CN108415445B - 一种基于开关约束的水下航行器定位鲁棒优化方法 - Google Patents
一种基于开关约束的水下航行器定位鲁棒优化方法 Download PDFInfo
- Publication number
- CN108415445B CN108415445B CN201810130924.1A CN201810130924A CN108415445B CN 108415445 B CN108415445 B CN 108415445B CN 201810130924 A CN201810130924 A CN 201810130924A CN 108415445 B CN108415445 B CN 108415445B
- Authority
- CN
- China
- Prior art keywords
- constraint
- underwater vehicle
- switch
- closed loop
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000002474 experimental method Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010276 construction Methods 0.000 abstract description 8
- 230000002411 adverse Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000001360 synchronised effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000009751 slip forming Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0875—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted to water vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于开关约束的水下航行器定位鲁棒优化方法,针对传统水下航行器导航控制方法未能对错误闭环实现鲁棒性的缺点,基于General Graph Optimization(g2o)和开关约束的导航控制方法,采用一种开关约束后端优化方法,利用节点因子图,设计了一种消除地图构建过程中产生的错误闭环的方法。本发明解决现有水下航行器在同步定位与地图构建过程中产生错误闭环而导致其所构建地图出现错误的局限,使得航行器在地图构建过程中对错误闭环进行处理并加权为零,并且添加开关先验约束,以消除错误闭环带来的不利影响。理论证明了该发明的鲁棒性,实验验证了该发明的有效性,对减小水下航行器地图构建错误率有良好的效果。
Description
技术领域
本发明属于水下航行器导航控制领域涉及一种基于开关约束的水下航行器定位鲁棒优化方法。
背景技术
水下航行器由于没有GPS信号的支持,需要通过自身路径不断形成闭环来消除里程计误差并进行地图构建与自身定位的优化。而传统的优化方法是利用最小二乘优化方法,包括增量式平滑和映射方法(iSAM)和一致姿态估计方法,即水下航行器通过将视觉树方法与贝叶斯概率框架相结合来解决这个问题,由此将位置识别化为递归贝叶斯估计问题,或者通过立体相机来检测潜在的闭合环路,并基于几何一致性检查来过滤错误闭环。
从上述分析过程可以看出,传统的水下航行器导航控制技术系统在理想的环境下能够保证其鲁棒性,但无法实现对错误闭环的处理能力,因而极易造成地图构建出错。鉴于此,本文发明了一种基于开关约束的水下航行器定位鲁棒优化方法,用以处理错误闭环。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于开关约束的水下航行器定位鲁棒优化方法,针对传统水下航行器导航控制方法未能对错误闭环实现鲁棒性的缺点,基于General Graph Optimization(g2o)和开关约束的导航控制方法,使得航行器在地图构建过程中对错误闭环进行处理并加权为零,并且添加开关先验约束,以消除错误闭环带来的不利影响。
技术方案
一种基于开关约束的水下航行器定位鲁棒优化方法,其特征在于步骤如下:
步骤1:通过水下航行器实验来构建因子图,并使用模型的条件概率分布P(X|U)来解决SLAM姿态图问题:
其中:X表示节点姿态,U表示节点约束;给定一组里程计测距和闭环约束ui,uij∈U,其中ui表示任何类型的控制输入,与xi相关,xi表示节点i;uij表示与xi和xj之间的闭环有关的位移;
最优的机器人姿态表示为X*;
步骤2:将模型的条件概率分布P(X|U)分解成:
其中:xi+1~N(f(xi,ui),∑i),xj~N(f(xi,uij),∧ij),f(xi,ui)表示通过运动模型连接两个连续状态xi和xi+1的里程计约束条件,∑i表示里程计约束协方差矩阵,∧ij表示闭环约束协方差矩阵;
求解最优的机器人姿态X*:
步骤3:对最优的机器人姿态X*引入二进制加权因子ωij:
所述权重ωij=Ψ(sij):R→{0,1}
其中:Ψ(sij)为将开关变量映射为权重因子的开关函数;
步骤4:对Ψ使用S形函数:
并将新的开关变量S={sij}引入到成本函数中:
步骤5:将sij的初始值设置为γij,并将开关变量sij建模为正态分布的高斯变量:
sij~N(γij,Ξij)
其中:Ξij为sij的切换先验约束的协方差矩阵;
基于以上,得出下式:
为导航控制的最优机器人姿态X*。
有益效果
本发明提出的一种基于开关约束的水下航行器定位鲁棒优化方法,针对传统水下航行器导航控制方法未能对错误闭环实现鲁棒性的缺点,基于General GraphOptimization(g2o)和开关约束的导航控制方法,采用一种开关约束后端优化方法,利用节点因子图,设计了一种消除地图构建过程中产生的错误闭环的方法。
本发明解决现有水下航行器在同步定位与地图构建过程中产生错误闭环而导致其所构建地图出现错误的局限,使得航行器在地图构建过程中对错误闭环进行处理并加权为零,并且添加开关先验约束,以消除错误闭环带来的不利影响。理论证明了该发明的鲁棒性,实验验证了该发明的有效性,对减小水下航行器地图构建错误率有良好的效果。
附图说明
图1:SLAM过程中产生的闭环因子图;
图2:航行器实际路径;
图3:路径优化结果;
具体实施方式
现结合实施例、附图对本发明作进一步描述:
首先进行水下环境布置。在水下布置五个标记点并将其中任意两个设置为相同点。
确定水下航行器初始位置(x,z)=(0,0);航行器速度v=1m/s,内部里程计的精度为方差为1的高斯白噪声,以预设附图2路径航行。
步骤1:在水下进行地图构建实验,并且进行数据融合并建立因子图,如附图1所示,并使用模型的条件概率分布P(X|U)来解决SLAM姿态图问题。其中X表示节点姿态,U表示节点约束。给定一组里程计测距和闭环约束ui,uij∈U,其中ui表示任何类型的控制输入,与xi相关,xi表示节点i,uij表示与xi和xj之间的闭环有关的位移。我们寻求最优的机器人姿态,表示为X*。即:
步骤2:将节点概率分布分解成:
其中xi+1~N(f(xi,ui),∑i),xj~N(f(xi,uij),∧ij),f(xi,ui)表示通过运动模型连接两个连续状态xi和xi+1的里程计约束条件,∑i表示里程计约束协方差矩阵,∧ij表示闭环约束协方差矩阵。
经过转换后,我们可以求解最大后验解X*
步骤3:引入二进制加权因子ωij
其中ωij∈{0,1}
并为每个权重ωij引入一个连续变量sij∈R,即xi和xj之间的闭环约束的开关变量
ωij=Ψ(sij):R→{0,1} (5)
其中Ψ(sij)为将开关变量映射为权重因子的开关函数。
步骤4:对Ψ使用S形函数
并将新的开关变量S={sij}引入到成本函数中
步骤5:将sij的初始值设置为γij,并将开关变量sij建模为正态分布的高斯变量,即
sij~N(γij,Ξij) (8)
其中Ξij为sij的切换先验约束的协方差矩阵。
基于以上,得出
水下航行器在本发明的导航控制方法下允许优化器改变由前端进行的数据关联。因此,它可以消除一些环路闭合约束的影响,从而即使存在异常值的情况下也能收敛到正确的解。最后在步骤(5)获得的控制方法的作用下对航行器进行实验分析,在存在相似区域的水下环境中进行实验,完成水下航行器导航控制方法验证。
实验中对水下航行器进行10次数据采集,对所得出的因子图,在g2o的基础上,通过本发明方法处理后进行结果分析。航行器根据本发明设计的控制律式(9),达到所需的消除错误的闭环约束效果。实验表明,该发明对处理水下航行器地图构建错误闭环具有良好的效果。
Claims (1)
1.一种基于开关约束的水下航行器定位鲁棒优化方法,其特征在于步骤如下:
步骤1:通过水下航行器实验来构建因子图,并使用模型的条件概率分布P(X|U)来解决SLAM姿态图问题:
其中:X表示节点姿态,U表示节点约束;给定一组里程计测距和闭环约束ui,uij∈U,其中ui表示任何类型的控制输入,与xi相关,xi表示节点i;uij表示与xi和xj之间的闭环有关的位移;
最优的机器人姿态表示为X*;
步骤2:将模型的条件概率分布P(X|U)分解成:
其中:xi+1~N(f(xi,ui),∑i),xj~N(f(xi,uij),∧ij),f(xi,ui)表示通过运动模型连接两个连续状态xi和xi+1的里程计约束条件,∑i表示里程计约束协方差矩阵,∧ij表示闭环约束协方差矩阵;
求解最优的机器人姿态X*:
步骤3:对最优的机器人姿态X*引入二进制加权因子ωij:
所述权重ωij=Ψ(sij):R→{0,1}
其中:Ψ(sij)为将开关变量映射为权重因子的开关函数;
步骤4:对Ψ使用S形函数:
并将新的开关变量S={sij}引入到成本函数中:
步骤5:将sij的初始值设置为γij,并将开关变量sij建模为正态分布的高斯变量:
sij~N(γij,Ξij)
其中:Ξij为sij的切换先验约束的协方差矩阵;
基于以上,得出下式:
为导航控制的最优机器人姿态X*。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810130924.1A CN108415445B (zh) | 2018-02-09 | 2018-02-09 | 一种基于开关约束的水下航行器定位鲁棒优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810130924.1A CN108415445B (zh) | 2018-02-09 | 2018-02-09 | 一种基于开关约束的水下航行器定位鲁棒优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108415445A CN108415445A (zh) | 2018-08-17 |
CN108415445B true CN108415445B (zh) | 2020-11-06 |
Family
ID=63128184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810130924.1A Active CN108415445B (zh) | 2018-02-09 | 2018-02-09 | 一种基于开关约束的水下航行器定位鲁棒优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108415445B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782289B (zh) * | 2018-12-26 | 2022-07-05 | 中国电子科技集团公司第二十研究所 | 一种基于基线几何结构约束的水下航行器定位方法 |
CN109855645A (zh) * | 2019-03-27 | 2019-06-07 | 小驴机器人(武汉)有限公司 | 一种agv小车混合视觉导航方法 |
CN110764533A (zh) * | 2019-10-15 | 2020-02-07 | 哈尔滨工程大学 | 一种多水下机器人协同目标搜索方法 |
CN111025229B (zh) * | 2019-12-19 | 2022-11-01 | 哈尔滨工程大学 | 一种水下机器人纯方位目标估计方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013057238A1 (fr) * | 2011-10-21 | 2013-04-25 | Arkeocean | Dispositif de balisage, système d'exploration d'une zone immergée ainsi que procédés de déploiement et repliement d'un tel dispositif de balisage |
CN104850615A (zh) * | 2015-05-14 | 2015-08-19 | 西安电子科技大学 | 一种基于g2o的SLAM后端优化算法方法 |
CN105022401A (zh) * | 2015-07-06 | 2015-11-04 | 南京航空航天大学 | 基于视觉的多四旋翼无人机协同slam的方法 |
CN105352496A (zh) * | 2015-11-17 | 2016-02-24 | 中国海洋大学 | 基于声呐辅助自主导航的auv导航方法 |
EP3098566A1 (en) * | 2015-05-18 | 2016-11-30 | Goodrich Corporation | System architecture for machine vision on moving platforms |
CN106767836A (zh) * | 2017-02-17 | 2017-05-31 | 哈尔滨工程大学 | 一种auv地形匹配导航滤波方法 |
CN106803677A (zh) * | 2017-04-11 | 2017-06-06 | 四川大学 | 一种基于分布式电源的主动配电网电压管控方法及系统 |
CN107450572A (zh) * | 2017-07-26 | 2017-12-08 | 江苏科技大学 | 基于滑模控制的水下机器人姿态调节控制系统及处理方法 |
CN107561541A (zh) * | 2016-06-30 | 2018-01-09 | 天津广深科技有限公司 | 一种水下机器人的定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9242523B2 (en) * | 2010-03-30 | 2016-01-26 | Aeplog, Inc. | Autonomous maritime container system |
-
2018
- 2018-02-09 CN CN201810130924.1A patent/CN108415445B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013057238A1 (fr) * | 2011-10-21 | 2013-04-25 | Arkeocean | Dispositif de balisage, système d'exploration d'une zone immergée ainsi que procédés de déploiement et repliement d'un tel dispositif de balisage |
CN104850615A (zh) * | 2015-05-14 | 2015-08-19 | 西安电子科技大学 | 一种基于g2o的SLAM后端优化算法方法 |
EP3098566A1 (en) * | 2015-05-18 | 2016-11-30 | Goodrich Corporation | System architecture for machine vision on moving platforms |
CN105022401A (zh) * | 2015-07-06 | 2015-11-04 | 南京航空航天大学 | 基于视觉的多四旋翼无人机协同slam的方法 |
CN105352496A (zh) * | 2015-11-17 | 2016-02-24 | 中国海洋大学 | 基于声呐辅助自主导航的auv导航方法 |
CN107561541A (zh) * | 2016-06-30 | 2018-01-09 | 天津广深科技有限公司 | 一种水下机器人的定位方法 |
CN106767836A (zh) * | 2017-02-17 | 2017-05-31 | 哈尔滨工程大学 | 一种auv地形匹配导航滤波方法 |
CN106803677A (zh) * | 2017-04-11 | 2017-06-06 | 四川大学 | 一种基于分布式电源的主动配电网电压管控方法及系统 |
CN107450572A (zh) * | 2017-07-26 | 2017-12-08 | 江苏科技大学 | 基于滑模控制的水下机器人姿态调节控制系统及处理方法 |
Non-Patent Citations (1)
Title |
---|
海洋勘测水下无人航行器的自主控制技术研究;严浙平,等;《哈尔滨工程大学学报》;20160930;第34卷(第9期);第1152-1158页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108415445A (zh) | 2018-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108415445B (zh) | 一种基于开关约束的水下航行器定位鲁棒优化方法 | |
Li et al. | Joint smoothing and tracking based on continuous-time target trajectory function fitting | |
Li et al. | Spatio-temporal graph dual-attention network for multi-agent prediction and tracking | |
Zhao et al. | A spatial-temporal attention model for human trajectory prediction. | |
CN111144364B (zh) | 一种基于通道注意更新机制的孪生网络目标跟踪方法 | |
Cheng et al. | Bi-pointflownet: Bidirectional learning for point cloud based scene flow estimation | |
Chiu et al. | Robust vision-aided navigation using sliding-window factor graphs | |
Boeing et al. | Leveraging multiple simulators for crossing the reality gap | |
CN105467838A (zh) | 一种随机有限集框架下的同步定位与地图构建方法 | |
CN114611663A (zh) | 一种基于在线更新策略的定制化行人轨迹预测方法 | |
CN111025229B (zh) | 一种水下机器人纯方位目标估计方法 | |
Zhao et al. | Large-scale monocular SLAM by local bundle adjustment and map joining | |
Dezert et al. | Environment perception using grid occupancy estimation with belief functions | |
Xiong et al. | Multi-uncertainty captured multi-robot lidar odometry and mapping framework for large-scale environments | |
Liu et al. | Enhancing state estimation in robots: A data-driven approach with differentiable ensemble kalman filters | |
Ferruz et al. | Real-time feature matching in image sequences for non-structured environments. Applications to vehicle guidance | |
Wang et al. | Extraction of preview elevation information based on terrain mapping and trajectory prediction in real-time | |
Jwo et al. | Particle swarm optimization for GPS navigation Kalman filter adaptation | |
Cao et al. | Unsupervised visual odometry and action integration for pointgoal navigation in indoor environment | |
Nguyen et al. | CKF‐Based Visual Inertial Odometry for Long‐Term Trajectory Operations | |
CN113532457B (zh) | 机器人路径导航方法、系统、设备及存储介质 | |
Havangi et al. | A novel adaptive neuro-fuzzy unscented Kalman filter for SLAM | |
Goforth et al. | Joint pose and shape estimation of vehicles from lidar data | |
Weng et al. | CyLKs: Unsupervised Cycle Lucas-Kanade Network for Landmark Tracking | |
Liu et al. | Trajectory prediction and visual localization of snake robot based on BiLSTM neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |