水下機器人AUV環(huán)境地圖構(gòu)建與定位技術(shù)研究.pdf

1、隨著人口數(shù)量的增長，陸地可利用資源變得越來越少，人們的視線開始轉(zhuǎn)向海洋，但是海洋世界存在氣壓大、可見度低、環(huán)境惡劣等問題，人們無法輕易進入海洋世界。為解決這一難題，人們開始研究出一種新型自主性水下機器人(Autonomous Underwater Vehicle，AUV)使之成為開采海洋資源的水下工具。但是，AUV在進行水下任務(wù)時存在兩個缺陷:第一，在沒有具體的環(huán)境信息的條件下，水下機器人是無法進行水下作業(yè)、定位、路徑規(guī)劃、行為決策等一

2、系列的自主性任務(wù);第二，在水下環(huán)境中還存在環(huán)境極其復雜多變、干擾多、噪聲大，僅僅憑借里程計等內(nèi)部傳感器是無法實現(xiàn)高精度的導航技術(shù)。同時定位與地圖構(gòu)建技術(shù)(Simultaneous localization and mapping，SLAM)通過建立運動模型和觀測模型對水下機器人的定位信息和外界環(huán)境信息進行提取及更新，實現(xiàn)AUV導航。
　　目前，為了實現(xiàn)AUV同時定位與環(huán)境地圖構(gòu)建技術(shù)所應用范圍最廣泛的方法就是擴展卡爾曼濾波算法(E

3、xtended Kalman Filter，EKF)，但是，隨著對EKF算法的深入研究，發(fā)現(xiàn)EKF算法存在局限性:一是EKF基本原理是將非線性系統(tǒng)線性化，然后用線性系統(tǒng)進行卡爾曼濾波，解決非線性系統(tǒng)狀態(tài)估計問題，但是在非線性系統(tǒng)線性化過程中忽略了該過程引起的模型誤差，將引起濾波誤差。另一個局限是它要求噪聲統(tǒng)計是已知的，然而在大多數(shù)非線性系統(tǒng)中噪聲統(tǒng)計是未知的，如果把錯誤的噪聲統(tǒng)計（均值和方差）應用到EKF算法中，會使濾波誤差增大，甚至使