基于粒子濾波器的自主式水下機器人導(dǎo)航定位算法研究.pdf

1、自主式水下機器人是當(dāng)今研究的熱點問題之一。機器人由于其自身具有的智能性、機動性以及自主性，可以在極其復(fù)雜危險的環(huán)境中完成人類不可完成的探測、探險和操作等工作。在未知環(huán)境下，移動機器人的自主導(dǎo)航能力是其能實現(xiàn)真正自主移動的基礎(chǔ)，而自主定位則是自主導(dǎo)航的前提。為了實現(xiàn)機器人自主導(dǎo)航，機器人的同時定位與地圖構(gòu)建（Simultaneous Localization and Mapping, SLAM）能力成為機器人領(lǐng)域亟需解決的問題。
　

2、　同時定位與地圖構(gòu)建（SLAM）是實現(xiàn)自主移動機器人的核心問題，也是機器人自主導(dǎo)航的關(guān)鍵，是機器人感知能力和智能水平的體現(xiàn)。同時定位與地圖構(gòu)建（SLAM）是指在未知環(huán)境下，機器人根據(jù)傳感器提供周圍環(huán)境信息和位置估計，逐步確定自身位姿并且建立增量式地圖的過程。近年來，眾多研究者在室內(nèi)、室外、水下環(huán)境中取得了顯著的成果。然而，依然存在很多問題需要解決。
　　本論文首先介紹了AUV的發(fā)展情況及研究現(xiàn)狀；其次，介紹了當(dāng)今應(yīng)用比較廣泛及本文

3、需要了解的幾種SLAM算法，在建立系統(tǒng)模型的基礎(chǔ)上，對SLAM算法的原理和過程進行詳細介紹，并指出這些算法中存在的需要解決的問題。
　　本文主要在粒子濾波器的基礎(chǔ)上，提出一種基于粒子群優(yōu)化的無跡FastSLAM算法，并用實驗驗證該算法的可行性及有效性。該算法首先將UPF與UKF算法相結(jié)合，利用UPF估計機器人位姿后驗概率估計，同時利用UKF處理地圖估計部分，避免了雅克比矩陣的運算以及非線性函數(shù)的線性化問題，大大提高了算法精度，并且

4、同等精度下，減少所用粒子數(shù)。此外，針對FastSLAM算法中重采樣引起的粒子退化和衰竭問題，利用粒子群優(yōu)化技術(shù)(PSO)對重采樣過程進行優(yōu)化，在重采樣后，選定目標(biāo)機器人位置，然后利用PSO算法調(diào)整粒子分布，使得粒子集中于機器人的真實位姿附近，通過上述步驟對粒子集進行PSO優(yōu)化，緩解粒子退化和衰竭問題。
　　最后，通過公開仿真平臺進行仿真實驗以及實驗室自主實驗平臺水下機器人C-ranger的團島海試實驗來驗證該提議算法的有效性和準(zhǔn)確