CN112445243B - 一种适用于自主水下机器人的海底目标搜寻方法 - Google Patents
一种适用于自主水下机器人的海底目标搜寻方法 Download PDFInfo
- Publication number
- CN112445243B CN112445243B CN202011236848.6A CN202011236848A CN112445243B CN 112445243 B CN112445243 B CN 112445243B CN 202011236848 A CN202011236848 A CN 202011236848A CN 112445243 B CN112445243 B CN 112445243B
- Authority
- CN
- China
- Prior art keywords
- target
- autonomous underwater
- time
- underwater robot
- target position
- 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 28
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims description 39
- 239000013598 vector Substances 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 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
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及水下机器人目标搜索技术领域,尤其涉及一种自主水下机器人的海底目标搜寻方法,本发明通过观测性分析技术实现搜索路径的在线规划,同时利用目标的位置估计反馈校正自主水下机器人累积导航误差,抑制平台对目标位置估计的干扰,实现自主水下机器人对目标位置的精确估计。本方法能够有效地处理水下目标搜索,自主规划搜寻路径,改善系统可观测性;采用自主水下机器人导航位置和目标位置滚动优化策略,抑制自主水下机器人导航累积误差对目标估计的干扰,提高了目标位置搜索精度,具有较强的工程应用价值;本方法移植方便,扩展性强,也适用于无人船、半潜式自主水下机器人等的海底目标搜索应用领域。
Description
技术领域
本发明涉及水下机器人目标搜索技术领域,尤其涉及一种无人自主水下机器人(简称AUV)的海底目标搜寻方法,实现自主水下机器人基于方位测量对海底目标搜寻并定位。
背景技术
在海洋工程、海洋调查、海洋搜救过程中,自主水下机器人发挥越来越重要的作用。近年来,在马航MH370残骸搜寻事件中,自主水下机器人充当了深海目标搜寻的重要角色。传统基于声学图像的目标探测是使用有源声学探测载荷,而自主水下机器人有限的能源制约了有源声学探测载荷半径的提升,所以需要研究一种基于低能耗、高探测效率探测载荷的自主水下机器人目标搜寻技术。舷侧阵声呐是一种无源目标探测载荷,能够测量具有声源特征的水下目标相对方位,具有低能耗、探测半径大的技术优势。研究适用于自主水下机器人平台基于目标方位测量的目标搜寻技术,即基于舷侧阵声呐的自主水下机器人目标搜寻技术,是提高水下目标搜寻效率的关键技术。传统适用于自主水下机器人的基于目标方位测量的搜索技术,将自主水下机器人与搜索目标的方位角作为直接观测量,根据分时目标方位角组成的观测方程组来间接计算目标位置,实现自主水下机器人平台成功搜索目标并估计目标位置。传统适用于自主水下机器人的基于方位测量的目标搜索技术存在以下缺点:(1)基于目标方位角的观测方程是非线性间接观测方程,该特征制约了目标位置估计精度的进一步提高,有时甚至存在目标位置估计无法收敛的技术风险;(2)传统模型假设在分时方位测量期间,自主水下机器人机动航行不会引入自身的导航误差,而现实环境中自主水下机器人本体运动产生的导航误差是不可忽略的,该误差是影响目标位置估计精度的关键要素。所以,适用于自主水下机器人的基于方位测量的目标搜索技术需要解决两个关键技术难题,第一,如何保证目标观测方程的可观测性,如何高效融合目标方位角测量进而获得精确的目标位置估计,即保证基于方位测量的目标可观测性,实现对目标位置的实时可估计;第二,如何抑制观测平台自身运动而引入的导航误差,防止目标位置估计精度随着时间的增加而下降,即抑制平台运动噪声对目标位置估计的干扰,实现对目标位置的精确估计。
发明内容
本发明涉及水下机器人目标搜索技术领域,尤其涉及一种自主水下机器人(简称AUV)的海底目标搜寻方法,针对改善目标可观测性、提高搜索目标的位置估计精度等关键技术问题,提出了一种适用于自主水下机器人的基于方位测量的目标搜索方法。
本发明为实现上述目的所采用的技术方案是:
一种适用于自主水下机器人的海底目标搜寻方法,包括以下步骤:
当自主水下机器人检测到目标方位后,进行分时方位量测路径的规划;
在分时方位量测路径上,利用自主水下机器人在一个周期内对目标的方位测距,计算目标位置的粗估计;
根据自主水下机器人在一个周期内对目标位置的粗估计,反馈校正自主水下机器人累积航行误差,获得一个周期内自主水下机器人位置的优化估计集合;
在优化估计集合中更新自主水下机器人位置,重新计算新的周期内目标位置;
评估新的周期目标位置精度;
将各周期目标位置和精度估计进行循环数据融合,计算多周期条件下的目标位置以及对应精度;
自主规划水下机器人的目标搜索路径,实时估计各周期的目标位置,同时数据融合多周期目标位置估计和精度,计算出全局条件下目标位置估计和精度。
所述一个周期为相邻5个时间点。
所述分时方位量测路径满足以下公式:
所述优化估计集合通过以下方程组获得:
其中,表示自主水下机器人从时刻ti到时刻ti+4位置的优化集合,即 到分别表示自主水下机器人时刻ti到时刻ti+4位置的优化估计;Hi表示时刻ti目标方位角αi与自主水下机器人位置的相关量测向量;HList,i表示时刻ti到时刻ti+4目标方位角与自主水下机器人位置的相关量测向量集合;Zi表示时刻ti目标方位角αi和自主水下机器人位置Xi构建的量测;Xi(1)和Xi(2)分别表示自主水下机器人位置Xi的北向位置、东向位置;Xob,i(1)和Xob,i(2)分别表示目标位置粗估计Xob,i的北向位置、东向位置;ri表示自主水下机器人位置Xi和目标位置Xob,i的欧式距离;ZList,i表示表示时刻ti到时刻ti+4的自主水下机器人位置和目标位置构建的量测集合。
所述评估新的周期目标位置精度具体为:
定义Pob,i表示自主水下机器人基于从时刻ti到时刻ti+4方位角计算目标位置的精度,
所述计算多周期条件下的目标位置以及对应精度通过以下公式:
Xnext=[I-Pnext(Pnext+Pob,i)-1]Xnext+Pnext(Pnext+Pob,i)-1*Xob,i
Pnext=[I-Pnext(Pnext+Pob,i)-1]Pnext
其中,Xob,1和Pob,1分别表示自主水下机器人从时刻t1到时刻t5对目标的位置估计和精度估计;Xnext和Pnext分别表示自主水下机器人当前对目标的位置估计和精度估计;I表示单位矩阵。
本发明具有以下有益效果及优点:
1.相对于传统基于方位测量的目标搜索,本方法使用目标搜索算法既能够改善目标的可观测性,也能够高效融合目标方位测量,提高了目标位置估计精度。
2.应用范围广。本发明不但可以应用于AUV平台水下目标搜索,还可以用于其它潜航器的水下目标搜索。
3.为了有效融合目标方位测量,改善目标观测方程的可观测,同时降低AUV运动噪声对目标位置估计精度的影响,本发明将目标搜索定位与自主水下机器人定位优化相结合,有效抑制AUV平台累积误差对目标估计的干扰,提高目标精确搜索。
附图说明
图1a是本发明的组成示意图一;
图1b是本发明的组成示意图二;
图2是本发明的流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
整个系统组成包括1台自主水下机器人、自主水下机器人搭载的多普勒计程仪、深水罗经、舷侧阵声呐等设备。其中自主水下机器人是搭载多普勒计程仪、深水罗经、舷侧阵声呐的运载具,多普勒计程仪、深水罗经是自主水下机器人的内部导航传感器,其中多普勒计程仪的作用是测量自主水下机器人相对于海底的航行速度;深水罗经的作用是测量自主水下机器人的航向角、纵倾角、横滚角等姿态角;舷侧阵声呐是目标探测传感器,它的作用是测量自主水下机器人与目标的方位角,系统组成如图1a~图1b所示。
如图2所示,整个系统按照如下流程工作:
为了描述方便,首先对一些变量进行定义。定义Xi=(xi,yi)T表示自主水下机器人在时刻ti的空间位置,其中xi,,yi,分别表示北向位置,东向位置,i是时刻t的索引序号,时刻t索引序号的最大值是n。定义αi表示在时刻ti自主水下机器人与目标的方位角,定义表示方位角αi的单位向量,即定义表示方位角αi的随机误差,它服从方差的正态分布,即方位角是舷侧阵声呐对目标的测量值,方差也是舷侧阵声呐的设备工作参数,该参数由设备厂家提供。为了方便描述矩阵和向量的运算,定义T表示矩阵或向量的转置算子,||·||表示向量的2范数算子。
第一步,规划分时方位量测路径
当自主水下机器人检测到目标方位后,自主水下机器人开始规划分时方位量测路径,对量测路径的要求如下:以当前位置为中心进行机动航行同时测量目标方位,要求量测路径满足可观测条件,测量路径可观测判别依据是如下判别公式:
其中点Xi和点Xi+1分别表示自主水下机器人在相邻时刻ti和ti+1的位置;c是线性化判定常数,工程上可以取经验值0.9;是方位角αi的标准差,它是舷侧阵声呐的设备工作参数,该参数由设备厂家提供,一般情况下σα取值小于0.03弧度。该判别式的物理含义是在考虑方位角误差干扰的前提下,当相邻时刻观测路径满足判别式时,那么该路径对目标具有可观测性。所以在实际工程应用过程中,建议方位角量测路径采用多边形轨迹(边数不少于6条),相邻分时方位路径点距离不小于100米。
第二步,计算目标位置的粗估计
利用自主水下机器人相邻5个时间点对目标的方位测距,计算目标的粗估计。定义Xob,i表示自主水下机器人从时刻ti到时刻ti+4对目标位置的粗估计,它是通过求解如下方程组获得:
其中Bi表示时刻ti目标方位角αi的量测向量,它是中间变量,它的计算方法见公式(3);BList,i表示时刻ti到时刻ti+4目标方位角的量测向量集合,它是中间变量;Yi表示时刻ti目标方位角αi和自主水下机器人位置Xi构建的量测,它是中间变量,它的计算方法见方程组(4);YList,i表示时刻ti到时刻ti+4目标方位角和自主水下机器人位置构建的量测集合,它是中间变量;Xob,i是方程组中的待求解位置变量。
Bi=[tan(αi)-1],for i=1to n (3)
其中αi表示时刻ti目标的方位角,它由是舷侧阵声呐提供,是已知量;n表示对目标的最大测量次数,也是时刻的最大索引,即最后一次对目标方位进行测量的时刻为tn。
其中αi表示时刻ti目标的方位角,它由是舷侧阵声呐提供,是已知量;n表示对目标的最大测量次数,即最后一次对目标方位进行测量的时刻为tn;Γ(ti)表示自主水下机器人在时刻ti的运动迁移矩阵,它是由时刻ti的航向角ψ(ti)、纵倾角θ(ti)、航行速度u(ti)构建的矩阵,它是中间变量;Δt是自主水下机器人的运动周期,它是系统参数,用户可以自行设定,建议取值为1;ψ(ti)、θ(ti)分别表示自主水下机器人在时刻ti的航向角、纵倾角,它们由自主水下机器人搭载的深水罗经提供,是已知运动变量;u(ti)表示主水下机器人在时刻ti的航行速度,它由自主水下机器人搭载的多普勒计程仪提供,是已知运动变量;X1表示自主水下机器人在时刻t1的位置,它是已知量;Xi和Xi-1分别表示自主水下机器人在时刻ti、时刻ti-1的位置,Xi是需要求解的中间变量,很明显,Xi可以由上一时刻ti-1的位置Xi-1递推计算,且X1是已知量,那么任意时刻位置Xi均能从X1或Xi-1递推求解。
第三步,优化自主水下机器人位置
利用自主水下机器人在相邻5个时间点对目标位置的粗估计和目标在海底保持静止的物理特征,反馈校正自主水下机器人累积航行误差,获得相邻5个时间点自主水下机器人位置的优化估计集合定义表示自主水下机器人从时刻ti到时刻ti+4位置的优化集合,即其中到分别表示自主水下机器人时刻ti到时刻ti+4位置的优化估计,从到组合构建了它是通过求解如下方程组获得:
其中Hi表示时刻ti目标方位角αi与自主水下机器人位置的相关量测向量,它是中间变量;HList,i表示时刻ti到时刻ti+4目标方位角与自主水下机器人位置的相关量测向量集合,它是中间变量;Zi表示时刻ti目标方位角αi和自主水下机器人位置Xi构建的量测,它是中间变量;Xi(1)和Xi(2)分别表示自主水下机器人位置Xi的北向位置、东向位置;同理,Xob,i(1)和Xob,i(2)分别表示目标位置粗估计Xob,i的北向位置、东向位置;ri表示自主水下机器人位置Xi和目标位置Xob,i的欧式距离,它是中间变量;ZList,i表示表示时刻ti到时刻ti+4的自主水下机器人位置和目标位置构建的量测集合,它是中间变量;是方程组中的待求解变量集合。
第四步,反馈优化本周期目标位置
表1反馈优化本周期的目标位置
第五步,评估本周期目标位置精度。
定义Pob,i表示自主水下机器人基于从时刻ti到时刻ti+4方位角计算目标位置的精度,它是通过求解如下方程组获得
其中j表示索引序号,对应时刻是tj;目标方位角αj表示时刻tj的目标方位角,它由舷侧阵声呐提供;rj表示自主水下机器人位置Xj和目标位置Xob,i的欧式距离,它是中间变量;方差是舷侧阵声呐的设备工作参数,它是已知量;Pob,i是方程组中的待求解变量。
第六步,计算多周期目标位置
数据融合各周期目标位置和精度估计,计算多周期条件下的目标位置,同时给出目标位置估计的精度。定义Xob表示自主水下机器人从时刻t1到时刻tn对目标位置的估计,定义Pob表示自主水下机器人从时刻t1到时刻tn对目标位置估计的精度,它们是待求解变量,按照下表方法计算获得:
表2多周期目标位置的数据融合方法
其中,Xob,1和Pob,1分别表示自主水下机器人从时刻t1到时刻t5对目标的位置估计和精度估计,对于该步骤而言,它们是已知输入量;Xnext和Pnext分别表示自主水下机器人当前对目标的位置估计和精度估计,它们是中间变量;I表示单位矩阵。
第七步,计算全局目标位置
自主规划水下机器人的目标搜索路径,实时估计各周期的目标位置,同时数据融合多周期目标信息,最后计算出全局条件下目标位置估计和精度。定义Xob表示自主水下机器人从时刻t1到时刻tn对目标位置的估计,即全局目标位置;定义Pob表示自主水下机器人从时刻t1到时刻tn对目标位置估计的精度,即全局目标位置的精度,它们通过下表进行求解。
表3计算全局条件下的目标位置
本发明通过观测性分析技术实现搜索路径的在线规划,同时利用目标的位置估计反馈校正自主水下机器人累积导航误差,抑制平台对目标位置估计的干扰,实现自主水下机器人对目标位置的精确估计。本发明包括:首先,自主水下机器人自主规划量测路径,建立对目标的有效观测;然后,基于当前方位信息对目标位置进行初始估计,同时利用目标运动特征反馈校正自主水下机器人本身导航位置,实现目标位置估计和自主水下机器人位置估计的滚动优化;最后,数据融合多周期目标信息,实现对目标位置估计的全局优化,并给出目标位置的估计精度。本方法能够有效地处理水下目标搜索问题,自主规划搜寻路径,改善系统可观测性;采用自主水下机器人导航位置和目标位置滚动优化策略,抑制自主水下机器人导航累积误差对目标估计的干扰,提高了目标位置搜索精度,具有较强的工程应用价值;本方法移植方便,扩展性强,也适用于无人船、半潜式自主水下机器人等的海底目标搜索应用领域。
Claims (5)
1.一种适用于自主水下机器人的海底目标搜寻方法,其特征在于,包括以下步骤:
当自主水下机器人检测到目标方位后,进行分时方位量测路径的规划;
在分时方位量测路径上,利用自主水下机器人在一个周期内对目标的方位测距,计算目标位置的粗估计;
所述分时方位量测路径满足以下公式:
根据自主水下机器人在一个周期内对目标位置的粗估计,反馈校正自主水下机器人累积航行误差,获得一个周期内自主水下机器人位置的优化估计集合;
在优化估计集合中更新自主水下机器人位置,重新计算新的周期内目标位置;
评估新的周期目标位置精度;
将各周期目标位置和精度估计进行循环数据融合,计算多周期条件下的目标位置以及对应精度;
自主规划水下机器人的目标搜索路径,实时估计各周期的目标位置,同时数据融合多周期目标位置估计和精度,计算出全局条件下目标位置估计和精度。
2.根据权利要求1所述的一种适用于自主水下机器人的海底目标搜寻方法,其特征在于,所述一个周期为相邻5个时间点。
3.根据权利要求1所述的一种适用于自主水下机器人的海底目标搜寻方法,其特征在于,所述优化估计集合通过以下方程组获得:
其中,表示自主水下机器人从时刻ti到时刻ti+4位置的优化集合,即 到分别表示自主水下机器人时刻ti到时刻ti+4位置的优化估计;Hi表示时刻ti目标方位角αi与自主水下机器人位置的相关量测向量;HList,i表示时刻ti到时刻ti+4目标方位角与自主水下机器人位置的相关量测向量集合;Zi表示时刻ti目标方位角αi和自主水下机器人位置Xi构建的量测;Xi(1)和Xi(2)分别表示自主水下机器人位置Xi的北向位置、东向位置;Xob,i(1)和Xob,i(2)分别表示目标位置粗估计Xob,i的北向位置、东向位置;ri表示自主水下机器人位置Xi和目标位置Xob,i的欧式距离;ZList,i表示时刻ti到时刻ti+4的自主水下机器人位置和目标位置构建的量测集合。
5.根据权利要求1所述的一种适用于自主水下机器人的海底目标搜寻方法,其特征在于,所述计算多周期条件下的目标位置以及对应精度通过以下公式:
Xnext=[I-Pnext(Pnext+Pob,i)-1]Xnext+Pnext(Pnext+Pob,i)-1*Xob,i
Pnext=[I-Pnext(Pnext+Pob,i)-1]Pnext
其中,Xob,1和Pob,1分别表示自主水下机器人从时刻t1到时刻t5对目标的位置估计和精度估计;Xnext和Pnext分别表示自主水下机器人当前对目标的位置估计和精度估计;I表示单位矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011236848.6A CN112445243B (zh) | 2020-11-09 | 2020-11-09 | 一种适用于自主水下机器人的海底目标搜寻方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011236848.6A CN112445243B (zh) | 2020-11-09 | 2020-11-09 | 一种适用于自主水下机器人的海底目标搜寻方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112445243A CN112445243A (zh) | 2021-03-05 |
CN112445243B true CN112445243B (zh) | 2022-02-11 |
Family
ID=74736724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011236848.6A Active CN112445243B (zh) | 2020-11-09 | 2020-11-09 | 一种适用于自主水下机器人的海底目标搜寻方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112445243B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106679662A (zh) * | 2015-11-06 | 2017-05-17 | 中国科学院沈阳自动化研究所 | 一种基于tma技术的水下机器人单信标组合导航方法 |
CN108594834A (zh) * | 2018-03-23 | 2018-09-28 | 哈尔滨工程大学 | 一种面向未知环境下多auv自适应目标搜索和避障方法 |
CN109751048A (zh) * | 2019-01-17 | 2019-05-14 | 北京理工大学 | 一种蛇形仿生机器人缝洞型油藏勘测系统及方法 |
CN111025229A (zh) * | 2019-12-19 | 2020-04-17 | 哈尔滨工程大学 | 一种水下机器人纯方位目标估计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5526001A (en) * | 1992-12-11 | 1996-06-11 | Litton Systems Inc. | Precise bearings only geolocation in systems with large measurements bias errors |
US8588808B2 (en) * | 2010-05-24 | 2013-11-19 | Nice-Systems Ltd. | Method and system for estimation of mobile station velocity in a cellular system based on geographical data |
-
2020
- 2020-11-09 CN CN202011236848.6A patent/CN112445243B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106679662A (zh) * | 2015-11-06 | 2017-05-17 | 中国科学院沈阳自动化研究所 | 一种基于tma技术的水下机器人单信标组合导航方法 |
CN108594834A (zh) * | 2018-03-23 | 2018-09-28 | 哈尔滨工程大学 | 一种面向未知环境下多auv自适应目标搜索和避障方法 |
CN109751048A (zh) * | 2019-01-17 | 2019-05-14 | 北京理工大学 | 一种蛇形仿生机器人缝洞型油藏勘测系统及方法 |
CN111025229A (zh) * | 2019-12-19 | 2020-04-17 | 哈尔滨工程大学 | 一种水下机器人纯方位目标估计方法 |
Non-Patent Citations (3)
Title |
---|
EKF-SLAM算法在水下航行器定位中的应用研究;王文晶;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20070415(第04期);全文 * |
Underwater Loop-Closure Detection for;MIN JIANG 等;《IEEE》;20191127;全文 * |
纯方位目标运动分析可观测性研究;杨婧 等;《火 力 与 指 挥 控 制》;20151231;第40卷(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112445243A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109443379B (zh) | 一种深海潜航器的sins/dvl水下抗晃动对准方法 | |
CN108731670A (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
CN105891863B (zh) | 一种基于高度约束的扩展卡尔曼滤波定位方法 | |
CN111596333B (zh) | 一种水下定位导航方法及系统 | |
CN102829777A (zh) | 自主式水下机器人组合导航系统及方法 | |
CN106643723B (zh) | 一种无人艇安全航行船位推算方法 | |
CN108387236B (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
CN110487276B (zh) | 一种基于相关分析的采样矢量匹配定位方法 | |
CN109579850B (zh) | 基于对水速度辅助惯导的深水智能导航方法 | |
CN111750865B (zh) | 一种用于双功能深海无人潜器导航系统的自适应滤波导航方法 | |
CN111928850A (zh) | 适用于极地冰架下环境的自主水下机器人的组合导航方法 | |
CN102323586A (zh) | 一种基于海流剖面的uuv辅助导航方法 | |
CN110763872A (zh) | 一种多普勒测速仪多参数在线标定方法 | |
CN115560759A (zh) | 一种基于海底油气管道检测的水下多源导航定位方法 | |
CN114265047B (zh) | 一种大潜深auv的定位基阵联合标校方法 | |
CN112747748A (zh) | 一种基于逆向解算的领航auv导航数据后处理方法 | |
CN111025229B (zh) | 一种水下机器人纯方位目标估计方法 | |
CN104949687A (zh) | 一种长时间导航系统全参数精度评估方法 | |
Jørgensen et al. | Underwater position and attitude estimation using acoustic, inertial, and depth measurements | |
Braginsky et al. | Correction of DVL error caused by seafloor gradient | |
CN113218421B (zh) | 北斗拒止条件下捷联惯导系统鲁棒自适应动态对准方法 | |
Karapetyan et al. | Dynamic autonomous surface vehicle control and applications in environmental monitoring | |
CN110672103A (zh) | 一种多传感器目标跟踪滤波方法及系统 | |
Allotta et al. | Localization algorithm for a fleet of three AUVs by INS, DVL and range measurements | |
CN112445243B (zh) | 一种适用于自主水下机器人的海底目标搜寻方法 |
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 |