基于多傳感器融合的水下機(jī)器人自主導(dǎo)航方法研究.pdf

1、隨著海洋探測(cè)與開發(fā)的不斷深入,具有自主導(dǎo)航能力的水下航行器的需求越來(lái)越大。在復(fù)雜的水下環(huán)境中,單一的傳感器設(shè)備,如聲納、攝像頭等,都無(wú)法滿足高精度自主導(dǎo)航的要求,而采用多傳感器融合的方法則成為一種最佳的選擇。本文通過對(duì)水下機(jī)器人同時(shí)定位與地圖創(chuàng)建問題的研究,為其向更廣闊、更長(zhǎng)程、更復(fù)雜的工作海域發(fā)展提供有力的保證,這必將大大推動(dòng)我國(guó)水下機(jī)器人自主導(dǎo)航技術(shù)的發(fā)展。
　　 本文結(jié)合當(dāng)前機(jī)器人自主導(dǎo)航技術(shù)的熱點(diǎn),介紹了自主導(dǎo)航技術(shù)常遇

2、到的問題難點(diǎn),然后在研究了擴(kuò)展卡爾曼濾波和粒子濾波兩種流行的濾波方法之后,分別在它們的基礎(chǔ)上進(jìn)行了創(chuàng)新和改進(jìn),以提高算法的精度和可靠性。
　　 在擴(kuò)展卡爾曼濾波的方面,本文首先針對(duì)水下環(huán)境的復(fù)雜性,采用了聲納、攝像頭、結(jié)構(gòu)光等多種傳感器融合的方法,保證了觀測(cè)數(shù)據(jù)的有效性和信息的豐富性。其次擴(kuò)展卡爾曼算法用到了協(xié)方差矩陣的更新,隨著時(shí)間的推移,環(huán)境特征數(shù)目的增加,算法計(jì)算量會(huì)急劇增長(zhǎng)。為了延長(zhǎng)算法的持續(xù)時(shí)間,本文引入了臨時(shí)特征地圖

3、,降低了地圖環(huán)境特征數(shù)目的增長(zhǎng)速度,有效的減少了不必要的計(jì)算。最后,針對(duì)數(shù)據(jù)關(guān)聯(lián)出錯(cuò)會(huì)導(dǎo)致算法發(fā)散的問題,本文根據(jù)掃描數(shù)據(jù)集的特點(diǎn),提出了全局掃描匹配算法,提高了數(shù)據(jù)關(guān)聯(lián)的效率和準(zhǔn)確度,降低了關(guān)聯(lián)錯(cuò)誤的可能性。
　　 在粒子濾波方面,本文首先分析了粒子濾波當(dāng)前遇到的問題--隨著濾波過程的進(jìn)行,粒子樣本集會(huì)出現(xiàn)樣本多樣性降低的問題。其次,本文分析了問題出現(xiàn)的根源,即重采樣過程僅保留了權(quán)值較大的粒子,舍棄了權(quán)值較小的粒子。而后本文提

4、出了一種基于粒子分化的粒子濾波方法,該方法是在重采樣之前引入了粒子預(yù)處理過程,即粒子分化過程,將權(quán)值較大的粒子分化為多個(gè)權(quán)值較小的粒子,同一粒子分化后的粒子符合相同的分布。然后再對(duì)經(jīng)過分化處理得到的新的粒子集重采樣,這樣就避免了由于重采樣過程中通過簡(jiǎn)單的復(fù)制權(quán)值較大的粒子而產(chǎn)生的粒子樣本多樣性降低的問題。
　　 在改進(jìn)以上兩種濾波方法之后,本文對(duì)它們分別進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法能較好的夠達(dá)到預(yù)期的目標(biāo),提高了濾