（计算机应用技术专业论文）基于多传感器融合的水下机器人自主导航方法研究.pdf

l l u i i i m it!iititlt i ! ! t r i ! tr i i irlt i mw!iielll y 18 2 8 5 6 1 基于多传感器融合的水下机器人自主导航方法研究 学位论文完成同期 指导教师签字 答辩委员会成员签字 鹾兰 独创声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含未获得 ! 洼! 麴遗直墓丝益要挂型虚明鲍! 奎拦互窒2 或其他教育机构的学位或证书使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 学位论文作者签名：彳争、稔 签字同期：纠6 哳2 一绨 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，有权保留并 向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人 授权学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息 研究所将本学位论文收录到中国学位论文全文数据库，并通过网络向社会公 众提供信息服务。( 保密的学位论文在解密后适用本授权书) 搿翥嚣拿触签字日期：歹衫d 年多。月够目 导师签字： 签字同期： 妇日 基于多传感器融合的水下机器人自主导航方法研究 摘要 随着海洋探测与开发的不断深入，具有自主导航能力的水下航行器的需求越 来越大。在复杂的水下环境中，单一的传感器设备，如声纳、摄像头等，都无法 满足高精度自主导航的要求，而采用多传感器融合的方法则成为一种最佳的选 择。本文通过对水下机器人同时定位与地图创建问题的研究，为其向更广阔、更 长程、更复杂的工作海域发展提供有力的保证，这必将大大推动我国水下机器人 自主导航技术的发展。 本文结合当前机器人自主导航技术的热点，介绍了自主导航技术常遇到的问 题难点，然后在研究了扩展卡尔曼滤波和粒子滤波两种流行的滤波方法之后，分 别在它们的基础上进行了创新和改进，以提高算法的精度和可靠性。 在扩展卡尔曼滤波的方面，本文首先针对水下环境的复杂性，采用了声纳、 摄像头、结构光等多种传感器融合的方法，保证了观测数据的有效性和信息的丰 富性。其次扩展卡尔曼算法用到了协方差矩阵的更新，随着时间的推移，环境特 征数目的增加，算法计算量会急剧增长。为了延长算法的持续时间，本文引入了 临时特征地图，降低了地图环境特征数目的增长速度，有效的减少了不必要的计 算。最后，针对数据关联出错会导致算法发散的问题，本文根据扫描数据集的特 点，提出了全局扫描匹配算法，提高了数据关联的效率和准确度，降低了关联错 误的可能性。 在粒子滤波方面，本文首先分析了粒子滤波当前遇到的问题随着滤波过 程的进行，粒子样本集会出现样本多样性降低的问题。其次，本文分析了问题出 现的根源，即重采样过程仅保留了权值较大的粒子，舍弃了权值较小的粒子。而 后本文提出了一种基于粒子分化的粒子滤波方法，该方法是在重采样之前引入了 粒子预处理过程，即粒子分化过程，将权值较大的粒子分化为多个权值较小的粒 子，同一粒子分化后的粒子符合相同的分布。然后再对经过分化处理得到的新的 粒子集重采样，这样就避免了由于重采样过程中通过简单的复制权值较大的粒子 而产生的粒子样本多样性降低的问题。 在改进以上两种滤波方法之后，本文对它们分别进行了仿真实验，实验结果 表明，改进后的算法能较好的够达到预期的目标，提高了滤波的精度和可靠性， 时定位与地图创建；扩展卡尔曼滤波；粒 i i r e s e arc ho na u t o n o m o u sn a vig a tio nm e t h o do fu n d er w a t e r v e hicleb a s e do nm uiti - s e n s o rf u s s io n a b s t r a c t a st h ee x p l o r a t i o na n dd e v e l o p m e n to fo c e a np r o g r e s s e s ，t h ed e m a n do f u n d e r w a t e rv e h i c l ew i t hi n d e p e n d e n tn a v i g a t i o n c a p a b i l i t i e s i s g r o w i n g i nt h e c o m p l e xu n d e r w a t e re n v i r o n m e n t s ，s i n g l es e n s o rd e v i c e ，s u c ha ss o n a r , c a m e r a , e t c ， i su n a b l et om e e tt h er e q u i r e m e n t so ft h ea u t o n o m o u sn a v i g a t i o n ，a n dt h em e t h o do f m u l t i 。s e n s o rf u s i o nb e c o m e sab e s tc h o i c e a f t e r s t u d y i n g t h es i m u l t a n e o u s l o c a l i z a t i o na n dm a p p i n ga l g o r i t h m ，t h i se s s a yg u a r a n t e e sa b r o a d e r , m o r el o n g t e r m ， m o r e c o m p l e xw o r ka r e a , a n dt h e nw i l ls i g n i f i c a n t l ym v a n c eo u ru n d e r w a t e r a u t o n o m o u sn a v i g a t i o nt e c h n o l o g y t h i se a a s yc o m b i n e st h ec u r r e n ta u t o n o m o u sn a v i g a t i o nt e c h n i q u e ，d e s c r i b e s t e c h n i c a ld i f f i c u l t i e st h a ta u t o n o m o u sn a v i g a t i o no f t e ne n c o u n t e r e d a f t e rr e s e a r c ho n t h et w op o p u l a rf i l t e r i n g m e t h o d s ，e x t e n d e dk a l m a nf i l t e ra n d p a r t i c l ef i l t e r , i t p r o v i d e ss e v e r a li m p r o v e m e n t sb a s e do nt h et w om e t h o d st oi m p r o v et h ep r e c i s i o n a n dr e l i a b i l i t yo ft h ea l g o r i t h m f i s r t ，i nt h ee x t e n d e dk a l m a nf i l t e r , b e c a u s eo ft h ec o m p l e x i t yo fu n d e r w a t e r e n v i r o n m e n t ，t h i se s s a yu s e ss e n s o rf u s i o no ft h es o n a r , c a m e r a , s t r u c t u r e dl i g h tt o g u a r a n t e et h ev a l i d i t yo ft h eo b s e r v a t i o nd a t aa n di n f o r m a t i o nr i c h n e s s s e c o n dt h e e x t e n d e dk a l m a na l g o r i t h mm a k e su s eo ft h eu p d a t eo ft h ec o v a r i a n c em a t r i x a st i m e p a s s e s ，t h en u m b e ro ft h ee n v i r o n m e n t a lc h a r a c t e r i s t i c si n c r e a s e s ，t h e nt h ea l g o r i t h m c o m p u t a t i o nb e c o m e sd i f f i c u l t i no r d e rt oe x t e n dt h ed u r a t i o no ft h ea l g o r i t h m ，t h i s e s s a yi n t r o d u c e sat e m p o r a r yf e a t u r em a p i tr e d u c e st h eg r o w t hr a t eo ft h en u m b e ro f m a pf e a t u r e s ，a n dr e d u c e su n n e c e s s a r yc o m p u t a t i o ne f f e c t i v e l y f i n a l l y , t h ea l g o r i t h m w i l ld i v e r g e n c ei ft h e r ei sa l le r r o ro fd a t aa s s o c i a t i o n t od e a lw i t hi t ，t h i se s s a y i n t r o d u c e sag l o b a ls c a nm a t c h i n ga l g o r i t h mb a s e do nd a t ac o l l e c t e df r o ms c a n n e r , w h i c hi m p r o v e st h ee f f i c i e n c ya n d a c c u r a c yo fd a t aa s s o c i a t i o n i np a r t i c l ef i l t e r , t h i se s s a yf i r s ta n a l y z e st h ep r o b l e m si nt h ef i l t e r i n gp r o c e s s ， p a r t i c u l a t e l yt h es a m p l ei m p o v e r i s h m e n t s e c o n d l y , t h i se s s a ye x a m i n e st h er o o t so f n l i v 目录 1 绪论 1 1 研究背景 1 2 国内外发展现状 1 2 1 国内研究现状 1 2 2 国外研究进展4 1 3a u v 关键技术5 1 4 论文研究内容和组织结构6 2 机器人同时定位与地图创建8 2 1 传感器的选择与布局8 2 1 1 惯性导航系统1 0 2 1 2 卢纳传感器1 1 2 1 3 视觉传感器1 2 2 2 环境地图表示1 3 2 2 1 栅格地图1 3 2 2 2 拓扑地图。1 4 2 2 3 特征地图1 5 2 2 4 混合地图16 2 2 5 地图选择1 7 2 3s l a m 算法的关键问题1 7 2 3 1 地图创建问题1 7 2 3 2 信息的不确定性1 8 2 3 3 计算复杂度的问题o 1 8 2 3 4 数据关联问题19 2 4 本章小结2 0 3 基于扩展卡尔曼滤波的s l a m 算法2 1 3 1 卡尔曼滤波( k f ，k ai m a nf i i t e r ) 介绍2 l 3 2 系统模型的表达2 1 3 2 1 坐标系统模型2 2 3 2 2 状态模犁2 3 3 2 3 运动模型2 5 3 2 4 里程计模犁2 6 3 2 5 观测模型一2 7 3 3 扩展卡尔曼滤波过程2 8 3 3 1 预测阶段2 8 3 3 2 更新阶段一3 0 3 3 3 状态扩充阶段3 0 3 4 基于e k f 的s l a m 算法3 2 3 4 1 算法流程3 2 3 4 2 多传感器数据融合3 3 v 3 3 3 5 3 5 ：；6 3 7 3 6 1 基于实际数据集的离线实验3 7 3 6 2 基于模拟数据集的仿真实验3 8 3 7 本章小结4 0 4 基于粒子分裂的滤波算法4 1 4 1 粒子滤波算法4 2 4 1 1 顺序重要性采样4 3 4 1 2 粒子退化现象：4 4 4 2 粒子分裂的滤波算法4 6 4 3 仿真实验和结果4 7 4 4 本章小结5 0 5 总结展望5 1 参考文献5 3 致谢5 7 个人简历5 9 发表的学术论文5 9 v i 摹于多传感器融合的水下机器人自主导航方法研究 1 绪论 1 1 研究背景 在社会信息产业的发展的带动下，高性能的自动化系统在工业、农业、国防、 科学研究等各个领域的需要越来越多。移动机器人技术已经成为当今机器人研究 的热点。具体来讲，随着计算机技术、微电子技术、网络技术的快速发展，移动 机器人的应用领域从制造领域向非制造领域发展，农林业、建筑、采掘、医疗、 服务、娱乐、海洋开发、宇宙探测等行业都提出自动化和机器人化的要求。同时， 移动机器人在军事侦察、扫雷排险、防止核污染和化学污染等危险与恶劣环境中 的物料搬运上也具有广泛的应用。在移动机器人应用范围扩大的同时，对移动机 器人适应工作环境的能力和智能化水平也提出了新的要求。这涉及到图像处理、 计算机人工智能、信息处理与智能控制、检测与转换等专业技术、机械电子、自 动控制等多种学科，是一个集动态规划、环境感知、行为控制与执行等多种功能 于一体的综合系统 1 , 2 1 。 水下机器人是移动机器人针对水下环境的特殊应用，世界各国如美国、英国、 法国、意大利、俄罗斯、日本及瑞典等国，都已开发出各种类型的水下机器人， 而且各自具有一定的技术优势，它们的身影出现在石油开采、海底矿藏调查、救 捞作业、管道电缆敷设和检查及军事作战等领域。按照无人水下机器人与水面支 持设备间联系方式的不同，水下机器人可以分为两大类i 3 1 ：一类是有缆水下机器 人，又称为水下遥控运载工具( r e m o t e l yo p e r a t e dv e h i c l e ，简称r o v ) ；另一类 是无缆水下机器人，又称为水下自主式无人运载工具( a u t o n o m o u su n d e r w a t e r v e h i c l e ，简称a u v ) 。 二十一世纪是人类向海洋进军的世纪。深海作为人类尚未开发的宝地和高技 术领域之一，已经成为各国的重要战略目标，也是国际上激烈竞争的焦点之一。 水下机器人作为一种高技术手段在海洋开发和利用领域的重要性不亚于宇宙火 箭在探索宇宙空间中的作用。a u v 诞生于上世纪中叶，是一种非常适合于海底 基于多传感器融合的水下机器人自主导航方法研究 搜索、调查、识别和打捞作业的既经济又安全的工具。水下自动机器人与遥控水 下机器人相比，它具有活动范围大、潜水深度深、不怕电缆缠绕、可进入复杂结 构中、不需要庞大水面支持、占用甲板面积小和成本低等优点。水下自动机器人 代表了未来水下机器人技术的发展方向，是当前世界各国研究工作的热点1 4 5 1 。 同时定位与地图构建方 法- - s l a m ( s i m u l t a n e o u sl o c a l i z e t i o na n dm a p p i n g ) ， 被认为是移动机器人在未知环境中真正实现自主导航的关键，成为机器人领域的 开放问题和研究热点。 s l a m 问题可简单地描述为 6 1 ：在未知环境下，移动机器人从未知的起点开 始，经过一系列位置，利用机载传感器信息构建增量式环境地图同时对自身位置 定位。自1 9 8 8 年【7 ，8 1 提出以来得到很快的发展，特别是最近几年。s l a m 方法与 地图表达形式密切相关，如栅格地图、特征地图、拓扑地图等。基于环境特征的 s l a m 方法应用最为广泛，特别是对于非结构化的户外环境，障碍物目标没有规 则的几何形状 9 , 1 0 , 11 , 1 2 , 1 2 l i 。 本文研究的自主导航方法依托与国家8 6 3 目标导向课题基于声纳和水下 视觉的深海复杂环境下a u v 组合导航系统关键技术，在研制水下自主式机器人 的基础上，主要针对数据关联算法、基于扩展卡尔曼和粒子滤波的移动机器人同 时定位与地图创建进行研究，目的是能够有效提高移动机器人的自主性、灵活性， 提高移动机器人定位与地图创建精度。因此，本文的研究具有重要的理沦价值和 实际意义。 1 2 国内外发展现状 1 2 1 国内研究现状 由中国科学院沈阳自动化研究所、中国船舶科学研究中心、中国科学院声学 研究所、哈尔滨工程大学、上海交通大学等l o 多个单位的1 5 0 多名科研人员共 同完成的c r - 0 16 0 0 0 4 1 米无缆自治水下机器人，使中国机器人的总体技术水平 跻身子世界先进行列，成为世界上拥有潜深6 0 0 0 米自治水下机器人的少数国家 2 基于多传感器融合的水下机器人自主导航方法研究 之一。 中国科学院沈阳自动化所自主开展研发的混合型水下机器人( a r v ) 1 5 1 是一 种集自治水下机器人( a u v ) 和遥控水下机器人( r o v ) 技术特点于一身的新概念 水下机器人，解决了多模式控制、模块化结构、光纤微缆应用等一系列关键技术， 既可以作为a u v 使用，进行大范围的水下调查，也可以作为r o v 使用，进行 小范围精确调查和作业。 我国的哈尔滨工程大学与甘肃长城水下高技术公司联合开展了“堤坝安全检 测水下机器人 1 1 4 1 研制工作，开发出以模块化水下遥控机器人为载体，以声、 光、电磁多种探测和导航传感器构成的具有高性能综合探测能力的t b 1 型堤坝 安全检测水下机器人。该机器人系统可以检测坝体表面和坝体内部结构的变异， 适用于清水环境和混水环境，工作深度可达水下3 0 0 米。 去年年底在东太平洋地区发现海底巨大“黑烟囱“的功臣“海龙2 号 是我国自主研制的水下机器人，高约3 8 米，长宽均为1 8 米左右，能最大提取 2 5 0 公斤的物品，是我国目前仅有的能在3 5 0 0 米水深、海底高温和复杂地形的 特殊环境下开展海洋调查和作业的最高精度的水下机器人。 图1 1 中国水下机器人首次在北冰洋海域冰下调查 国内的哈尔滨工业大学、东南大学、武汉理工大学、东北大学等多家大学均 已开展了算法在陆上自主机器人上的应用研究，而将研究触角扩展到水下潜器导 航领域的却寥寥无几。鉴于我国迫切需要大力发展水下航行器导航定位技术的需 求，应该加大人力和资源的投入，加强算法的应用研究力度，为水下导航开辟新 感器融合的水下机器人自主导航方法研究 国外已经有多家水下导航工程的研究机构和团体专 为止，己取得了一定的理论和实践成果。 澳大利亚悉尼大学的机器人研究中心很长时间以来一直在从事算法在估计 潜器运动上的应用研究，早已取得了一些研究成果。使用的潜器是悉尼大学自行 开发的名为“o b e r o n 的水下机器人 1 5 , 1 6 l ，如图1 2 所示。 图1 2o b e r o n 在水下工作 m i t 的水下机器人实验室也进行了同样的工作( 图1 3 ) ，他们研制的机器人 采用侧扫声纳、电子扫面仪等设备，进过多年的改进，已经开发出多个水下机器 人协作系统。 在2 0 0 7 年月底，美国国家航空航天局资助的全自动水下机器人成功地在世 界上最深的水下洞穴进行了探测。这一项目将是未来探测木星卫星木卫二的序 曲，科学家们认为木卫二上有液态水形成的海洋。深井热量探测器【5 1 ( d e p t h s ) 是一个重约3 3 0 0 磅的计算机化的潜水器，它能够自行做出决定。深井热量探测 器有着超过一百个传感器，三十六个机载计算机和十六个推进器与制动器，它能 够决定去哪里、采集哪个样品和如何回家。 4 基于多传感器融合的水下机器人自主导航方法研究 图1 - 3m i t 的o d y s s e yi i i 加拿大i s e 公司为其a u v ( 图1 - 4 ) 向l i n k q u e s t 公司订购了两套作用距离 达5 0 0 0 米的高精度超短基线定位系统【5 1 ，该a u v 主要被n o a a 用于深海生物 研究、极地和深海海洋石油调查勘探、墨西哥湾海底天然气的泄露探测等。 图l - 4 装有l i n k q u e s tt r a c k l i n k5 0 0 0u s b l 系统的a u v 1 3a u v 关键技术 a u v 的关键技术s l a m 算法已在部分实际系统中取得很好的实验效果， 特别是在结构化的室内环境和小尺度范围的非结构化室外环境。环境感知传感器 主要采用激光扫描测距仪、超声测距声纳或视觉传感_ 器1 1 8 , 1 9 1 。将s l a m 方法应用于 a u v 的导航定位是近年国内外a u v 研究领域的一个特色【1 7 】。 国际上，近几年来有不少学者在研究通过将构图问题限制在有限区域来降低 1 2 2 。t h r e m 研究团队提出的s e i f 滤波器以固定时间来得到逼近地图，但是对于闭环问题结果 不太理想【2 3 1 。e u s t i c e 对此继续改进，通过准确计算s e i f 框架内的误差范围来降 低了过分自信的风险【2 4 】。p a s k i n 提出了用薄连接树( t h i n j u n c t i o n t r e e s ) 解决s l a m 问题，这种方法相对于e k f s l a m 方法降低了复杂度，因为薄连接树法提供的实 际上是一种线性时间滤波 2 5 1 。目前国际上一些著名研究机构正积极开展运用 s l a m 思想来解决a u v 自主导航问题的研究，如伍兹霍尔海洋研究所( w h o i ) 的研究者采用六自由度视觉系统基于s l a m 方法开展a u v 探测的研究，对“泰坦 尼克 沉船进行勘探【2 6 i ；悉尼大学现场机器人研究中心( a c f r ) 用基于s l a m 的水下机器人进行大堡礁海底勘查f 2 7 l ；m i t 的l e o n a r d 等人在他们的a u v 上也进 行了卓有成效的工作1 2 8 1 。 在国内，针对水下环境的s l a m 研究刚刚起步，相关成果较少。庄严等1 2 9 1 基 于激光测距仪和单目视觉开展了室内s l a m 研究。张恒等1 3 0 1 提出了在s l a m 中使 用一步和多步最优轨迹规划算法。厉茂海等在r b 粒子滤波器中引入进化策略。 黄庆成等m 1 利用环形闭合约束的最小化来修正地图。a u v q 口采用s l a m 的研究 报道更少，华中科技大学的徐国华教授等 3 3 1 研究了将视觉传感器与成像声纳进 行数据融合用于a u v 的s l a m 方法中，验证了多传感器融合比单传感器减小了误 差。哈尔滨工程大学的强志庄等通过仿真分析探讨了局部小区域海洋环境水 下机器人同步建立地图和定位的可行性。总体上看，s l a m 研究在我国处于刚起 步，亟待研究资源的大力投入。 1 4 论文研究内容和组织结构 论文首先介绍了水下机器人和导航的现有方法及其缺陷，在此基础上，分析 6 问题，针对重采样过程中出现的粒子样本多样性减少的问题，提出了基于粒子分 化的滤波算法。通过实验证明了，改进后的滤波算法能有效的防止粒子样本多样 性降低的问题。 第五章对两种不同的算法进行比较分析，并对自主导航算法的前景做了展 望。 7 基于多传感器融合的水下机器人自主导航方法研究 2 机器人同时定位与地图创建 s l a m ，也可称为c m l ( c o n c u r r e n tm a p p i n ga n dl o c a l i z a t i o n ) ，最先是f l 了s m i t h s e l f 和c h e e s m a n 在1 9 8 8 年提出来的 s l 。它是指移动机器人在未知环境中定位的同 步构图与定位算法，机器人在环境中运动的同时，通过传感器提取环境中特定信 息并实时构建环境地图，并用环境地图来定位机器人。该算法被很多学者认为是 实现真正的自主移动机器人的关键。由于算法获取信息的外部传感器相对简单， 且不需先验地图辅助，在水下导航定位方法中极具发展空间和潜力。本文着重研 究s l a m 算法应用于水下航行器导航定位时所涉及的关键理论与技术问题。 自主式移动机器人的导航问题被归纳为三个一般性问题“w h e r ea mi ? ， “w h e r ea mig o i n g ? 和“h o ws h o u l dig ot h e r e ? 4 0 , 4 1 。如果机器人具备了环 境地图，并确定自身在地图中的位置，就能够正确回答上面三个问题。因此，在 未知的环境中，实现自身在环境中的同步自定位与地图创建，对解决移动机器人 自主导航问题具有重要意义。 在复杂的海底环境中，机器人不能利用全局定位系统进行定位，而且事先获 取机器人工作环境的图十分困难，甚至是不可能的，这时就需要使用s l a m 方法。 在s l a m 算法中，移动机器人通过自身携带的传感器测量周围环境中的环境特 征，然后根据惯导数据和环境特征与机器人之间的相对位置对机器人定位，同时 构建周围环境的地图。s l a m 算法需要知道机器人与周围环境的信息进行实时的 定位和地图创建。近年来，s l a m 算法受到越来越多的重视，并已经在室内环境 1 3 5 1 、室外环境【3 6 i 、水下1 2 7 , 3 7 , 3 8 1 和航空环境中1 3 9 1 等展开了研究。 在s l a m 过程中，机器人通过各种传感器获取周围环境的特征信息，而后创 建地图以及机器人定位。以下将从传感器、地图表示和s l a m 的难点等方面进行 介绍。 2 1 传感器的选择与布局 自主移动机器人的导航过程中，需要实时的获取自身和周围环境的数据，而 8 由这类传感器获取的数据和机器人本身的运动模型一起，或者对机器人的位置进 行航位推算，或者跟踪机器人的运动轨迹，或者预测估计机器人的位姿。但是这 类传感器随运行时间推移，会积累出不可忽视的误差，所以不能把它们采集的数 据直接用于长期导航过程中。内部传感器一般具有很高的采样频率，只是提供机 器人自身相对与环境的运动信息，担负着导航过程中的基本数据信息的获取工 作。 第二类是外部传感器，与第一类相比，它主要用于观测周围环境的特征信息， 包括各种类型的障碍物的距离、形状、方位等。常用的外部传感器包括激光雷达、 毫米波雷达、声纳、视觉相机、红外扫描、结构光等。在一般的导航过程中，这 类传感器主要提供环境特征的距离和角度信息，在特殊的情况下也会提供障碍物 的形状信息。这类信息结合机器人的观测模型，对机器人的状态进行预测更新， 实现对机器人的闭环控制，修正第一类传感器的累积误差，同时修正此类传感器 的误差。这类传感器的误差和第一类不太相同，随着移动机器人的行进，观测误 差不会累积，它只和传感器本身的精度和周围环境的复杂情况有关，因此一般通 过观测数据来更新机器人的位姿。但是由于机器人外部环境的不确定性和复杂 性，需要这类传感器有较高的智能，如怎样判别障碍物、用什么样的数据才能有 效的描述障碍物等。 为使自主移动机器人能够有效的获取环境信息，提高移动机器人的自主性， 在本文中自主移动机器人的设计过程中，根据其结构特点与控制要求以及运行环 境的特殊性，分别采用了惯性导航、电子罗盘、声纳扫描仪、双目视觉四种传感 9 的感知盲区，扩大了 惯性导航系统( i n s ，简称惯导) ，属于第一类传感器，即第一类传感器，它 不依赖于外部信息，只是对移动机器人自身的运动进行感知。它可以工作在大多 数环境中包括空中、地面以及水下。惯导系统主要以牛顿力学定律为基础，通过 测量移动机器人在惯性系统中的各个方向的加速度分量，利用加速度对时间的积 分求出机器人的运动速度分量，在进过一系列坐标系的转换，最后能够得到在导 航坐标系中的各方向的速度分量、航向角，在通过航为推算的方法获得机器人的 位置等信息。惯导系统是机器人导航中最常用到的设备之一。 惯导系统所采用的航为推算方法，主要是从一个已知点的位置开始，机器人 在运动过程中根据连续测得的航向角和速度，推算出其下一点的位置，如此反复， 一直推算到机器人所在的当前位置。在惯性导航系统中，陀螺仪是一个关键的设 备，它用来确定惯导系统的坐标系，并且通过加速度计给出在该坐标系中机器人 当前的航向角和姿态角；加速度计是惯导系统的另一个重要设备，它用来测量机 器人当前的加速度，进而通过对时间的一次积分运算得到速度，速度再经过对时 间的一次积分即可得到距离。 惯性导航系统有如下主要优点： ( 1 )由于它是不依赖于任何外部信息，也不需要向外部辐射能量，因此隐 蔽性好，不受外界电磁干扰的影响； ( 2 ) 可全天候地工作于空中、地球表面乃至水下； ( 3 ) 能提供位移、速度、航向和姿态角数据，所产生的导航信息连续性好 而且噪声低； ( 4 ) 数据更新率高、短期精度和稳定性好。 其缺点是： ( 1 )由于导航信息是经过积分而产生，误差随时间而增大，长期精度差； ( 2 ) 每次使用之前需要较长的初始对准时间； 1 0 基于多传感器融合的水下机器人自主导航方法研究 ( 3 ) 设备的价格较昂贵； ( 4 ) 不能给出时间信息。 本文所使用的自主移动机器人采用的惯导系统为i n n a l a b s 公司的姿态方向参 考系统( a h r s ) 和电子罗盘，如图2 1 所示。该系统能够提供全三维的方向、加 速度信息，通过隆戈库塔方法可以求得离散的速度信息。 耘阱 2 1 2 声纳传感器 图2 1i n n a l a b s 的a h r s 声纳传感器属于第二类传感器，利用声波来测量环境特征的距离。声纳通常 是在一定角度范围内，按顺序发出一束束的声波，将返回的结果保存为声纳图像， 从图像中分析环境特征的信息。虽然每一束声波从发出到返回的时间间隔很短， 但是由于扫描范围的关系，得到一幅声纳图像需要一定的时间。在移动机器人的 导航过程中，为了保证传感器信息的实时性，要采取一定的补偿算法。 声纳传感器优点： ( 1 ) 信息处理简单 ( 2 ) 价格低廉 ( 3 ) 利用声波作为手段，被广泛用作移动机器人测距传感器 基于多传感器融合的水下机器人自主导航方法研究 其缺点： ( 1 ) 数据采集周期长 ( 2 ) 数据的误差较大 本文的移动机器人选用t s e a k i n gd s t 系列声纳传感器，该传感器的测距范 围为1 - 3 0 0 m ，支持3 6 0 0 全景扫描，波束角为0 0 2 5 0 1 8 0 。声纳传感器的探测范围 对于移动机器人的导航至关重要，所以我们对声纳传感器的安装位置进行了合理 设计。声纳传感器的安装应使得机器人的探测白区达到最小。为了获得较大的视 野范围，在机器人上部共布置了4 个声纳传感器。 2 1 3 视觉传感器 视觉传感器是另为一种常用的外部传感器。它将景物的光信号转换成电信号 的器件，然后生成图像，进而分析图像中环境特征的信息。它对于移动机器人来 说就相当与眼睛对于人同样的功能。在自主移动机器人研究之初，人们首先想到 把它作为主要环境感知设备，因为视觉信息是对环境最全面、最深入的反映。采 用视觉传感器，由于图形图像处理技术的进步，在陆地环境中可以很方便获取环 境信息，从而实现避障与道路跟踪、局部定位以及路标识别。 视觉传感器优点： ( 1 ) 技术成熟，可以获取全面的环境特征信息 ( 2 ) 在一定范围内，数据准确率高 缺点： ( 1 ) 受到光线的限制，适合的工作环境有限 ( 2 ) 测量距离有限 ( 3 ) 移动太快会导致图像模糊，进而引起计算出的数据失准 在本文中，摄像机型号采用的是陕西维视图像的m v - v d 0 3 0 s c ，通过u s b 连 接笔记本电脑。摄像头型号采用c o m p u t a r 的m 0 8 1 4 一m p ，双目相机小支架采用的 是陕西维视的m v - b r 2 8 型号，测量范围在1 - 5 m ，适合局部环境的观测。 1 2 基于多传感器融合的水下机器人自主导航方法研究 2 2 环境地图表示 环境地图表示要求尽量容易理解和计算，容易加入新的信息更新地图。通常 采用平面坐标表示二维地图。然而用平面坐标只能标明环境特征的位置角度和机 器人的位姿，并不能充分表示现实环境的特征，如形状、大小等特征。而应用视 觉传感器获得的环境特征包含丰富的信息，需要采用更复杂、更贴近现实、更容 易理解和计算的地图表示才能充分利用其中的信息。 恰当的空间环境模型的创建，是自主机器人定位和路径规划的基础。由传感 器获得的数据，经处理后要以某种抽象的形式来对环境空间进行表述，并作为地 图信息存储在载体中。载体根据地图给出的信息在外部环境中运动，并持续不断 地感知环境，进一步完善地图。在自主移动机器人的运动过程中，按照一定的环 境描述方法将传感器信息转换成地图的过程是机器人自主导航的基础，而环境描 述的方法又决定了地图的表示形式。因此，环境地图的描述方法对移动机器人的 导航算法有很大影响。 环境地图的描述方法，按照不同的环境模型可以分为好多种，不过它们都要 以方便计算机在地图中增加新的环境特征信息、更新地图信息、导航、定位、路 径规划等为目的。 目前，常用的环境地图描述方法大致可以分为以下几类 1 6 , 4 2 ：栅格地图 ( g r i d - b a s e dm a p ) 、特征地图( g e o m e t r i cf e a t u r em a p ) 、拓扑地图( t o p o l o g i c a lm a p ) 以及混合地图( h y b r i dt o p o l o g i c a l - m e t r i cm a p ) 。前两种地图又被称为米制地图， 即用绝对坐标系统来表示载体的空间环境特征。 2 2 1 栅格地图 栅格地图最开始由e l f e s 和m o r a v e e t 4 3 1 提出。对于二维的栅格地图，整个环境 被均匀的分割为若干单元栅格，每个栅格可以用一个0 1 区间的一个值来表示这 个格子的状态，即表示该位置有无障碍物。0 意味着该位置完全空闲，l 意味着该 位置完全被占用。这样，整个环境空问分为占用空间和空置空间。对于的栅格地 图，每个单元格的值代表这个格子的高度信息，从而表示整个环境地形图。 基于多传感器融合的水下机器人自主导航方法研究 对于不确定性环境，尤其是完全未知环境，事先无法确定每个栅格单元其空 闲或被占据的状态。针对这种不确定性的存在，引入了占据概率的概念，每个栅 格单元以占据概率表示该栅格单元被占据的可信度，占据概率是卜1 之间的一个 数值，如图2 2 所示，白色表示0 ，黑色表示1 ，灰色介于0 1 之间。基于占据概率 的栅格图表示是相当成功的空间环境米制地图表示方法，它便于表示环境中的障 碍物，也有助于载体的避障和自主导航。但是，基于占据概率的栅格地图表示也 存在以下不足维持和更新栅格地图的算法比较复杂栅格地图表示消耗巨大的存 储空间和计算时间网格精度低，不适合定位由于搜索空间庞大，基于栅格地图的 路径规划效率比较低。 用栅格表示的环境地图，环境空问的分辩率与栅格尺寸的大小有关，增加分 辨率就会增加栅格的数目，进而会增加运算的时间和空间复杂度。由于栅格表示 方法的复杂性，可以采用更有效的四叉树结构来表示。 当移动机器人的工作环境是动态的室内环境时，如果运行时间有限，则栅格 地图表示法是比较稳定的。但是，当运行时间较长时，由于无法建立恰当的栅格 地图的全局不确定性模型，若将其作为算法中的地图表述法，生成的环境地图易 与实际地图不符，即引起地图的发敖。 2 2 2 拓扑地图 图2 - 2 栅格地图 拓扑地图1 4 4 , 4 5 1 最开始由b r o o k s ，m a t a r i c 和其它研究者提出。用拓扑地图来表 示环境地图时，它没有用到距离等尺度的表示方法，而是采用逻辑的形式，用一 些特定的地点来描述环境空间信息，在用连线表示点与点之间的关系。拓扑地图 通常表示为一个图表，图中的节点表示一个特定地点，连接节点的弧表示特定地 点之间的路径信息。 1 4 基于多传感器融合的水下机器人自主导航方法研究 拓扑地图表示方法采用关键的节点以及它们之间的相互关系来描述环境。节 点对应环境中的特定位置，其要与环境中的某些易于识别的环境特征或者经常特 征融合得到的自然环境陆标相关联，这样当机器人到达某一位置时，机器人能辨 识其自身位于拓扑地图中的那个节点。拓扑地图中的边为机器人在节点间运行提 供了所沿着的路径。拓扑地图还要给机器人提供足够的位置信息，如相邻节点的 相对距离和方向，来保证机器人能正确的在节点间运行。 所以，拓扑地图表示不需要保证地图的全局一致性，而且对存储空间和计算 时间要求都比较低，因此，基于拓扑地图的路径规划效率往往会比较高，而且易 于实现机器入导航过程中的路径规划，虽然不能保证该路径为最优选择。另外， 拓扑地图表示方法也存在缺点，如当环境中的特征很相似时，拓扑地图表示法不 能将它们区分开，而且拓扑图重在描述环境特征之间的连接关系，相对于米制地 图的绝对坐标表示要求，拓扑图不能给出特征的精确位置，也就是说，基于拓扑 地图的定位精度较低。因此，拓扑地图在动态的环境和环形区域中的构建和维护 比较困难。 2 2 3 特征地图 图2 3 拓扑地图 特征地图由一组环境特征几何的描述组成，每一个环境特征用一个几何模型 来近似。这种地图只局限于表示可参数化的环境特征或者可建模的对象，如点、 线、面。特征地图的构建方法大都是基于对环境信息的相对观测，然后用这些观 测到的环境特征表示坏境地图。由于以几何位置关系来表示环境地图，所以为了 保证地图的一致性，要求各观测信息的位置是相对精确的。对于结构化的室内实 验环境，用一些几何模型来表示环境空间是可行的。用线段来拟合室内的墙面， 基于多传感器融含的水下机器人自主导航方法研究 用点来拟合墙角、桌子角等。 的大树位置。而对于室外越 中特征的提取需要对感知信， 果。 基于特征地图的定位准面 于路径规划和