基于特征提取的AUV導(dǎo)航定位方法研究.pdf

1、近年來,資源短缺問題的日益加劇已經(jīng)成為人們關(guān)注的熱點問題,而海洋由于蘊藏著豐富的資源而成為人類開發(fā)的重點。自主水下航行器(Autonomous Underwater Vehicle,AUV)由于具有智能化、自主性強的特點而成為水下作業(yè)的重要輔助設(shè)備,在海洋技術(shù)領(lǐng)域得到了廣泛的軍事、民用應(yīng)用。面向長航時水下隱蔽作業(yè)需求的自主導(dǎo)航及其誤差修正能力是保證AUV完成水下長時間作業(yè)任務(wù)的關(guān)鍵技術(shù)之一。由于傳統(tǒng)的慣性導(dǎo)航累積誤差隨著AUV航行時間的

2、增加而增長,需要定期上浮水面借助其它手段(如GPS位置校正)完成導(dǎo)航誤差修正,不利于AUV的長航時作業(yè),影響了任務(wù)的完成效果。而同步定位與構(gòu)圖(Simultaneous localization and mapping,SLAM)方法無需先驗環(huán)境信息而僅依靠AUV自身傳感器感知環(huán)境,并實現(xiàn)自主導(dǎo)航與增量式環(huán)境地圖構(gòu)建,保證了AUV長時間水下作業(yè)條件下的導(dǎo)航精度,有效地彌補了慣性導(dǎo)航的不足。SLAM技術(shù)的關(guān)鍵是基于環(huán)境特征提取的導(dǎo)航定位方

3、法,因此,本課題采用擴展卡爾曼濾波(Extend Kalman Filter,EKF)方法研究SLAM的關(guān)鍵技術(shù),對于AUV長航時下導(dǎo)航定位具有重要的研究意義。
　　本文主要從以下方面開展了研究:
　　首先,針對AUV導(dǎo)航定位系統(tǒng)構(gòu)建了系統(tǒng)模型,主要包括:機械掃描成像聲納的探測模型和環(huán)境線中特征的測量模型;多普勒、羅盤、壓力傳感器等位置姿態(tài)傳感器的測量模型;建立了環(huán)境中的靜態(tài)特征模型;給出了AUV四自由度運動模型,建立了問題

4、研究所需的坐標(biāo)系,并給出了不同坐標(biāo)系間的轉(zhuǎn)換關(guān)系;
　　其次,通過對機械掃描成像聲納的數(shù)據(jù)格式分析,完成了數(shù)據(jù)預(yù)處理;基于傳統(tǒng)的霍夫變換原理,設(shè)計了一種改進的霍夫變換算法,以“多對一”的映射原則對算法進行了改進,通過海試數(shù)據(jù)完成了對改進霍夫變換算法的環(huán)境線特征提取試驗驗證,結(jié)果表明該改進算法可以有效地提取結(jié)構(gòu)化港口環(huán)境的線特征;
　　再次,研究了基于EKF的AUV導(dǎo)航定位方法,給出了航位推算的基本原理及其在導(dǎo)航中存在的不足,