基于多傳感器融合的水下機器人自主導航方法研究.pdf

1、隨著海洋探測與開發(fā)的不斷深入,具有自主導航能力的水下航行器的需求越來越大。在復雜的水下環(huán)境中,單一的傳感器設備,如聲納、攝像頭等,都無法滿足高精度自主導航的要求,而采用多傳感器融合的方法則成為一種最佳的選擇。本文通過對水下機器人同時定位與地圖創(chuàng)建問題的研究,為其向更廣闊、更長程、更復雜的工作海域發(fā)展提供有力的保證,這必將大大推動我國水下機器人自主導航技術的發(fā)展。
　　 本文結合當前機器人自主導航技術的熱點,介紹了自主導航技術常遇

2、到的問題難點,然后在研究了擴展卡爾曼濾波和粒子濾波兩種流行的濾波方法之后,分別在它們的基礎上進行了創(chuàng)新和改進,以提高算法的精度和可靠性。
　　 在擴展卡爾曼濾波的方面,本文首先針對水下環(huán)境的復雜性,采用了聲納、攝像頭、結構光等多種傳感器融合的方法,保證了觀測數據的有效性和信息的豐富性。其次擴展卡爾曼算法用到了協(xié)方差矩陣的更新,隨著時間的推移,環(huán)境特征數目的增加,算法計算量會急劇增長。為了延長算法的持續(xù)時間,本文引入了臨時特征地圖

3、,降低了地圖環(huán)境特征數目的增長速度,有效的減少了不必要的計算。最后,針對數據關聯出錯會導致算法發(fā)散的問題,本文根據掃描數據集的特點,提出了全局掃描匹配算法,提高了數據關聯的效率和準確度,降低了關聯錯誤的可能性。
　　 在粒子濾波方面,本文首先分析了粒子濾波當前遇到的問題--隨著濾波過程的進行,粒子樣本集會出現樣本多樣性降低的問題。其次,本文分析了問題出現的根源,即重采樣過程僅保留了權值較大的粒子,舍棄了權值較小的粒子。而后本文提

4、出了一種基于粒子分化的粒子濾波方法,該方法是在重采樣之前引入了粒子預處理過程,即粒子分化過程,將權值較大的粒子分化為多個權值較小的粒子,同一粒子分化后的粒子符合相同的分布。然后再對經過分化處理得到的新的粒子集重采樣,這樣就避免了由于重采樣過程中通過簡單的復制權值較大的粒子而產生的粒子樣本多樣性降低的問題。
　　 在改進以上兩種濾波方法之后,本文對它們分別進行了仿真實驗,實驗結果表明,改進后的算法能較好的夠達到預期的目標,提高了濾