自主式水下機(jī)器人同時(shí)定位與地圖構(gòu)建中的數(shù)據(jù)關(guān)聯(lián)算法研究.pdf

1、同時(shí)定位與地圖構(gòu)建(SimultaneousLocalizationandMapping,SLAM)方法作為一種極其具有挑戰(zhàn)意義的課題在機(jī)器人導(dǎo)航領(lǐng)域得到廣泛的研究并取得了突破性的進(jìn)展。SLAM算法不需要先驗(yàn)的水下環(huán)境信息,當(dāng)機(jī)器人在水下運(yùn)動(dòng)時(shí),利用自身攜帶傳感器感知環(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),增量地構(gòu)建水下環(huán)境地圖。然而在海底復(fù)雜的環(huán)境中,大多數(shù)外部傳感器都不可用,自主式水下機(jī)器人(Autonomo

2、usUnderwaterVehicle,AUV)只能依靠艙內(nèi)攜帶的慣性傳感器來獲取自身的相關(guān)信息以及通過主動(dòng)式聲納來獲取周圍的環(huán)境信息,而此時(shí)聲納所獲得的觀測(cè)信息卻具有嚴(yán)重的噪聲干擾,對(duì)AUV的導(dǎo)航與定位造成了很大的困難,同時(shí)也對(duì)SLAM算法提出了更高的要求。
　　 在SLAM算法中,數(shù)據(jù)關(guān)聯(lián)是一個(gè)最為關(guān)鍵也最為困難的問題,特別是在水下復(fù)雜多變的環(huán)境中,可靠的數(shù)據(jù)關(guān)聯(lián)顯得尤為重要。數(shù)據(jù)關(guān)聯(lián)是將環(huán)境中觀測(cè)到的特征同之前觀察到的特征

3、或是地圖中已存特征關(guān)聯(lián)的過程,正確的數(shù)據(jù)關(guān)聯(lián)可以讓機(jī)器人相對(duì)于它觀測(cè)到的特征來決定自身的位置,而少數(shù)的幾次關(guān)聯(lián)失敗都有可能導(dǎo)致SLAM算法的發(fā)散。
　　 本文闡述了數(shù)據(jù)關(guān)聯(lián)的基本理論,進(jìn)而結(jié)合AUV模型闡述了基于擴(kuò)展卡爾曼濾波器(ExtendedKalmanFilter,EKF)的SLAM算法的框架和具體實(shí)現(xiàn)步驟,并針對(duì)其中的關(guān)鍵步驟--數(shù)據(jù)關(guān)聯(lián)進(jìn)行重點(diǎn)介紹,指出了數(shù)據(jù)關(guān)聯(lián)中存在的問題,然后通過仿真實(shí)驗(yàn)詳細(xì)比較了其中兩種最常用的

4、數(shù)據(jù)關(guān)聯(lián)算法--單一兼容最近鄰(IndividualCompatibilityNearestNeighbor,ICNN)和聯(lián)合兼容分枝界限(JointCompatibilityBranchandBound,JCBB)的性能。仿真結(jié)果表明,使用JCBB算法來處理SLAM中的關(guān)聯(lián)問題具有較好的魯棒性,然而卻具有計(jì)算復(fù)雜度大、運(yùn)算速度慢的缺點(diǎn)。本文針對(duì)JCBB的計(jì)算復(fù)雜度提出了一些相關(guān)的改進(jìn)措施,同時(shí)通過對(duì)仿真結(jié)果的分析,表明在基于EKF的S