基于多测距仪的UUV结构环境SLAM方法研究

基于多测距仪的UUV结构环境SLAM方法研究

论文摘要

要想使移动机器人完全实现自主,必须要解决的一个基础的问题是同步定位与地图构建(SLAM)。正是由于这个原因,近年来,同步定位与地图构建问题吸引了学者大量的注意力与研究精力。在不同环境下,在不同的应用场合,同步定位与地图构建问题都取得了很不错的研究成果。室内环境,室外环境,甚至是空中环境,SLAM的研究都取得了大量的研究成果。然而,水下环境仍然是研究SLAM问题的一个极具挑战性的环境,这是因为水下环境中,传感器的感知能力很有限,而且水下环境中很难找到可靠的环境特征。本文为UUV在水坝,海港,小艇停靠区,海洋平台等水下结构环境中执行任务设计了一种导航系统。该导航系统融合DVL, OCTANS和多测距仪数据,利用UUV的四自由度非线性动力学模型进行同步定位与地图构建(SLAM)。本文利用霍夫变换方法处理连续的多测距仪数据流,提取线特征,然后赋予线特征不确定性。提取的线特征及不确定性作为SLAM导航系统的输入,用来构建环境地图。同时,UUV的位置估计作为霍夫变换算法的输入,用来校正由于UUV运动而引起的多测距仪距离测量值的失真。针对EKF对UUV机动的跟踪能力方面存在的缺陷,引入了次优渐消因子,把带次优渐消因子的扩展卡尔曼滤波器应用到了导航系统中,设计了基于SFEKF-SLAM的UUV导航系统。海试数据表明,由于渐消因子的作用,基于SFEKF-SLAM的UUV导航系统充分利用了参差序列中的有效信息,对所建模型不确定性具有较强的鲁棒性,具有适中的计算复杂度,其定位精度也较通常的基于EKF-SLAM的UUV导航系统有所提高。为了验证基于多测距仪的UUV结构环境SLAM系统的有效性,利用海试数据进行了验证。海试中用到的UUV是哈尔滨工程大学自动化学院无人水下潜航器实验室自主研发的。海试中的UUV航行了大概1400米。海试获得的数据集包括多测距仪的距离测量值,DVL的海底跟踪速度,OCTANS的艏向角数据,以及一个压力传感器提供的深度信息。海试数据验证中,生成了一个比较大的真实的海洋港口环境地图。由GPS数据得到的UUV航迹及堤岸真实的地理位置用来作为对照。海试数据证明了基于多测距仪的UUV结构环境SLAM系统的有效性。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 课题的背景及意义
  • 1.2 SLAM问题的国内外研究现状
  • 1.2.1 水下SLAM的发展
  • 1.2.2 水下SLAM问题的讨论
  • 1.3 课题主要研究内容及所做工作
  • 1.4 本文的组织结构
  • 第二章 同步定位与地图构建方法
  • 2.1 无人水下潜航器的定位问题
  • 2.1.1 航位推算
  • 2.1.2 声学导航
  • 2.1.3 组合导航
  • 2.1.4 地球物理导航
  • 2.2 无人水下潜航器的地图构建问题
  • 2.2.1 栅格地图
  • 2.2.2 特征地图
  • 2.2.3 拓扑地图
  • 2.3 基于扩展卡尔曼滤波器的同步定位与地图构建
  • 2.3.1 线性卡尔曼滤波器介绍
  • 2.3.2 扩展卡尔曼滤波器介绍
  • 2.4 本章小结
  • 第三章 基于多测距仪的UUV水下结构环境感知
  • 3.1 水下结构环境特征提取的典型方法
  • 3.2 霍夫变换
  • 3.3 基于霍夫变换的声纳模型
  • 3.3.1 陆地上单波束测距声纳模型
  • 3.3.2 水下机械扫描成像声纳模型
  • 3.3.3 水下多测距仪模型
  • 3.4 环境特征的不确定性模型
  • 3.5 水下结构环境特征的获取
  • 3.6 多测距仪模型海试数据验证
  • 3.7 本章小结
  • 第四章 基于多测距仪的UUV结构环境SLAM方法
  • 4.1 带次优渐消因子的扩展卡尔曼滤波器介绍
  • 4.2 基于SFEKF的UUV导航系统
  • 4.2.1 环境地图的初始化
  • 4.2.2 时间更新阶段
  • 4.2.3 状态更新阶段
  • 4.3 基于SFEKF-SLAM的UUV导航系统
  • 4.3.1 环境地图的初始化
  • 4.3.2 SFEKF-SLAM系统的时间更新阶段
  • 4.3.3 针对DVL设计SFEKF进行状态更新
  • 4.3.4 针对OCTANS设计SFEKF进行状态更新
  • 4.3.5 针对深度计设计SFEKF进行状态更新
  • 4.3.6 针对多测距仪设计SFEKF进行状态更新
  • 4.4 本章小结
  • 第五章 海试数据验证
  • 5.1 基于多测距仪的UUV结构环境SLAM系统传感器介绍
  • 5.1.1 Doppler Velocity Log
  • 5.1.2 OCTANS
  • 5.1.3 多测距仪
  • 5.1.4 深度计
  • 5.2 基于SFEKF的UUV导航系统海试数据验证
  • 5.2.1 海试数据验证结果
  • 5.2.2 海试数据验证结果分析
  • 5.3 基于SFEKF-SLAM的UUV导航系统海试数据验证
  • 5.3.1 海试介绍
  • 5.3.2 堤岸真实地理位置的获取
  • 5.3.3 海试数据验证结果
  • 5.3.4 海试数据验证结果分析
  • 5.4 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
  • 相关论文文献

    • [1].基于SLAM的城市人防工程调查和信息系统设计实现[J]. 地理空间信息 2019(12)
    • [2].基于图优化的视觉SLAM研究进展与应用分析[J]. 计算机应用研究 2020(01)
    • [3].基于FPGA的激光雷达SLAM测绘设计与实现[J]. 科技创新与应用 2020(08)
    • [4].复杂场景下视觉先验信息的地图恢复SLAM[J]. 中国图象图形学报 2020(01)
    • [5].基于手持激光Slam的厂房改造应用[J]. 科学技术创新 2020(06)
    • [6].基于SLAM的柏油马路智能清扫机器人[J]. 内燃机与配件 2020(05)
    • [7].SLAM后端优化原理研究[J]. 现代农机 2020(02)
    • [8].激光SLAM精度测试场设计与实现[J]. 测绘通报 2020(05)
    • [9].Progress and Applications of Visual SLAM[J]. Journal of Geodesy and Geoinformation Science 2019(02)
    • [10].基于SLAM的机器人的导航算法设计[J]. 智能机器人 2019(06)
    • [11].Cartographer 2D SLAM算法室内建图分析[J]. 电子世界 2020(11)
    • [12].基于SLAM技术的医疗服务机器人分析[J]. 电脑编程技巧与维护 2020(06)
    • [13].基于SLAM的激光雷达三维测绘仪前景分析[J]. 科技视界 2020(19)
    • [14].基于蛇形机器人的SLAM技术研究[J]. 制造业自动化 2020(07)
    • [15].基于激光SLAM的牧场智能饲喂机器人研发[J]. 自动化与仪表 2020(07)
    • [16].基于单目SLAM的无人机视觉导航研究综述[J]. 飞航导弹 2020(07)
    • [17].单机器人SLAM技术的发展及相关主流技术综述[J]. 计算机工程与应用 2020(18)
    • [18].3D SLAM技术在轨道交通竣工测量中的应用[J]. 北京测绘 2020(10)
    • [19].基于双目SLAM的室内导航系统[J]. 通讯世界 2019(01)
    • [20].基于图优化的SLAM后端优化研究与发展[J]. 计算机应用研究 2019(01)
    • [21].图优化SLAM的嵌入式处理技术[J]. 成都信息工程大学学报 2019(02)
    • [22].无人平台SLAM技术研究进展[J]. 导航定位与授时 2019(04)
    • [23].基于地面匹配的单目SLAM局部尺度恢复[J]. 工业控制计算机 2019(08)
    • [24].SLAM问题中机器人定位误差分析与控制[J]. 科学技术创新 2019(26)
    • [25].一种视觉SLAM中运动模糊应对方法[J]. 哈尔滨工业大学学报 2019(11)
    • [26].RGB-D SLAM综述[J]. 导航定位与授时 2017(06)
    • [27].基于图优化的单目线特征SLAM算法[J]. 东南大学学报(自然科学版) 2017(06)
    • [28].基于智能算法的多机器人SLAM方法[J]. 中国科技信息 2016(23)
    • [29].视觉SLAM综述[J]. 智能系统学报 2016(06)
    • [30].采用SLAM方法的电脑鼠[J]. 微型机与应用 2017(12)

    标签:;  ;  ;  ;  

    基于多测距仪的UUV结构环境SLAM方法研究
    下载Doc文档

    猜你喜欢