EKF-SLAM算法在水下航行器定位中的应用研究

发布时间：2017-06-03 04:12

  本文关键词：EKF-SLAM算法在水下航行器定位中的应用研究，由笔耕文化传播整理发布。

【摘要】： 导航技术是水下航行器的关键技术之一，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。同步构图与定位(SLAM，Simultaneous Localization and Mapping)算法不需要先验的水下环境信息图的辅助，当航行器在水下运动时，利用自身携带的声纳等外部传感器感知环境，提取环境中的有用信息，利用这些信息进行自身定位，与此同时，构建一幅水下环境的特征地图。 论文阐述了SLAM算法的原理，对算法所得到的环境地图的收敛性进行了讨论。此外，深入分析了目前SLAM算法在应用中存在的两大关键问题即计算复杂度和数据关联问题产生的原因及其对系统造成的影响。针对水下航行器的状态和观测模型的非线性，讨论了基于扩展卡尔曼滤波(EKF)的SLAM算法的系统执行过程，并从水下航行器经常采用的两种作业方式出发，进行了仿真实验。仿真实验结果表明，相对于单纯推位方法，算法可以提高系统的定位精度，，同时也验证了算法在水下导航应用上的可行性。 针对水下航行器航行时间长，可能会出现计算负担过大的问题，从算法的计算复杂度的来源入手，对算法提出了一些优化措施，以降低在线计算量。由于水下环境的复杂性对数据关联算法提出了更高的要求，因此，在讨论了实用的最近邻数据关联算法的基础上，提出了降低关联模糊度的方法，以降低错误关联概率，提高关联性能，为算法应用于水下航行器导航与定位奠定了基础。
【关键词】：水下导航 同步构图与定位 扩展卡尔曼滤波 压缩滤波 数据关联
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：U666.1
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 课题背景与意义10
• 1.2 目前的水下导航方法10-12
• 1.3 同步构图与定位算法12-13
• 1.4 国内外研究概况13-15
• 1.5 本文主要工作和章节安排15-16
• 第2章 SLAM算法原理16-35
• 2.1 环境表示方法16-21
• 2.1.1 栅格地图16-17
• 2.1.2 特征地图17-18
• 2.1.3 拓扑地图18-20
• 2.1.4 混合地图20-21
• 2.2 线性最优滤波—卡尔曼滤波21-22
• 2.3 系统模型的建立22-25
• 2.3.1 状态模型23
• 2.3.2 特征模型23-24
• 2.3.3 观测模型24
• 2.3.4 系统向量及协方差24-25
• 2.4 定位与构图25-27
• 2.5 SLAM算法的性质27-32
• 2.5.1 半正定矩阵性质27
• 2.5.2 地图协方差矩阵的收敛性27-32
• 2.6 SLAM算法的关键性问题32-34
• 2.6.1 计算复杂度问题32-33
• 2.6.2 数据关联问题33-34
• 2.7 本章小结34-35
• 第3章 基于 EKF的水下 SLAM算法35-56
• 3.1 扩展卡尔曼滤波器35-37
• 3.1.1 EKF的通用形式35-36
• 3.1.2 关于 EKF的讨论36-37
• 3.2 非线性系统建模与执行过程37-45
• 3.2.1 系统各状态向量37-38
• 3.2.2 总体执行过程38-40
• 3.2.3 预测阶段40-42
• 3.2.4 更新阶段42-43
• 3.2.5 状态扩充43-45
• 3.3 仿真结果45-55
• 3.3.1 区域探索仿真实验45-50
• 3.3.2 航渡仿真实验50-55
• 3.4 本章小结55-56
• 第4章 算法实时执行优化56-70
• 4.1 基于 EKF算法的优化56-59
• 4.1.1 预测优化56-58
• 4.1.2 更新优化58-59
• 4.2 压缩滤波59-68
• 4.2.1 预测阶段60-61
• 4.2.2 协方差更新61-64
• 4.2.3 状态更新64-66
• 4.2.4 执行步骤66-67
• 4.2.5 区域划分方法67-68
• 4.3 特征处理方法68-69
• 4.4 本章小结69-70
• 第5章 数据关联方法研究70-87
• 5.1 关联门的定义70-71
• 5.2 常见的两种关联门71-77
• 5.2.1 矩形关联门71-73
• 5.2.2 椭球关联门73-76
• 5.2.3 两种关联门的性能比较76-77
• 5.3 椭圆关联门在 SLAM问题中的应用77-78
• 5.4 最近邻数据关联方法78-79
• 5.5 仿真结果79-85
• 5.6 降低关联模糊度的方法85-86
• 5.7 本章小结86-87
• 结论87-88
• 参考文献88-93
• 攻读硕士学位期间发表的论文和取得的科研成果93-94
• 致谢94

【参考文献】

中国期刊全文数据库 前5条

1 罗荣华,洪炳昒;基于信息融合的同时定位与地图创建研究[J];哈尔滨工业大学学报;2004年05期

2 王璐,蔡自兴;未知环境中移动机器人并发建图与定位(CML)的研究进展[J];机器人;2004年04期

3 李群明,熊蓉,褚健;室内自主移动机器人定位方法研究综述[J];机器人;2003年06期

4 彭胜军;马宏绪;;移动机器人导航空间表示及SLAM问题研究[J];计算机仿真;2006年08期

5 陈卫东,张飞;移动机器人的同步自定位与地图创建研究进展[J];控制理论与应用;2005年03期

中国博士学位论文全文数据库 前1条

1 庄严;移动机器人基于多传感器数据融合的定位及地图创建研究[D];大连理工大学;2004年

中国硕士学位论文全文数据库 前2条

1 王磊;全区域覆盖移动机器人同时定位与地图创建（SLAM）技术的研究[D];南京理工大学;2005年

2 段芳芳;多传感器多目标跟踪技术研究[D];西北工业大学;2006年

  本文关键词：EKF-SLAM算法在水下航行器定位中的应用研究，由笔耕文化传播整理发布。

本文编号：417238