论文部分内容阅读
准确的定位信息是支撑无人水下航行器(Unmanned Underwater Vehicle,UUV)遂行作业任务的基础。目前UUV多采用惯性导航或推位导航实现水下自主定位,定位误差随时间积累。为提高水下自主定位精度,UUV可通过定期上浮利用卫星导航系统修正定位误差,或借助预先布设的声学信标在水下修正定位误差,或可基于海洋地球物理导航技术,在地球物理信息先验海图有效覆盖范围内抑制定位误差发散。显见,这些导航技术都无法满足UUV在陌生海区的大范围、长航时水下定位需求。水下同步定位与建图(Simultaneous Localization and Mapping,SLAM)技术通过深度融合 UUV 搭载的环境感知传感器信息与自主定位信息,使UUV在构建环境地图的同时,自主在水下修正定位误差,摆脱了外部导航信标或先验海图对UUV导航能力的制约,理论上可实现UUV在未知水域的大范围、长时序水下自主定位。本论文针对机械扫描式成像声呐、多波束声呐等声呐设备产生的声视觉信息,研究UUV水下 SLAM方法,主要包括:首先,针对UUV广泛应用的港口、水库等结构化水下环境中,霍夫变换对机械扫描式成像声呐感知到的结构化环境中的线特征提取时存在计算量大、效率低等问题,提出一种RANSAC-霍夫变换线特征提取算法。其次,针对UUV环境感知的局域性特点和环境地图构建的全局性需求,提出一种自适应栅格地图构建方法,利用空间动态分解技术增强了 UUV对水下环境的地图构建能力,并通过融合子地图使栅格地图具备对环境规模的自适应能力。再次,针对水下SLAM算法中地图点云数据集与传感器观测数据集不一致问题,在声视觉传感器观测能力约束下,提出一种启发式ICP算法,使UUV具备对匹配点云数据集的自主分割能力,通过构建一致性更好的点云数据集,以提高ICP算法的匹配精度和计算效率。最后,针对UUV导航传感器与声视觉传感器感知信息不确定性大、水下SLAM算法的非线性滤波模型易出现模型失配等问题,构建强跟踪UKF水下SLAM算法框架,提高SLAM算法的鲁棒性,并在强跟踪UKF算法框架下分别实现了基于特征地图、位姿和栅格地图的水下SLAM算法。