水下无人航行器结构环境SFEKF同步构图定位方法

针对传统同步构图定位(SLAM)传感器具有数据量大、处理速度慢、实时性差的不足和基于扩展卡尔曼滤波的同步构图定位(EKF-SLAM)具有对水下无人航行器(UUV)位置估计精度低、甚至发散的缺陷,把带次优渐消因子的扩展卡尔曼滤波器应用到了导航系统中,提出了基于多元测距声呐(MRS)的UUV结构环境SFEKF-SLAM(suboptimal fadingextended Kalman filter-SLAM)方法.首先建立基于霍夫变换的水下MRS特征提取模型,设计了基于SFEKF-SLAM的UUV导航系统,利用该系统可以对UUV的状态进行预测,结合MRS信息可以对UUV周围结构环境进行状态更新.海试结果验证了基于霍夫变换的水下MRS模型能够有效提取环境特征,基于SFEKF-SLAM的UUV导航系统相对于常用的基于EKF-SLAM的UUV导航系统具有更高的定位精度,能够构建更加精确的港口堤岸地图.