基于强跟踪CKF的无人水下航行器SLAM
针对基于容积卡尔曼滤波(CKF)的无人水下航行器(uuv)同步定位与地图构建(SLAM)存在对模型参数变化的鲁棒性差、收敛速度慢、对突变状态跟踪能力低等问题,通过在CKF中引入渐消因子和弱化因子,提出了一种基于强跟踪CKF(STCKF)的SLAM算法(STCKF-SLAM).首先建立UUV的运动模型、特征模型、测距声呐模型,然后基于霍夫变换从多测距声呐测量数据中提取堤岸线特征,最终采用STCKF实现了UUV的同步定位与地图构建.基于UUV海试数据的仿真实验结果表明:相比CKF-SLAM算法,STCKF-SLAM算法保持了对突变状态的强跟踪能力,且均方根误差降低了13％,提高了SLAM系统的精确性,可应用于UUV长航时水下隐蔽作业.
无人水下航行器、同步定位与地图构建、多测距声呐、霍夫变换、强跟踪容积卡尔曼滤波
34
TP242.6(自动化技术及设备)
国家自然科学基金E091002/50979017;教育部高等学校博士学科点专项科研基金20092304110008;中央高校基本科研业务费专项资金HEUCFZ1026;哈尔滨市科技创新人才优秀学科带头人研究专项资金2012RFXXG083;教育部新世纪优秀人才支持计划NCET-10-0053
2013-12-09（万方平台首次上网日期，不代表论文的发表时间）
共9页
2542-2550
