基于感知驅(qū)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(shè)備，目前已廣泛應(yīng)用到了北極探險、管道檢測和船體檢測等多種任務(wù)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(gòu)建算法（Simultaneous Localization and Mapping，簡稱SLAM）正是關(guān)鍵所在。SLAM技術(shù)為水下移動觀測平臺在未知的海洋環(huán)境下，實現(xiàn)真正意義的自主導航提供了可行性方案。
　　盡管SLAM技術(shù)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(shù)據(jù)關(guān)聯(lián)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(gòu)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(xié)方差支持數(shù)據(jù)關(guān)聯(lián)。本文正是在iSAM算法的基礎(chǔ)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(gòu)建、路徑規(guī)劃”新技術(shù)——基于感知驅(qū)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(qū)動”。利用感知驅(qū)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(guān)鍵技術(shù)難點提供了可行性方案。主要內(nèi)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(shù)和同時定位與地圖構(gòu)建算法的發(fā)展現(xiàn)狀;其次對iSAM算法的原理及實現(xiàn)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(chǔ)上，詳細闡述了基于感知驅(qū)動的自主導航算法(PD-SL