定深航行中AUV定位與閉環(huán)問題研究.pdf

1、AUv是一種能夠在復雜的海底環(huán)境下自主航行的無纜水下機器人。自主導航與定位是AUV自主性的最重要的體現(xiàn)，也是研究領(lǐng)域的熱點問題之一。當AUV在水下運動時，同步定位與地圖構(gòu)建(SLAM，Simultaneous Localization andMapping)算法不需要依賴先驗的水下環(huán)境信息圖，利用自身攜帶的聲納等外部傳感器感知環(huán)境，提取環(huán)境中的有用信息，利用這些信息進行自身定位，與此同時，構(gòu)建水下環(huán)境的特征地圖。 本文研究了基于

2、粒子濾波器的SLAM算法(PF－SLAM)?；镜腜F－SLAM算法存在缺陷：當運動噪聲比觀測噪聲大時，易使濾波器發(fā)散，為此我們對算法進行了改進。同時，閉環(huán)策略貫穿于AUV的定位過程中，通過積極的進入以前曾參觀過的區(qū)域，能夠減小AUV的位置誤差。 首先提出了AUV的運動模型、觀測模型等，介紹了PF－SLAM算法的后驗概率，它可分解為機器人路徑的后驗概率和以后驗概率為條件的環(huán)境特征的聯(lián)合后驗概率。然后對機器人的位姿采樣、路標更新、

3、采樣權(quán)值計算及數(shù)據(jù)關(guān)聯(lián)等問題進行了闡述。在數(shù)據(jù)關(guān)聯(lián)中，如果路標是以前未被觀測過的，需要增廣地圖，否則需要更新已觀測過的路標。以此為基礎(chǔ)我們對算法進行了改進：將最近的觀測值加入到建議分布中，通過新的建議分布采樣機器人的新位姿。由于權(quán)值的定義為目標分布與建議分布的比值，因此權(quán)值也需要進行更新。 在實際環(huán)境中，當機器人沿不同路徑回到曾經(jīng)參觀過的區(qū)域時，由于位姿和地圖估計誤差往往不能確定此區(qū)域以前是否曾被探測過，因此需要所謂的閉環(huán)檢測。