自主式水下機器人同時定位與地圖構(gòu)建算法的研究.pdf

1、自主式水下機器人AUV(Autonomous Underwater Vehicle)代表了未來水下機器人技術(shù)的研究方向,是目前研究工作的熱點。而導(dǎo)航問題仍是AUV所面臨的主要技術(shù)挑戰(zhàn)之一,在導(dǎo)航問題中,定位問題又是移動機器人的基本問題,是指移動機器人通過攜帶的傳感器完成對內(nèi)部狀態(tài)的檢測或?qū)ν獠凯h(huán)境的感知,從而估算其自身位置和姿態(tài)的過程。
　　 在未知的環(huán)境中,機器人的定位與構(gòu)圖是融為一體相互關(guān)聯(lián)的,即同時定位和地圖構(gòu)建SLAM(

2、Simultaneous Localization and Mapping)。問題可描述為:一個自主移動機器人從未知環(huán)境中的一個未知位置出發(fā),在移動過程中根據(jù)傳感器采集的數(shù)據(jù)實現(xiàn)自身定位,同時增量式地構(gòu)建環(huán)境地圖。
　　 本文首先介紹了SLAM算法的基礎(chǔ)即卡爾曼濾波器理論,然后闡述了在單純聲納更新的SLAM算法基礎(chǔ)上引入了其他傳感器更新環(huán)節(jié)的SLAM算法,即多傳感器更新的SLAM算法,詳細(xì)介紹了其實現(xiàn)流程,并從理論上說明其能夠提

3、高了機器人定位和構(gòu)圖精度。接著介紹了試驗的前期準(zhǔn)備,即AUV平臺攜帶的傳感器以及SLAM算法中用于構(gòu)建環(huán)境地圖的特征的提取。提取精確可靠的環(huán)境特征是SLAM算法準(zhǔn)確度的保障,而環(huán)境特征的表示則依據(jù)機器人航行的環(huán)境。然而直接提取的環(huán)境特征可能比較密集,影響了SLAM算法的效率和精度,因此需對特征點進行去噪聲和稀疏化處理,噪聲是針對聲納自身的噪聲及其環(huán)境背景噪聲,而稀疏化處理則是針對聲納發(fā)射的單個波束及其多個波束間的冗余信息的。