水下机器人的地图构建及路径规划研究

发布时间：2024-04-13 14:10

　　无人水下机器人(Unmanned Underwater Vehicle,UUV)是人们探索复杂水下环境的重要工具,在海底环境观测、水底打捞作业、海洋资源勘探等方面起着非常重要的作用,具有广阔的发展空间。本文针对现有地图构建算法及路径规划缺乏稳定性、工作效率低的问题从以下两个方面展开研究:(1)在已有的同时定位与地图创建(Simultaneous Localization and Map-ping,SLAM)算法中,基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的SLAM算法构建出的地图更具精准性,但用于构建地图的数据量越大,算法工作量就越大,用时越长,效率越低。为了提高EKF-SLAM算法的工作效率,本文采用先稀疏后扩充的方法,在已有EKF-SLAM算法的基础上进行了改进。先将环境描述进行稀疏化,构建出SLAM环境特征地图,再利用栅格化地图将特征地图进行具体化描述,得到完整环境地图。本文针对改进后的算法进行了理论仿真,证明了该算法的可行性,并在理论仿真的基础上进行了实验,从实验结果验证了该方法的高效性和准确性。(2)现有的路径规划算法中,快速扩展随机树(Ra...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状及发展动态分析
        1.2.1 水下机器人方面
        1.2.2 机器人的定位与地图构建
        1.2.3 机器人路径规划方面
    1.3 本文主要研究内容
    1.4 本文主要特色和创新
第二章 水下机器人定位及地图构建
    2.1 离散卡尔曼滤波与扩展卡尔曼滤波定位
        2.1.1 线性最优滤波—离散卡尔曼滤波器定位
        2.1.2 非线性最优滤波-扩展卡尔曼滤波器定位
    2.2 SLAM算法系统模型构建
    2.3 基于扩展卡尔曼滤波器的SLAM算法
        2.3.1 数学模型
        2.3.2 算法模型
    2.4 对基于扩展卡尔曼滤波的SLAM算法的改进优化
        2.4.1 观测数据稀疏化
        2.4.2 特征模型具体化
    2.5 仿真验证
    2.6 本章小结
第三章水下机器人的路径规划
    3.1 快速扩展随机树算法
        3.1.1 基本的快速扩展随机树算法描述
        3.1.2 快速扩展随机树算法性能分析
        3.1.3 相关改进算法介绍
    3.2 基于辅助路径的快速随机树算法
    3.3 仿真验证
    3.4 本章小结
第四章 物理样机与实验验证
    4.1 水下机器人实验平台
        4.1.1 硬件系统总体设计
        4.1.2 通信模块
        4.1.3 上位机软件设计
    4.2 实验验证
        4.2.1 实验环境
        4.2.2 地图构建
        4.2.3 路径规划
    4.3 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者简介
致谢



本文编号：3953162