基于EKF的AUV同時(shí)定位與構(gòu)圖方法研究.pdf

1、無論是軍事還是工程上應(yīng)用的自主水下機(jī)器人(Autonomous UnderwaterVehicle，AUV)，導(dǎo)航技術(shù)都是必不可少的。高精度的導(dǎo)航和定位信息對(duì)其安全航行和高效完成任務(wù)具有決定作用。由于水下環(huán)境及其復(fù)雜，可使用的外部傳感器僅限于聲納，且獲得的觀測信息噪聲大，干擾多，這就對(duì)誤差的處理提出了很高的要求。同步定位與構(gòu)圖(simultaneous localization and mapping，SLAM)算法不需要先驗(yàn)的水下環(huán)境

2、信息圖的輔助，當(dāng)機(jī)器人在水下運(yùn)動(dòng)時(shí)，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(jìn)行自身定位，與此同時(shí)，在線的構(gòu)建水下環(huán)境地圖。隨著AUv在民用和軍事領(lǐng)域應(yīng)用的不斷發(fā)展，促進(jìn)了SLAM算法在水下導(dǎo)航定位方面的應(yīng)用研究。 由于大多數(shù)的實(shí)際導(dǎo)航系統(tǒng)都是非線性的，針對(duì)這種實(shí)際情況，本文討論基于擴(kuò)展卡爾曼濾波器(Extended Kalman Filter，EKF)的水下SLAM算法的執(zhí)行過程。SLAM方法

3、在小環(huán)境中的應(yīng)用非常重要，EKF算法可以魯棒地和有效地處理尺度有限環(huán)境中的SLAM問題。如果探測環(huán)境尺度增大，基于EKF的SLAM方法有一個(gè)人非常重要的局限：由于線性化誤差，隨著環(huán)境尺度的增大估計(jì)很快變得不一致。 本文重點(diǎn)闡述了基于EKF的SLAM算法的原理，描述了一致性問題并指出EKF算法如何導(dǎo)致估計(jì)的不一致。為克服這一問題，本文將一種基于EKF的以機(jī)器人為坐標(biāo)參考的特征地圖構(gòu)建法應(yīng)用于開放的AUV系統(tǒng)，將前一時(shí)刻機(jī)器人的位姿