关键字：AUV;;SLAM算法;;EKF;;虚拟噪声补偿技术;;噪声统计估值器;;matlab仿真

摘要：自主式水下机器人(AUV)同时定位与环境地图构建(SLAM)是实现水下未知环境自主导航的关键性技术,是机器人研究的热门课题之一。针对自主式水下机器人SLAM框架下应用扩展卡尔曼滤波(EKF)因模型线性化产生误差以及噪声统计未知的情形,采用一种基于虚拟噪声补偿技术的EKF算法,该方法可以把未知模型误差归入到虚拟噪声中去,运用噪声统计估值器在线估计噪声统计。以构建的AUV运动系统的模型为基准,从滤波精度、收敛性及算法稳定性方面,通过matlab仿真验证改进的EKF算法的效果。仿真结果表明,相对于传统的EKF算法,改进后的EKF算法估计精度更高,预期效果更好,有效提高了非线性滤波的性能。

卷号：v.28

期号：01

是否译文：否