基于感知驅動的AUV自主導航算法研究.pdf

1、自主式水下機器人(AUV)作為人類探索海洋的重要設備，目前已廣泛應用到了北極探險、管道檢測和船體檢測等多種任務中。準確的導航與定位對于AUV在水下環(huán)境中進行安全作業(yè)起到了決定性作用，而同時定位與地圖構建算法（Simultaneous Localization and Mapping，簡稱SLAM）正是關鍵所在。SLAM技術為水下移動觀測平臺在未知的海洋環(huán)境下，實現真正意義的自主導航提供了可行性方案。
　　盡管SLAM技術的大部分問

2、題已得到廣泛而深入的研究，如擴展卡爾曼濾波EKF(Extended Kalman Filter)、擴展信息濾波EIF(Extended Information Filter)、稀疏連接-樹濾波TJTF(Thin Junction Tree Filter)等等，但它們在計算復雜度、一致性和數據關聯等方面仍存在諸多不足。2008年，Michael Kaess和Frank Dellaert用平滑代替濾波，提出了遞增平滑與地圖構建算法（incr

3、emental smoothing andmapping，簡稱iSAM）。iSAM算法通過遞增式更新提高計算速度，利用非線性最優(yōu)化控制誤差水平，使用部分協方差支持數據關聯。本文正是在iSAM算法的基礎上，針對機器人運動觀測時的定位誤差累積問題，提出了“同時定位、地圖構建、路徑規(guī)劃”新技術——基于感知驅動的自主導航算法PD-SLAM（課題來源于“國家863計劃”，項目編號:2014AA093410）。
　　PD-SLAM算法的核心思

4、想是“感知驅動”。利用感知驅動模塊，對傳感器繼續(xù)探索未知區(qū)域還是回訪之前區(qū)域做出智能化選擇，為解決運動觀測時定位誤差累積這一關鍵技術難點提供了可行性方案。主要內容包括:圖像顯著性的計算及挑選;回訪路徑的生成;回訪行為的確定準則等。
　　本論文首先介紹了水下導航技術和同時定位與地圖構建算法的發(fā)展現狀;其次對iSAM算法的原理及實現過程進行了詳細介紹;然后在介紹了圖像顯著性水平的基礎上，詳細闡述了基于感知驅動的自主導航算法(PD-SL