本文關(guān)鍵詞：基于感知驅(qū)動的AUV自主導(dǎo)航算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：自主式水下機器人(AUV)作為人類探索海洋的重要設(shè)備,目前已廣泛應(yīng)用到了北極探險、管道檢測和船體檢測等多種任務(wù)中。準確的導(dǎo)航與定位對于AUV在水下環(huán)境中進行安全作業(yè)起到了決定性作用,而同時定位與地圖構(gòu)建算法(Simultaneous Localization and Mapping,簡稱SLAM)正是關(guān)鍵所在。SLAM技術(shù)為水下移動觀測平臺在未知的海洋環(huán)境下,實現(xiàn)真正意義的自主導(dǎo)航提供了可行性方案。盡管SLAM技術(shù)的大部分問題已得到廣泛而深入的研究,如擴展卡爾曼濾波EKF(Extended Kalman Filter)、擴展信息濾波EIF (Extended Information Filter)、稀疏連接-樹濾波TJTF (Thin Junction Tree Filter)等等,但它們在計算復(fù)雜度、一致性和數(shù)據(jù)關(guān)聯(lián)等方面仍存在諸多不足。2008年,Michael Kaess和Frank Dellaert用平滑代替濾波,提出了遞增平滑與地圖構(gòu)建算法(incremental smoothing and mapping,簡稱iSAM)。iSAM算法通過遞增式更新提高計算速度,利用非線性最優(yōu)化控制誤差水平,使用部分協(xié)方差支持數(shù)據(jù)關(guān)聯(lián)。本文正是在iSAM算法的基礎(chǔ)上,針對機器人運動觀測時的定位誤差累積問題,提出了“同時定位、地圖構(gòu)建、路徑規(guī)劃”新技術(shù)——基于感知驅(qū)動的自主導(dǎo)航算法PD-SLAM(課題來源于“國家863計劃”,項目編號：2014AA093410)。PD-SLAM算法的核心思想是“感知驅(qū)動”。利用感知驅(qū)動模塊,對傳感器繼續(xù)探索未知區(qū)域還是回訪之前區(qū)域做出智能化選擇,為解決運動觀測時定位誤差累積這一關(guān)鍵技術(shù)難點提供了可行性方案。主要內(nèi)容包括：圖像顯著性的計算及挑選；回訪路徑的生成;回訪行為的確定準則等。本論文首先介紹了水下導(dǎo)航技術(shù)和同時定位與地圖構(gòu)建算法的發(fā)展現(xiàn)狀；其次對iSAM算法的原理及實現(xiàn)過程進行了詳細介紹;然后在介紹了圖像顯著性水平的基礎(chǔ)上,詳細闡述了基于感知驅(qū)動的自主導(dǎo)航算法(PD-SLAM);最后,通過仿真實驗對PD-SLAM算法中的感知驅(qū)動導(dǎo)航模塊(PDM)進行了可靠性驗證,階段性的實現(xiàn)了PD-SLAM的自主導(dǎo)航性能。
【關(guān)鍵詞】：自主式水下機器人 同時定位與地圖構(gòu)建 iSAM 感知驅(qū)動
【學位授予單位】：中國海洋大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP242
【目錄】：

• 摘要5-6
• Abstract6-10
• 1 緒論10-18
• 1.1 課題研究背景及意義10-11
• 1.2 水下導(dǎo)航技術(shù)概述11-13
• 1.2.1 信標定位系統(tǒng)12
• 1.2.2 DVL系統(tǒng)12-13
• 1.3 同時定位與地圖構(gòu)建算法(SLAM)概述13-16
• 1.3.1 大尺度SLAM問題13-15
• 1.3.2 數(shù)據(jù)關(guān)聯(lián)問題15-16
• 1.4 路徑規(guī)劃(PATH PLANNING)概述16-17
• 1.5 課題來源及章節(jié)安排17-18
• 2 ISAM算法介紹18-29
• 2.1 平滑與地圖構(gòu)建SAM18-22
• 2.1.1 SLAM問題的概率模型19-20
• 2.1.2 最小二乘問題20-21
• 2.1.3 QR矩陣分解21-22
• 2.2 遞增式平滑與地圖構(gòu)建ISAM22-26
• 2.2.1 吉文斯旋轉(zhuǎn)(GIVENS ROTATIONS)22-24
• 2.2.2 閉環(huán)與變量重排24-25
• 2.2.3 非線性系統(tǒng)25-26
• 2.3 仿真實驗26-28
• 2.4 本章小結(jié)28-29
• 3 SLAM中的視覺顯著性29-41
• 3.1 視覺顯著性與單詞包表示法(BAG-OF-WORDS)30-31
• 3.2 本文采用的方法31-33
• 3.3 BOW單詞包的生成33-36
• 3.3.1 為什么不采用FAB-MAP?33-34
• 3.3.2 為什么不采用SIFT?34-36
• 3.4 局部顯著性和全局顯著性36-39
• 3.4.1 局部顯著性36-38
• 3.4.2 全局顯著性38-39
• 3.5 本章小結(jié)39-41
• 4 基于感知驅(qū)動的自主導(dǎo)航算法PD-SLAM41-56
• 4.1 相關(guān)工作42-43
• 4.2 感知驅(qū)動導(dǎo)航模塊PDM43-55
• 4.2.1 探測回訪的判斷44-45
• 4.2.2 路徑點的產(chǎn)生45-48
• 4.2.3 候選回訪路徑規(guī)劃48-52
• 4.2.4 候選回訪路徑的回饋(REWARD)計算52-55
• 4.3 本章小結(jié)55-56
• 5 PDM仿真實驗及分析56-60
• 5.1 仿真實驗56-59
• 5.2 本章小結(jié)59-60
• 6 總結(jié)與展望60-62
• 6.1 總結(jié)60
• 6.2 展望60-62
• 參考文獻62-67
• 致謝67-68
• 個人簡歷68-69
• 攻讀碩士學位期間發(fā)表的論文69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 李小武;邵劍飛;廖秀玲;;一種基于K-means的分布式聚類算法[J];桂林電子科技大學學報;2011年06期

2 周武;趙春霞;;SLAM問題的一種優(yōu)化數(shù)據(jù)關(guān)聯(lián)算法[J];機器人;2009年03期

3 陳園園;陳治平;;一種基于代表點和點密度的聚類算法[J];計算機工程與應(yīng)用;2008年28期

4 魏華;李群;陳得寶;;大范圍環(huán)境中移動機器人SLAM問題的解決方法[J];裝備制造技術(shù);2008年02期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 王永清;同時定位與地圖創(chuàng)建中的數(shù)據(jù)關(guān)聯(lián)技術(shù)研究[D];中國海洋大學;2007年

  本文關(guān)鍵詞：基于感知驅(qū)動的AUV自主導(dǎo)航算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：497616