自主式水下航行器同步定位與地圖構(gòu)建算法研究.pdf_第1頁
已閱讀1頁,還剩137頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、自主式水下航行器(AUV)在軍事、科考和工程領(lǐng)域具有巨大的潛在價(jià)值和商業(yè)化前景,已成為機(jī)器人領(lǐng)域的一個(gè)熱點(diǎn)問題。導(dǎo)航技術(shù)是決定AUV發(fā)展水平的關(guān)鍵技術(shù)之一,隨著AUV向遠(yuǎn)程化和深?;l(fā)展,傳統(tǒng)的導(dǎo)航方式已無法適應(yīng)AUV快速發(fā)展的要求。同步定位與地圖構(gòu)建(SLAM)因其無需先驗(yàn)環(huán)境地圖以及外部傳感器結(jié)構(gòu)簡單等優(yōu)勢(shì),對(duì)于提高AUV導(dǎo)航自主性具有重大的現(xiàn)實(shí)意義。本文針對(duì)AUV的SLAM問題,對(duì)其中的關(guān)鍵算法和技術(shù)問題展開研究。
  

2、論文的研究工作和成果主要包括:
   首先對(duì)AUV的運(yùn)動(dòng)控制模型、環(huán)境地圖模型、傳感器觀測(cè)模型等進(jìn)行了討論,并對(duì)這些模型進(jìn)行了合理簡化,接著給出AUV定位問題、地圖構(gòu)建問題的描述,在此基礎(chǔ)上建立SLAM問題的概率模型及算法性能評(píng)價(jià)標(biāo)準(zhǔn)。
   對(duì)于小范圍環(huán)境下的AUV同步定位與地圖構(gòu)建問題,EKF-SLAM具有算法結(jié)構(gòu)簡單、數(shù)學(xué)理論嚴(yán)謹(jǐn)?shù)葍?yōu)點(diǎn),使用UKF代替EKF能克服EKF-SLAM算法處理非線性問題時(shí)引入線性化誤差的

3、問題,但在實(shí)際應(yīng)用中UKF的估計(jì)精度依賴于準(zhǔn)確的先驗(yàn)噪聲模型,缺乏自適應(yīng)調(diào)節(jié)能力。針對(duì)這個(gè)問題,提出了一種魯棒UKF-SLAM算法,通過使用一個(gè)多維觀測(cè)噪聲尺度因子對(duì)實(shí)際噪聲統(tǒng)計(jì)特性進(jìn)行跟蹤,使算法在先驗(yàn)噪聲模型未知或其統(tǒng)計(jì)特性時(shí)變情況下仍然保持較高的估計(jì)精度和穩(wěn)定性。與EKF-SLAM和UKF-SLAM的對(duì)比仿真驗(yàn)證了算法的有效性。
   對(duì)于大范圍或特征密集環(huán)境下的AUV同步定位與地圖構(gòu)建問題,基于粒子濾波(PF)的Fast

4、SLAM算法是一種常用的解決方案。針對(duì)傳統(tǒng)PF算法不具備處理非高斯非穩(wěn)態(tài)噪聲的能力,提出了一種基于極大似然估計(jì)的PF算法,利用一系列獨(dú)立的加權(quán)高斯噪聲序列對(duì)真實(shí)噪聲進(jìn)行逼近,并將PF算法的粒子重要性權(quán)值轉(zhuǎn)化為每個(gè)高斯噪聲序列對(duì)應(yīng)的概率密度函數(shù),然后通過極大似然估計(jì)計(jì)算出這些獨(dú)立噪聲序列的分布參數(shù)及其權(quán)值,最終確定粒子重要性權(quán)值。將這種改進(jìn)的PF算法用于FastSLAM框架,實(shí)現(xiàn)了非穩(wěn)態(tài)非高斯噪聲下AUV的同步定位與地圖構(gòu)建,仿真實(shí)驗(yàn)驗(yàn)證

5、了算法的有效性。
   數(shù)據(jù)關(guān)聯(lián)是SLAM的核心問題之一,直接影響到AUV狀態(tài)和環(huán)境地圖估計(jì)的精度。在對(duì)常見數(shù)據(jù)關(guān)聯(lián)方法原理及特點(diǎn)進(jìn)行分析比較的基礎(chǔ)上,提出了一種基于模糊邏輯的數(shù)據(jù)關(guān)聯(lián)方法。該方法以特征狀態(tài)估計(jì)和特征觀測(cè)的誤差橢圓為對(duì)象,從中挖掘反映特征觀測(cè)和特征估計(jì)的相關(guān)性信息并投影到論域上的模糊集合,通過建立一定的模糊規(guī)則,對(duì)多種特征信息進(jìn)行融合推理,將模糊輸出變量作為關(guān)聯(lián)結(jié)果。仿真實(shí)驗(yàn)表明模糊數(shù)據(jù)關(guān)聯(lián)算法具有比傳統(tǒng)算法更高

6、的關(guān)聯(lián)正確率和更強(qiáng)的抗干擾能力。
   傳統(tǒng)SLAM模型利用向量序列形式表達(dá)空間信息,對(duì)于雜波環(huán)境中的AUV導(dǎo)航問題,這種SLAM模型無法有效表達(dá)雜波對(duì)觀測(cè)帶來的漏檢、傳感器虛警以及觀測(cè)不確定性等多種信息,算法的性能受到較大影響。針對(duì)這個(gè)問題,提出了一種基于隨機(jī)有限集(RFS)的SLAM模型,將SLAM問題中的狀態(tài)信息、觀測(cè)信息以及環(huán)境地圖都表示成RFS形式,在Bayes估計(jì)框架下利用概率假設(shè)密度(PHD)濾波進(jìn)行聯(lián)合目標(biāo)狀態(tài)估

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論