基于EKF的AUV同時定位與構(gòu)圖方法研究.pdf

1、無論是軍事還是工程上應用的自主水下機器人(Autonomous UnderwaterVehicle，AUV)，導航技術都是必不可少的。高精度的導航和定位信息對其安全航行和高效完成任務具有決定作用。由于水下環(huán)境及其復雜，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)算法不需要先驗的水下環(huán)境

2、信息圖的輔助，當機器人在水下運動時，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，利用這些信息進行自身定位，與此同時，在線的構(gòu)建水下環(huán)境地圖。隨著AUv在民用和軍事領域應用的不斷發(fā)展，促進了SLAM算法在水下導航定位方面的應用研究。 由于大多數(shù)的實際導航系統(tǒng)都是非線性的，針對這種實際情況，本文討論基于擴展卡爾曼濾波器(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)境尺度的增大估計很快變得不一致。 本文重點闡述了基于EKF的SLAM算法的原理，描述了一致性問題并指出EKF算法如何導致估計的不一致。為克服這一問題，本文將一種基于EKF的以機器人為坐標參考的特征地圖構(gòu)建法應用于開放的AUV系統(tǒng)，將前一時刻機器人的位姿