水下機(jī)器人自主導(dǎo)航算法的研究.pdf

1、隨著世界各國(guó)在海洋開發(fā)方面展開日趨激烈的競(jìng)爭(zhēng),對(duì)具有自主導(dǎo)航能力的水下機(jī)器人的要求越來(lái)越高,需求也越來(lái)越大。機(jī)器人配備單一的傳感器如聲納等現(xiàn)已無(wú)法滿足高精度的自主導(dǎo)航的要求,采取數(shù)據(jù)融合方法成了一種最佳的選擇。同時(shí)定位和地圖創(chuàng)建是機(jī)器人實(shí)現(xiàn)自主導(dǎo)航的關(guān)鍵,本文對(duì)傳統(tǒng)的基于濾波器的SLAM算法和基于圖優(yōu)化的SLAM算法進(jìn)行了深入的研究,分析現(xiàn)有方法的難點(diǎn),并在它們的基礎(chǔ)上進(jìn)行了改進(jìn)和創(chuàng)新。
　　本文首先對(duì)機(jī)器人的發(fā)展、自主導(dǎo)航算法和

2、SLAM問(wèn)題進(jìn)行了概述,然后在本文所建立起的坐標(biāo)系模型以及機(jī)器人運(yùn)動(dòng)模型和觀測(cè)模型的基礎(chǔ)上,對(duì)基于擴(kuò)展卡爾曼濾波的SLAM算法的不足進(jìn)行分析,然后提出了基于U卡爾曼濾波的數(shù)據(jù)融合預(yù)處理的方法,最后再對(duì)基于圖優(yōu)化的 SLAM框架的幀間配準(zhǔn)、環(huán)形閉合檢測(cè)和圖優(yōu)化進(jìn)行介紹,并在基于隨機(jī)梯度下降算法的基礎(chǔ)上提出基于變學(xué)習(xí)率的方法對(duì)圖進(jìn)行在線優(yōu)化。
　　在建立的機(jī)器人運(yùn)動(dòng)模型和觀測(cè)模型的基礎(chǔ)上,首先對(duì)基于擴(kuò)展卡爾曼濾波的 SLAM算法進(jìn)行介

3、紹并分析它在計(jì)算效率、機(jī)器人模型的線性化等方面的不足,提出了基于 U卡爾曼濾波的數(shù)據(jù)融合預(yù)處理方法。通過(guò)采用 U卡爾曼濾波方法,減少在更新階段計(jì)算協(xié)方差等雅克比矩陣的計(jì)算量,對(duì)于機(jī)器人在低速、觀測(cè)距離較遠(yuǎn)會(huì)多次碰到同一障礙物的情況,通過(guò)采用數(shù)據(jù)預(yù)處理和障礙物預(yù)處理兩個(gè)數(shù)據(jù)融合預(yù)處理過(guò)程來(lái)減少在更新階段的次數(shù)操作,通過(guò)對(duì)離線數(shù)據(jù)進(jìn)行實(shí)驗(yàn)仿真,取得了減少計(jì)算量和更新次數(shù)仿真效果。
　　通過(guò)對(duì)比基于濾波器的SLAM算法和基于圖優(yōu)化的SL

4、AM算法在模型處理、求解效率和閉環(huán)能力三個(gè)方面的特點(diǎn),得出基于圖優(yōu)化的 SLAM算法在自主導(dǎo)航過(guò)程中取得更好的效果。因此本文對(duì)基于圖優(yōu)化的 SLAM算法框架的前端(幀間配準(zhǔn)、環(huán)形閉合檢測(cè))進(jìn)行介紹,并對(duì)后端(圖優(yōu)化部分)在問(wèn)題建模和優(yōu)化方法進(jìn)行論述,在此基礎(chǔ)上建立機(jī)器人復(fù)雜的位姿圖描述出其非線性約束關(guān)系,在基于隨機(jī)梯度下降算法的基礎(chǔ)上提出基于變學(xué)習(xí)率的方法對(duì)圖進(jìn)行在線優(yōu)化,思想是:給位姿圖的不同部分賦予不同的學(xué)習(xí)率,以便于能夠?qū)崟r(shí)處理一