AUV同时定位与跟踪研究

由于低精度航位推算系统带来的累积误差,自治水下航行器(AUV)在未知环境中的定位准确性会随着时间的推移变得越来越差。当环境中有非合作体运动时,AUV不但可利用自身携带的声纳传感器对其探测并利用基于模型的目标跟踪方法估计非合作体轨迹,而且可以同时利用探测到的与非合作体的相对信息来提高自身定位精度。在同时定位与制图(SLAM)方法中的FastSLAM算法框架的基础上提出了同时定位与跟踪(SLAT)算法,即设置多个估计粒子,利用每个粒子中的粒子滤波器(PF)和扩展卡尔曼滤波器(EKF)分别估计AUV和非合作体的轨迹,并能根据实际量测与粒子估计量测之间的差别赋予粒子权值,继而得到多粒子加权的最终估计。最后仿真验证了算法的有效性。

基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。

利用FastSLAM框架的多自治水下航行器同时定位与跟踪算法

协同定位是共融机器人研究领域的重要问题.协同定位方案的制定受限于机器人间信息交互的能力.针对长时间通讯中断时多自治水下航行器(AUV)协同定位精度明显下降的问题,借鉴同时定位与制图(SLAM)方法,提出了基于FastSLAM框架的同时定位与跟踪(SLAT)算法.将主AUV视为非合作目标,在从AUV上建立起一个关于主AUV的运动估计器,利用从AUV上声呐传感器实时获取的相对量测信息,在对主AUV运动状态估计的同时,完成对从AUV自定位精度的提升.仿真实验结果表明,在长时间通讯中断发生的条件约束下,相比于传统的航位推算方法,所提出的SLATF1.0和2.0算法能够有效减小定位误差,2.0算法对于探测精度变化等因素的影响具有更好适应性.

AUV同时定位与跟踪算法研究

为了提高自治水下航行器的水下适应能力,对比目标跟踪与协同导航的概念,并仿照同时定位与制图方法,提出了基于EKF-SLAM框架和FastSLAM框架的自治水下航行器同时定位与跟踪算法.根据装备在携带低精度自定位传感器AUV上的声纳传感器持续探测非合作目标并估计目标航迹的同时,利用探测到的AUV与目标间的相对信息修正其自身航位推算带来的累积估计误差,从而提高AUV的自定位精度,AUV的定位和目标的状态估计同时进行,且要满足一定的精度.仿真比较了所提出的两种算法的精度,并验证了算法的有效性和一致性.

基于内椭球逼近融合的分布式节点同时定位与跟踪算法

针对无线传感器网络中的节点同时定位与跟踪问题,提出一种分布式融合算法。在融合底层采用基于无迹卡尔曼滤波的交互式多模型方法,克服因泰勒展开的近似误差,并在运动模式发生变化时达到理想跟踪效果。融合中心层采用内椭球逼近融合的分布式融合方法,对局部节点所获得的目标状态估计进行融合。Monte Carlo仿真结果表明,与常用的协方差交叉法相比,该算法具有更好的融合性能,对机动目标的跟踪精度提高了33.56%,并且能在跟踪目标的同时精确估计节点位置。

同时机器人定位与人体跟踪的多源感知协作粒子滤波方法

提出了分布式多传感器协作的条件粒子滤波算法以解决人与机器人位置的联合概率分布估计问题.全局视觉系统中,各视角独立运行图像平面上基于粒子滤波的目标跟踪,并利用地平面单应关系实现多视角目标主轴同步融合.视觉观测进一步与机器人激光数据以顺序滤波方式异步融合,提出包含人体位置假设的激光似然场模型以提高对机器人位姿误差的鲁棒性,并引入基于Kullback-Leibler距离的自适应采样以降低描述联合分布所需的粒了数目.实验验证了该方法能够在具有观测噪声且人—机位置均不确定的情况下利用多传感器协作实现基于地图的同时机器人定位与人体跟踪.