基于水下机器人EKF-SLAM的数据关联算法研究

摘要

导航技术是AUV实现自治的关键技术之一，高精度的导航和定位对其安全航行和高效率完成任务具有决定性的作用。同时定位与地图构建(SLAM，Simultaneous Localization and Mapping)利用所携带的外部传感器感知环境，并利用提取的信息同时进行水下地图构建和自身定位。由于水下环境极其复杂，可使用的外部传感器仅限于声呐、水下照相机等，且获得的观测信息噪声大、干扰多，所以对SLAM的数据关联提出了很高的要求。本文主要对水下机器人SLAM的数据关联算法进行了深入的研究和分析。
　　 论文介绍了AUV的导航方式以及SLAM对于水下定位的重要意义和发展现状;介绍了航行环境的描述方法以及SLAM的实现方法，分析了存在的技术难点：讨论了SLAM算法的性质，阐述了AUV基于扩展卡尔曼滤波的SLAM算法原理，建立了相关的仿真平台；重点研究了几种数据关联方法：最近邻算法、最大可能性算法、连续兼容最近邻算法和联合兼容算法，并提出了一种基于蚁群优化算法改进的最大可能性算法；结合各种数据关联方法，在逐渐增加量测噪声和过程噪声以及变化特征点间间隔的仿真场景中，进行了对比试验；并将某型AUV在水池中做直线运动获得的声呐图像数据融入SLAM仿真平台中，处理得出了相关的结果。
　　 试验结果表明：相对于单纯推位方法，SLAM可以提高系统的定位精度，也验证了算法在水下导航应用上的可行性，数据关联算法的优劣受到诸多因素的影响，如地图中特征间的间隔等。提出的新算法在保证实时性的同时，能够有效的提高关联正确率，具有一定的可行性。本论文所研究的工作，对于智能水下机器人自主导航的研究和SLAM技术的应用具有一定的参考意义。

目录

文摘

英文文摘

声明

第1章 绪论

1.1移动机器人的导航

1.2水下机器人的导航方式

1.2.1船位推算和惯性导航系统

1.2.2水声导航系统

1.2.3基于地图的导航系统

1.3水下SLAM的重要性和挑战性

1.4 SLAM应用的研究现状

1.4.1国外研究动态

1.4.2国内研究动念

1.5工作内容和章节安排

第2章 SLAM的实现方法与技术难点

2.1引言

2.2 空间地图描述

2.3 SLAM的实现方法

2.3.1基于扩展卡尔曼滤波的SLAM方法

2.3.2基于粒子滤波的SLAM方法

2.4 SLAM的技术难点

2.4.1不确定度

2.4.2特征提取

2.4.3数据关联

2.4.4计算复杂度

2.5 SLAM算法的研究趋势

2.6本章小结

第3章 AOV的EKF-SLAM算法原理

3.1引言

3.2 SLAM算法的性质

3.3 SLAM算法的系统模型

3.3.1机器人运动模型

3.3.2特征模型

3.3.3量测模型

3.4 EKF-SLAM的实现流程

3.4.1系统各状念向量

3.4.2总体执行过程

3.5本章小结

第4章 数据关联算法

4.1引言

4.2马氏距离

4.3关联门

4.4数据关联的意义

4.5数据关联的难度

4.6数据关联的数学模型

4.7单个量测的关联方法

4.7.1最大可能性算法

4.7.2最近邻算法

4.7.3独立兼容与最大可能性结合的算法

4.8多个量测的关联方法

4.8.1连续兼容最近邻算法

4.8.2联合兼容算法

4.8.3联合最大可能性算法及其改进算法

4.9本章小结

第5章 仿真结果与分析

5.1仿真环境Ⅰ的建立

5.2仿真Ⅰ结果与分析

5.3仿真环境Ⅱ的建立

5.3.1相关假设

5.3.2仿真思想

5.4仿真Ⅱ结果与分析

5.5与水池实验数据相结合的仿真结果及分析

5.5.1实验背景

5.5.2试验结果及分析

5.6本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢