详情

原文传递 SLAM中的数据关联与数据融合算法研究

论文题名：	SLAM中的数据关联与数据融合算法研究
关键词：	水下导航;SLAM导航;数据关联;数据融合;卡尔曼滤波
摘要：	在当今日益竞争的国际形势下，水下导航无论是对于民用打捞搜救、海底管道维护，还是军事潜艇战略巡航等，都具有很高的研究价值及意义，目前已成为国内外研究的热点与难点。　　根据惯性导航系统能够长期满足定位要求的特点，本文采用捷联惯性导航(strapdown inertial navigation system,SINS)与同时构图定位导航(simultaneous localization and mapping,SLAM)相组合的导航方式进行研究。通过传感器采集周围环境特征物，SLAM技术不仅能够提供载体及路标的位置信息，用来辅助校正 SINS漂移误差，而且能构建与周围环境相一致的特征地图。本文基于课题的研究背景和意义，总结了国内外SLAM中数据关联算法，并对其关键技术进行了深入的研究。　　针对海底石油管道探测定位工程的背景及意义，本文通过设定具有一定函数形式的管道模型，并将该函数轨迹作为载体的航行参考路径，通过多次航行由声学、光学以及惯性传感器采集到的方位信息、距离信息和图像信息等，进行了多传感器融合算法研究，仿真实验实现了高精度的管道定位。具体的改进算法及研究内容包括如下：　　1、在水下导航定位中，载体需携带多种传感器协作完成导航任务，而这些传感器提供的目标位置观测值之间，需进行数据关联分析后，判断是否来自同一实物，以被存储在地图数据库中。针对最近邻关联算法在处理信标多、关联关系复杂方面的不足，提出了一种基于栅格图模糊逻辑的SLAM数据关联算法。仿真实验表明，该算法可以实现较高精度的数据关联。　　2、针对水下环境及系统观测噪声的模糊性，进行数据关联时容易产生模糊关联或错误，从而导致SLAM过程失败这一问题，提出了基于最大概率BP神经网络的数据关联算法，实验结果表明，新算法对目标位置观测值进行关联后可得到较高的关联度，其对应的定位估计滤波精度也较高。　　3、针对扩展卡尔曼滤波的 SLAM算法(Extended Kalman filter-SLAM, EKF-SLAM)、无迹卡尔曼滤波的 SLAM算法(Unscented Kalman filter-SLAM, UKF-SLAM)、可调节系数无迹卡尔曼滤波（η-UKF-SLAM）等 SLAM算法中非线性误差较大，进行时间更新与预测更新比较繁琐，导航计算机运行速度慢等问题，提出了一种基于粒子滤波的SLAM算法，用一个最小的样本点集来近似系统状态的分布函数，通过设置有效样本，判断在粒子权值更新过程中是否进行重采样，以满足粒子的多样性和丰富性。并针对水下管道检测定位应用，仿真实验验证了该算法对“对角线”型函数管道定位可达到较高的定位精度。　　4、针对海底大范围区域的系统本身或随机干扰信号模型的模糊性，航行器初始状态估计精度低，以及系统鲁棒性差等问题，结合“曲线”型函数管道检测定位，提出了一种基于扩展H?滤波的SLAM算法，该算法设计从干扰输入到滤波输出的H?范数最小的H?滤波器，并求取相应系统参数进行时间更新与预测更新。仿真实验表明，跟踪检测具有较高的关联精度，采集并提取的部分管道特征地图可以达到较高的定位精度。　　5、针对传统n维Sigma点的非线性滤波中采样点维数较多导致计算量加大，运算速度下降，且大噪声下系统的可观性较弱等问题，提出了一种基于SLAM的超球面分布采样(Spherical Simplex,SS)的平方根容积卡尔曼滤波(Square-Root Cubature Kalman Filter,SRCKF)算法。该算法对n?2维容积点计算及传播，并进行状态的预测及估计更新等，提高了模型中的导航参数运算速度。通过与SRUKF和SSCKF两种滤波算法比较，实验结果表明，本文提出的SS-SRCKF算法在平方根协方差保证非负性优势下，其定位精度较高且稳定性最好，同时也证明了新的算法对未来水下导航实际工程应用中的参考价值。
作者：	王丹丹
专业：	导航、制导与控制
导师：	袁赣南
授予学位：	博士
授予学位单位：	哈尔滨工程大学
学位年度：	2016
正文语种：	中文