋的重要工具,有着广阔的发展前景,但也面临着许多技术挑战,导航问题就是其中之一。当前许多导航方式需借助GPS、基线等设备或需要先验地图,这严重制约着AuV在未知水下环境中导航的自主性。同时定位和地图构建(Simultaneous Localization and Mapping,SLAM)技术能够实现AUV的真正自主导航,是水下机器人领域研究的热点。传感器获取环境信息是解决SLAM问题的第一步,对环境描述的越精确,数据量就越大,实时性也会随之降低,因此对传感器数据进行适当处理显得尤为重要。 研究实时性好、精确度高的SLAM算法成为当前AUV领域亟待解决的问题;另一方面如何处理传感器数据,以解决环境特征描述性差、数据关联难度大等问题也迫在眉睫。针对这些问题,本文将深入研究融合了传感器数据预处理的稀疏化扩展信息滤波(Sparse Extended Information Filter,SEIF)SLAM算法,该算法中的稀疏化步骤是点睛之笔,它使算法可以恒时执行,而与地图中路标数无关,这极大地提高了计算效率。 本文首先关注AUV和SLAM的研究现状与发展前景,并对当前主流SLAM算法进行比较;然后探讨应用最广泛的SLAM算法——EKF-SLAM的基本原理和实现过程;在此基础上,着重研究SEIF-SLAM算法并进行了仿真验证。接下来,在分析各种声呐优缺点之后,结合本文采用的单波束扫描成像声呐的工作原理,提出了去噪、稀疏化和校正等声呐数据预处理方法,进一步提高了AUV导航的实时性和精确性。实际数据对上述导航算法和数据处理方法的验证结果及分析表明:所采用的算法对AUV位姿和地图估计均有较好效果,满足实际航行需求;传感器数据预处理进一步提高了AUV导航的有效性和准确性。最后对本课题进行总结,指出今后的研究方向。
自主式水下机器人;信息滤波;自主导航算法;稀疏化
中国海洋大学
硕士
信号与信息处理
何波
2012
中文
TP242;TP301.6
61
2012-12-27（万方平台首次上网日期，不代表论文的发表时间）