原文传递
基于EKF的自主式水下航行器SLAM方法研究
| 论文题名： | 基于EKF的自主式水下航行器SLAM方法研究 |
| 关键词： | 自主式水下航行器;同步定位与地图构建方法;扩展卡尔曼滤波算法;逐步迭代;地图特征 |
| 摘要： | 随着海洋战略意义的不断提升，自主式水下航行器(AUV, Autonomous Underwater Vehicle)的发展受到越来越多国家的重视，在机器人研究领域中成为了热门的话题。导航技术是保证AUV安全、自主航行的首要手段，高精度的导航定位系统也是顺利进行航行过程的先决条件。同步定位与地图构建(SLAM, Simultaneous Localization and Mapping)方法不依赖于先验的水下环境信息，从自身携带的外部传感器中提取所需信息，通过与环境特征点的位置信息进行关联，实现自主定位，并且构建出所处环境的信息地图。 本文首先讨论了环境地图模型的表示方法，并选取特征地图作为研究算法的表述形式，将水下环境中的特征信息处理成点特征，避免了特征几何形状的影响。阐述了SLAM方法的概念及实现的难点，包括对系统数学模型的构建以及数据关联方法所产生的影响。选取最邻近数据关联的方法，对外部传感器观测到的大量数据进行筛选，以提高算法效率。针对实际情况中，AUV在水下航行具有非线性运动模型的特点，引入了基于扩展卡尔曼滤波算法(EKF,Extended Kalman Filter)的系统模型，并确立了EKF-SLAM方法的执行流程，对整个滤波过程进行了设计。采用逐步迭代的方式对地图特征进行关联，不仅确保AUV跟踪路径的收敛性，而且提高了环境特征之间的关联度。讨论了简单及复杂两种航行模式，并分别进行了仿真实现，通过观察对比，验证了算法的可靠性及稳定性。 为了将算法的应用更一般化，本文将EKF-SLAM方法的实现拓展到三维空间环境中。通过对AUV的空间运动进行合理分解，有效避免了大量的复杂计算，提高了算法效率。在确立了空间坐标系以及新的运动模型条件下，改进设计了滤波过程的预测及观测阶段，并模拟实际航行环境条件进行了仿真实验，进一步验证了算法的可行性。本文所进行的研究工作，为算法在实际环境下的应用提供了可靠论据。 |
| 作者： | 丁鸿蒙 |
| 专业： | 导航、制导与控制 |
| 导师： | 郝燕玲 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
