基于信息濾波器的水下機(jī)器人SLAM算法研究.pdf

1、在自主式水下機(jī)器人的相關(guān)研究課題中，自主導(dǎo)航技術(shù)始終是其研究核心。自主導(dǎo)航指水下機(jī)器人不需要先驗(yàn)的水下環(huán)境的輔助信息，從一個(gè)未知位置開(kāi)始運(yùn)動(dòng)，利用自身搭載的外部傳感器感知周圍環(huán)境并提取有用信息，創(chuàng)建增量式地環(huán)境地圖，同時(shí)用該地圖實(shí)現(xiàn)自身定位和導(dǎo)航，這就是同時(shí)定位和地圖創(chuàng)建(simultaneous localization and mapping, SLAM)。因此，SLAM問(wèn)題是機(jī)器人在未知環(huán)境下實(shí)現(xiàn)真正自主導(dǎo)航的關(guān)鍵。
　　在

2、已經(jīng)提出的眾多SLAM算法中，基于擴(kuò)展卡爾曼濾波（Extended Kalman Filter, EKF）的SLAM算法是最基本的SLAM問(wèn)題解決方法，它能夠得到SLAM問(wèn)題的最優(yōu)解。但基于EKF的SLAM算法通過(guò)維持一個(gè)協(xié)方差矩陣來(lái)描述SLAM中的不確定信息，其計(jì)算量至少與地圖中的特征個(gè)數(shù)的平方成正比，計(jì)算效率較低，這也限制了該算法在環(huán)境特征多的復(fù)雜環(huán)境下的應(yīng)用。
　　為了降低EKF-SLAM算法計(jì)算量大的問(wèn)題，本文研究了稀疏擴(kuò)

3、展信息濾波（Sparse Extended Information Filter, SEIF）算法，該算法是在擴(kuò)展信息濾波(EKF的信息形式）算法中加入了稀疏化步驟后得到的?；赟EIF的SLAM算法中，所有基本的更新公式都能夠在恒定的時(shí)間內(nèi)完成，而與地圖中的特征個(gè)數(shù)無(wú)關(guān)，極大地提高了運(yùn)算速度,在計(jì)算時(shí)間和占用內(nèi)存上遠(yuǎn)遠(yuǎn)優(yōu)于基于EKF的SLAM算法。最后，在基于SEIF的SLAM算法模型建立的基礎(chǔ)上，進(jìn)行了MATLAB仿真實(shí)驗(yàn)及青島團(tuán)島