本文關鍵詞：EKF-SLAM算法在水下航行器定位中的應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 導航技術是水下航行器的關鍵技術之一，高精度的導航和定位對其安全航行和高效率完成任務具有決定性的作用。同步構圖與定位(SLAM，Simultaneous Localization and Mapping)算法不需要先驗的水下環(huán)境信息圖的輔助，當航行器在水下運動時，利用自身攜帶的聲納等外部傳感器感知環(huán)境，提取環(huán)境中的有用信息，利用這些信息進行自身定位，與此同時，構建一幅水下環(huán)境的特征地圖。 論文闡述了SLAM算法的原理，對算法所得到的環(huán)境地圖的收斂性進行了討論。此外，深入分析了目前SLAM算法在應用中存在的兩大關鍵問題即計算復雜度和數據關聯問題產生的原因及其對系統(tǒng)造成的影響。針對水下航行器的狀態(tài)和觀測模型的非線性，討論了基于擴展卡爾曼濾波(EKF)的SLAM算法的系統(tǒng)執(zhí)行過程，并從水下航行器經常采用的兩種作業(yè)方式出發(fā)，進行了仿真實驗。仿真實驗結果表明，相對于單純推位方法，算法可以提高系統(tǒng)的定位精度，，同時也驗證了算法在水下導航應用上的可行性。 針對水下航行器航行時間長，可能會出現計算負擔過大的問題，從算法的計算復雜度的來源入手，對算法提出了一些優(yōu)化措施，以降低在線計算量。由于水下環(huán)境的復雜性對數據關聯算法提出了更高的要求，因此，在討論了實用的最近鄰數據關聯算法的基礎上，提出了降低關聯模糊度的方法，以降低錯誤關聯概率，提高關聯性能，為算法應用于水下航行器導航與定位奠定了基礎。
【關鍵詞】：水下導航 同步構圖與定位 擴展卡爾曼濾波 壓縮濾波 數據關聯
【學位授予單位】：哈爾濱工程大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：U666.1
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-16
• 1.1 課題背景與意義10
• 1.2 目前的水下導航方法10-12
• 1.3 同步構圖與定位算法12-13
• 1.4 國內外研究概況13-15
• 1.5 本文主要工作和章節(jié)安排15-16
• 第2章 SLAM算法原理16-35
• 2.1 環(huán)境表示方法16-21
• 2.1.1 柵格地圖16-17
• 2.1.2 特征地圖17-18
• 2.1.3 拓撲地圖18-20
• 2.1.4 混合地圖20-21
• 2.2 線性最優(yōu)濾波—卡爾曼濾波21-22
• 2.3 系統(tǒng)模型的建立22-25
• 2.3.1 狀態(tài)模型23
• 2.3.2 特征模型23-24
• 2.3.3 觀測模型24
• 2.3.4 系統(tǒng)向量及協(xié)方差24-25
• 2.4 定位與構圖25-27
• 2.5 SLAM算法的性質27-32
• 2.5.1 半正定矩陣性質27
• 2.5.2 地圖協(xié)方差矩陣的收斂性27-32
• 2.6 SLAM算法的關鍵性問題32-34
• 2.6.1 計算復雜度問題32-33
• 2.6.2 數據關聯問題33-34
• 2.7 本章小結34-35
• 第3章 基于 EKF的水下 SLAM算法35-56
• 3.1 擴展卡爾曼濾波器35-37
• 3.1.1 EKF的通用形式35-36
• 3.1.2 關于 EKF的討論36-37
• 3.2 非線性系統(tǒng)建模與執(zhí)行過程37-45
• 3.2.1 系統(tǒng)各狀態(tài)向量37-38
• 3.2.2 總體執(zhí)行過程38-40
• 3.2.3 預測階段40-42
• 3.2.4 更新階段42-43
• 3.2.5 狀態(tài)擴充43-45
• 3.3 仿真結果45-55
• 3.3.1 區(qū)域探索仿真實驗45-50
• 3.3.2 航渡仿真實驗50-55
• 3.4 本章小結55-56
• 第4章 算法實時執(zhí)行優(yōu)化56-70
• 4.1 基于 EKF算法的優(yōu)化56-59
• 4.1.1 預測優(yōu)化56-58
• 4.1.2 更新優(yōu)化58-59
• 4.2 壓縮濾波59-68
• 4.2.1 預測階段60-61
• 4.2.2 協(xié)方差更新61-64
• 4.2.3 狀態(tài)更新64-66
• 4.2.4 執(zhí)行步驟66-67
• 4.2.5 區(qū)域劃分方法67-68
• 4.3 特征處理方法68-69
• 4.4 本章小結69-70
• 第5章 數據關聯方法研究70-87
• 5.1 關聯門的定義70-71
• 5.2 常見的兩種關聯門71-77
• 5.2.1 矩形關聯門71-73
• 5.2.2 橢球關聯門73-76
• 5.2.3 兩種關聯門的性能比較76-77
• 5.3 橢圓關聯門在 SLAM問題中的應用77-78
• 5.4 最近鄰數據關聯方法78-79
• 5.5 仿真結果79-85
• 5.6 降低關聯模糊度的方法85-86
• 5.7 本章小結86-87
• 結論87-88
• 參考文獻88-93
• 攻讀碩士學位期間發(fā)表的論文和取得的科研成果93-94
• 致謝94

【參考文獻】

中國期刊全文數據庫 前5條

1 羅榮華,洪炳昒;基于信息融合的同時定位與地圖創(chuàng)建研究[J];哈爾濱工業(yè)大學學報;2004年05期

2 王璐,蔡自興;未知環(huán)境中移動機器人并發(fā)建圖與定位(CML)的研究進展[J];機器人;2004年04期

3 李群明,熊蓉,褚健;室內自主移動機器人定位方法研究綜述[J];機器人;2003年06期

4 彭勝軍;馬宏緒;;移動機器人導航空間表示及SLAM問題研究[J];計算機仿真;2006年08期

5 陳衛(wèi)東,張飛;移動機器人的同步自定位與地圖創(chuàng)建研究進展[J];控制理論與應用;2005年03期

中國博士學位論文全文數據庫 前1條

1 莊嚴;移動機器人基于多傳感器數據融合的定位及地圖創(chuàng)建研究[D];大連理工大學;2004年

中國碩士學位論文全文數據庫 前2條

1 王磊;全區(qū)域覆蓋移動機器人同時定位與地圖創(chuàng)建（SLAM）技術的研究[D];南京理工大學;2005年

2 段芳芳;多傳感器多目標跟蹤技術研究[D];西北工業(yè)大學;2006年

  本文關鍵詞：EKF-SLAM算法在水下航行器定位中的應用研究，由筆耕文化傳播整理發(fā)布。

本文編號：417238