论文部分内容阅读
自主式水下机器人是当今研究的热点问题之一。机器人由于其自身具有的智能性、机动性以及自主性，可以在极其复杂危险的环境中完成人类不可完成的探测、探险和操作等工作。在未知环境下，移动机器人的自主导航能力是其能实现真正自主移动的基础，而自主定位则是自主导航的前提。为了实现机器人自主导航，机器人的同时定位与地图构建（Simultaneous Localization andMapping, SLAM）能力成为机器人领域亟需解决的问题。同时定位与地图构建（SLAM）是实现自主移动机器人的核心问题，也是机器人自主导航的关键，是机器人感知能力和智能水平的体现。同时定位与地图构建（SLAM）是指在未知环境下，机器人根据传感器提供周围环境信息和位置估计，逐步确定自身位姿并且建立增量式地图的过程。近年来，众多研究者在室内、室外、水下环境中取得了显著的成果。然而，依然存在很多问题需要解决。本论文首先介绍了AUV的发展情况及研究现状；其次，介绍了当今应用比较广泛及本文需要了解的几种SLAM算法，在建立系统模型的基础上，对SLAM算法的原理和过程进行详细介绍，并指出这些算法中存在的需要解决的问题。本文主要在粒子滤波器的基础上，提出一种基于粒子群优化的无迹FastSLAM算法，并用实验验证该算法的可行性及有效性。该算法首先将UPF与UKF算法相结合，利用UPF估计机器人位姿后验概率估计，同时利用UKF处理地图估计部分，避免了雅克比矩阵的运算以及非线性函数的线性化问题，大大提高了算法精度，并且同等精度下，减少所用粒子数。此外，针对FastSLAM算法中重采样引起的粒子退化和衰竭问题，利用粒子群优化技术(PSO)对重采样过程进行优化，在重采样后，选定目标机器人位置，然后利用PSO算法调整粒子分布，使得粒子集中于机器人的真实位姿附近，通过上述步骤对粒子集进行PSO优化，缓解粒子退化和衰竭问题。最后，通过公开仿真平台进行仿真实验以及实验室自主实验平台水下机器人C-ranger的团岛海试实验来验证该提议算法的有效性和准确性，将提议算法与其他算法等进行比较，验证了该算法满足了定位与构图精度满足机器人自主导航的可行性及有效性的要求。