水下无人潜器同步定位与地图生成方法研究

  • 水下无人潜器同步定位与地图生成方法研究已关闭评论
  • 39 views
  • A+
所属分类:AGV设计资料
摘要

在当今日益竞争的国际形势下,水下导航无论是对于民用打捞搜救、海底管道维护,还是军事潜艇战略巡航等,都具有很高的研究价值及意义,目前已成为国内外研究的热点与难点。根据惯性导航系统能够长期满足定位要求的特点,本文采用捷联惯性导航(strapdown inertial navigation system,SINS)与同时构图定位导航(simultaneous localization and mapping,SLAM)相组合的导航方式进行研究。通过传感器采集周围环境特征物,SLAM技术不仅能够提供载体及路标的位置信息,用来辅助校正SINS漂移误差,而且能构建与周围环境相一致的特征地图。本文基于课题的研究背景和意义,总结了国内外SLAM中数据关联算法,并对其关键技术进行了深入的研究。针对海底石油管道探测定位工程的背景及意义,本文通过设定具有一定函数形式的管道模型,并将该函数轨迹作为载体的航行参考路径,通过多次航行由声学、光学以及惯性传感器采集到的方位信息、距离信息和图像信息等,进行了多传感器融合算法研究,仿真实验实现了高精度的管道定位。具体的改进算法及研究内容包括如下:1、在水下导航定位中,载体需携带多种传感器协作完成导航任务,而这些传感器提供的目标位置观测值之间,需进行数据关联分析后,判断是否来自同一实物,以被存储在地图数据库中。针对最近邻关联算法在处理信标多、关联关系复杂方面的不足,提出了一种基于栅格图模糊逻辑的SLAM数据关联算法。仿真实验表明,该算法可以实现较高精度的数据关联。2、针对水下环境及系统观测噪声的模糊性,进行数据关联时容易产生模糊关联或错误,从而导致SLAM过程失败这一问题,提出了基于最大概率BP神经网络的数据关联算法,实验结果表明,新算法对目标位置观测值进行关联后可得到较高的关联度,其对应的定位估计滤波精度也较高。3、针对扩展卡尔曼滤波的SLAM算法(Extended Kalman filter-SLAM,EKF-SLAM)、无迹卡尔曼滤波的 SLAM 算法(Unscented Kalman filter-SLAM,UKF-SLAM)、可调节系数无迹卡尔曼滤波(η-UKF-SLAM)等SLAM算法中非线性误差较大,进行时间更新与预测更新比较繁琐,导航计算机运行速度慢等问题,提出了一种基于粒子滤波的SLAM算法,用一个最小的样本点集来近似系统状态的分布函数,通过设置有效样本,判断在粒子权值更新过程中是否进行重采样,以满足粒子的多样性和丰富性。并针对水下管道检测定位应用,仿真实验验证了该算法对“对角线”型函数管道定位可达到较高的定位精度。4、针对海底大范围区域的系统本身或随机干扰信号模型的模糊性,航行器初始状态估计精度低,以及系统鲁棒性差等问题,结合“曲线”型函数管道检测定位,提出了一种基于扩展H∞滤波的SLAM算法,该算法设计从干扰输入到滤波输出的H∞范数最小的H∞滤波器,并求取相应系统参数进行时间更新与预测更新。仿真实验表明,跟踪检测具有较高的关联精度,采集并提取的部分管道特征地图可以达到较高的定位精度。5、针对传统n维Sigma点的非线性滤波中采样点维数较多导致计算量加大,运算速度下降,且大噪声下系统的可观性较弱等问题,提出了一种基于SLAM的超球面分布采样(Spherical Simplex,SS)的平方根容积卡尔曼滤波(Square-Root Cubature Kalman Filter,SRCKF)算法。该算法对n + 2维容积点计算及传播,并进行状态的预测及估计更新等,提高了模型中的导航参数运算速度。通过与SRUKF和SSCKF两种滤波算法比较,实验结果表明,本文提出的SS-SRCKF算法在平方根协方差保证非负性优势下,其定位精度较高且稳定性最好,同时也证明了新的算法对未来水下导航实际工程应用中的参考价值。6、依据水下管道探测为研究背景,设置特定的仿真环境,分别采用多传感器数据融合思想的粒子滤波、扩展H∞滤波、SS-SRCKF三种滤波算法,在仿真区域中管道轨迹参考路径下,对载体位置进行定位估计分析。依据室内目标物的SIFT(Scan Invariant Feature Transformation)特征提取思想,对水下环境进行了仿真模拟,提取了观测图像中飞机残骸及管道的特征,构建了 SLAM中的特征地图。

论文目录
摘要
ABSTRACT

第1章 绪论

1.1 课题研究背景与意义
1.2 水下导航定位方法
1.2.1 声学导航
1.2.2 惯性导航
1.2.3 地磁导航
1.2.4 重力导航
1.3 同时构图定位技术
1.3.1 国外SLAM技术的应用前景及研究现状
1.3.2 国内SLAM技术的应用前景分析
1.3.3 SLAM技术中的各种常用滤波算法
1.3.4 基于AUV的SLAM算法研究
1.4 本文的研究内容和章节安排

第2章 SLAM中的构图与定位方法研究

2.1 SLAM中环境地图表示方法
2.1.1 特征地图
2.1.2 栅格地图
2.1.3 拓扑地图
2.2 捷联式惯性导航
2.2.1 常用坐标系与姿态旋转矩阵
2.2.2 姿态方程
2.3 基于图像声呐的SLAM
2.3.1 声呐传感器性能介绍
2.3.2 基于图像声呐的SLAM平台搭建
2.4 SLAM中的声呐图像处理方法
2.4.1 声呐成像简介
2.4.2 图像处理方法
2.4.3 边缘检测
2.4.4 图像的配准
2.4.5 图像的拼接
2.4.6 图像特征点的提取
2.5 图像处理实现SLAM中地图特征提取
2.6 SLAM中的定位问题
2.6.1 AUV状态方程的建立
2.6.2 特征地图模型的建立
2.6.3 系统状态模型的建立
2.6.4 系统观测模型的建立
2.7 SLAM平台搭建分析
2.7.1 SLAM模型的状态量误差方程
2.7.2 SLAM模型的观测量误差方程
2.7.3 SLAM导航解算分析
2.8 基于可调节系数UKF框架下的SLAM研究
2.8.1 UKF算法步骤
2.8.2 基于新息的可调节系数的UKF算法
2.8.3 仿真与数据分析
2.8.4 特征序列定位误差分析
2.8.5 “直线段”函数路径下的SLAM仿真实验与分析
2.9 本章小结

第3章 SLAM数据关联算法

3.1 关联门限
3.1.1 矩形关联门限模型
3.1.2 椭圆形关联门限模型
3.2 SLAM数据关联算法简介
3.3 基于栅格图模糊逻辑的SLAM数据关联算法
3.3.1 模糊逻辑控制理论
3.3.2 隶属函数
3.3.3 模糊推理及模糊控制器
3.3.4 栅格图模糊逻辑的SLAM数据关联算法
3.3.5 实验仿真与分析
3.3.6 特征点的关联实验验证与分析
3.4 基于最大概率神经网络的SLAM数据关联算法
3.4.1 BP神经网络简介
3.4.2 概率神经网络的结构分析与建模
3.4.3 关联度结果分析
3.4.4 定位误差结果分析
3.5 本章小结

第4章 基于粒子滤波的SLAM算法

4.1 基于SLAM的数据融合算法介绍
4.2 粒子滤波算法模型
4.3 基于贝叶斯形式的SLAM模型
4.4 序贯重要性采样形式的SLAM模型
4.5 基于重要性重采样形式的SLAM模型
4.6 “对角线”型海底石油管道探测实验仿真与分析
4.6.1 探测区域及实验初始值设置
4.6.2 实验仿真与分析
4.6.3 采样序列定位误差
4.6.4 “对角线”型函数管道探测实验仿真与分析
4.7 本章小结

第5章 基于扩展H_∞滤波的SLAM算法

5.1 H_∞范数及H_∞滤波理论
5.1.1 H_∞范数概念
5.1.2 H_∞最优滤波理论
5.1.3 H_∞次优滤波理论
5.2 状态方程与观测方程的建立
5.3 EHF滤波器的设计
5.4 仿真与数据分析
5.4.1 实验初始条件设置
5.4.2 两组滤波对比实验
5.4.3 特征点观测
5.5 “规则曲线”函数管道探测实验仿真与分析
5.6 本章小结

第6章 SLAM中基于超球面分布采样的平方根容积卡尔曼滤波

6.1 CKF算法基本思想
6.2 高斯滤波器
6.3 求容积规则的描述
6.4 CKF建模
6.5 基于SLAM的超球面平方根容积卡尔曼滤波算法
6.5.1 SRUKF算法
6.5.2 SRCKF-SLAM算法
6.5.3 超球面容积卡尔曼滤波算法
6.5.4 SS-SRCKF算法步骤
6.6 CKF算法仿真实验与分析
6.7 基于SS-SRCKF算法的实验与分析
6.7.1 位置估计误差分析
6.7.2 特征序列误差
6.8 SS-SRCKF算法用于水下有规则物体的探测与定位
6.9 本章小结

第7章 基于SLAM的管道特征地图生成研究

7.1 基于SLAM的管道定位分析
7.2 基于SLAM的SIFT算法研究
7.3 基于SLAM的管道特征地图生成研究
7.4 本章小结
结论
参考文献
攻读博士学位期间发表的论文和取得的科研成果
致谢

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。