基于改进粒子滤波的AUV同步定位与建图方法研究.pdf

基于改进粒子滤波的AUV同步定位与建图方法研究

摘要

自主式水下机器人（AutonomousUnderwaterVehicle，AUV）作为一种智能化水下

装备，能够在人类难以直接抵近的复杂水域环境进行作业。在应急救援领域，AUV可

以深入到灾害第一线，进行水下搜索并提供有效的救援支持，面向应急救援的水下机

器人技术研究和发展有助于提高国家应对灾害时的救援减灾能力，对保障社会经济的

稳定发展具有重要意义。具备高精度且可靠的导航定位能力，是AUV顺利完成应急救

援任务的必要条件。目前AUV的主流导航方式是通过以惯性导航系统（Inertial

NavigationSystem，INS）为核心的组合导航为主，声学或者地球物理场匹配导航为辅

助的导航方式。但是应急救援任务下的复杂水域环境会使声学定位和地球物理匹配导

航受限，而同时定位与地图构建（SimultaneousLocalizationandMapping，SLAM）完

美契合应急救援AUV的水下导航定位与环境感知需求，在AUV起始位置不确定和对

所处环境缺少先验知识的情况下，通过自身搭载的传感器在进行航位推算的同时，创

建环境地图并利用该地图对导航定位进行修正，是实现水下机器人自主定位的关键技

术。并且获得水下信息构建的环境地图，对救援人员以最快的速度制定救援方案，减

小人员伤害、财产损失也有重大意义。

本文的核心问题是通过SLAM方法提高AUV的导航定位精度，首先设计了以多波

束前视声呐作为环境传感器的AUVSLAM导航系统。通过对前视声呐图像数据进行阈

值化、稀疏化处理，提取出有效特征点后，通过拓展卡尔曼（ExtendedKalmanFilter，

EKF）原理实现基于特征地图的EKFSLAM，并考虑AUV系统噪声非高斯以及EKF在

处理非高斯问题的局限性，将研究基于Rao-Blackwellized粒子滤波（Rao-Blackwellised

ParticleFilter，RBPF）的AUVFastSLAM算法，并根据海试数据进行算法验证。

针对由特征地图实现的AUVSLAM算法定位精度受环境传感器前视声呐精度影响

较大，及特征地图不能过滤干扰特征点，特征点利用率较低等缺陷造成的地图可视性

较差的问题，提出了占据栅格的地图构建方法，将实现基于栅格地图的AUVEKF

SLAM及AUVRBPFSLAM算法。并对RBPFSLAM中的重采样阈值和建议分布进行

优化，使得粒子更加接近真实后验分布。其次为了缓解粒子滤波中的粒子退化以及粒

子贫化等问题，引入萤火虫算法对RBPFSLAM算法进行改进。将粒子群视为萤火虫，

通过萤火虫之间的信息交互，来优化粒子分布，使得粒子向后验概率大的位置移动，

哈尔滨工程大学专业学位硕士学位论文

从而减轻粒子的退化程度。最后通过海试数据验证算法在真实海洋场景下可以有效减

小AUV定位误差。另外，构建的栅格地图也能更好地辅助AUV完成水下作业。

关键词：AUV；SLAM；粒子滤波；栅格地图；萤火虫算法

基于改进粒子滤波的AUV同步定位与建图方法研究

Abstract

Asanintelligentunderwaterequipment,AutonomousUnderwaterVehicle(AUV)can

performoperationsincomplexunderwaterenvironmentswheredirecthumanaccessisdifficult.

Inthefieldofemergencyrescue,AUVcanpenetrateintothefrontlineofdisasters,conduct

underwatersearches,andprovideeffectiverescuesupport.Researchanddevelopmentof

underwaterrobottechnologyforemerg