CN112857313A - 一种面向低带宽声学信道的测深信息传输方法 - Google Patents
一种面向低带宽声学信道的测深信息传输方法 Download PDFInfo
- Publication number
- CN112857313A CN112857313A CN202011627231.7A CN202011627231A CN112857313A CN 112857313 A CN112857313 A CN 112857313A CN 202011627231 A CN202011627231 A CN 202011627231A CN 112857313 A CN112857313 A CN 112857313A
- Authority
- CN
- China
- Prior art keywords
- auv
- pseudo
- map
- points
- sub
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
- G01C7/02—Tracing profiles of land surfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/008—Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/296—Acoustic waves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Hydrology & Water Resources (AREA)
- Acoustics & Sound (AREA)
- Electromagnetism (AREA)
- Thermal Sciences (AREA)
- Fluid Mechanics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种面向低带宽声学信道的测深信息传输方法,包括AUV端和无人艇端两个部分,分别在AUV和水面无人艇上同时运行,AUV将大量地形测点存储为子地图形式,通过最小化边缘概率密度函数计算能够保留子地图大部分数据的少量伪点和高斯过程模型超参数,并将伪点和高斯过程模型超参数以数据包形式通过声学信道广播求解,水面无人艇捕获数据包后利用高斯过程回归重建原地图,从而解决低带宽声学通讯下的巨量地形测深数据传输问题,降低了跨介质协同地形测绘系统对高带宽声学通讯设备的依赖。
Description
技术领域
本发明涉及一种面向低带宽声学信道的测深信息传输方法,属于水下声学通讯领域。
背景技术
随着多波束测深技术的发展,高精度海底地形测绘成为可能。由水面无人艇和多个水下智能机器人(Autonomous Underwater Vehicle,AUV)组成的跨介质协同地形测绘系统是当前海底地形高精度测绘的有效解决方案。其中,AUV搭载多波束声纳在水下完成高精度地形测绘,并将测绘数据通过声学通信传输至水面无人艇,水面无人艇则完成多个AUV测绘结果的整合建图,并为水下作业的AUV提供精确导航信息。然而,考虑水下声学通讯带宽较低,而多波束声纳每一秒可以测绘几百至上千地形测点,数据量庞大,无法通过声学通讯实时传输。
发明内容
针对上述现有技术,本发明要解决的技术问题是提供一种面向低带宽声学信道的测深信息传输方法,解决低带宽声学通讯下的巨量地形测深数据传输问题。
为解决上述技术问题,本发明的一种面向低带宽声学信道的测深信息传输方法,包括AUV端步骤和无人艇端步骤;
AUV端步骤具体为:
步骤1.1:AUV通过多波束声纳发射声脉冲获取海底地形数据,当地形测点个数N为A的倍数时,将第A×(N-1)+1到第A×N个地形测点存为子地图,其中A为给定自然数,500≤A≤1500,执行步骤1.2;
步骤1.2:AUV通过最小化边缘概率在当前子地图中求取M个能够表征子地图测深信息的伪点水平面位置和高斯过程模型超参数,执行步骤1.3;
步骤1.3:AUV根据子地图所有历史测深数据和步骤1.2求得的超参数构建高斯过程模型,求解M个伪点水平面位置对应的海底地形深度,执行步骤1.4;
步骤1.4:AUV将M个伪点和高斯过程模型超参数以数据包的形式通过声学信道广播,返回步骤1.1;
无人艇端步骤具体为:
步骤2.1:无人艇监听声学信息,当捕获某一个子图通过声学信道发出的全部数据包时进行步骤2.2,否则保持监听状态;
步骤2.2:无人艇通过数据包内M个伪点水平位置利用凸包算法确定子地图覆盖范围,执行步骤2.3;
步骤2.3:无人艇将步骤2.2确定的子地图覆盖范围按照一定预设分辨率网格化,计算网格节点位置,执行步骤2.4;
步骤2.4:无人艇利用数据包内伪点和高斯过程模型超参数构建高斯过程模型,计算各网格节点对应海底地形深度,并返回步骤2.1。
本发明还包括:
1.步骤1.2中AUV通过最小化边缘概率在当前子地图中求取M个能够表征大部分子地图测深信息的伪点水平面位置和高斯过程模型超参数具体为:
步骤1.2.1:构建高斯核函数K,具体为:
式中x[n]和x[n′]分别为第n和n′个地形测点的水平面坐标,b和c为高斯核函数超参数,其取值将在步骤1.2.2中求取;
步骤1.2.2:对下式进行最小化边缘概率求取伪点水平面坐标X′={x′[m],m=1,2,...,M}和高斯过程模型超参数Θ={b,c,σ2}:
式中H={h[n],n=1,2,...,N}为第A×(N-1)+1到第A×N个地形测点的海底地形深度的集合,X={x[n],n=1,2,...,N}为第A×(N-1)+1到第A×N个地形测点水平面坐标的集合,X′={x′[m],m=1,2,...,M}为M个伪点水平面坐标x′[m]的集合,σ2I为地形测点测绘噪声在海底地形深度方向的方差,Θ={b,c,σ2}为超参数的集合,Λ=diag(λ),λ={λn},n=1,2,...,N,且式中,[kn]m=K(x[n],x′[m]),[KM]mm′=K(x[m],x[m′]),其中m=1,2,...,M;[KNM]nm=K(x[n],x[m]),其中n=1,2,...,N且m=1,2,...,M。
2.步骤1.3中求解M个伪点水平面位置对应的海底地形深度具体为:
对于第m个伪点,已知伪点水平面坐标x′[m],其对应海底地形深度满足高斯分布Ν(μm,Ωm),且:
式中,[kx′[m]]n=K(x[n],x′[m]),[KN]nn′=K(x[n],x[n′]),其中n=1,2,...,N且n′=1,2,...,N。
3.步骤2.4中计算各网格节点对应海底地形深度具体为:
本发明的有益效果:
本发明在AUV端对包含海量海底地形测点的实测海底地形图进行数据压缩,并通过声学信道广播压缩后海底地形图;在水面无人艇端通过压缩后海底地形图确定原地图覆盖范围并将其网格划,最终利用高斯过程回归算法重建网格化地图。
本发明通过AUV端的测深数据压缩和无人艇端的地图重建过程,实现通过低带宽声学信道传输AUV测绘得到的海底地形的目的,降低了跨介质协同地形测绘系统对高带宽声学通讯设备的依赖。
附图说明
图1是本发明的AUV端方法流程图;
图2是本发明的无人艇端方法流程图;
图3是本发明适用的跨介质协同地形测绘系统示意图。
具体实施方式
下面结合附图对本发明具体实施方式做进一步说明。
本发明主要是一种智能水下机器人(Autonomous Underwater Vehicle,AUV)通过声学通讯手段向水面无人艇传递其测绘得到海底地形数据的方法。方法主要分为AUV端和无人艇端两个部分,分别在AUV和水面无人艇上同时运行。利用该方法,AUV将大量地形测点存储为子地图形式,通过最小化边缘概率密度函数计算能够保留子地图大部分数据的少量伪点和高斯过程模型超参数,并将伪点和高斯过程模型超参数以数据包形式通过声学信道广播求解,水面无人艇捕获数据包后利用高斯过程回归重建原地图,从而解决低带宽声学通讯下的巨量地形测深数据传输问题。
结合图1,AUV端具体步骤为:
步骤1.1、AUV通过多波束声纳不断发射声脉冲获取海底地形数据,当地形测点个数N为1000的倍数时,将第1000×(N-1)+1到第1000×N个地形测点存为子地图,执行步骤1.2。
步骤1.2、AUV通过最小化边缘概率在当前子地图中求取100个能够表征大部分子地图测深信息的伪点水平面位置和高斯过程模型超参数,执行步骤1.3。
步骤1.2.1、构建高斯核函数K如下式所示:
式中x[n]和x[n′]分别为第n和n′个地形测点的水平面坐标,b和c为高斯核函数超参数,其取值将在步骤1.2.2中求取。
步骤1.2.2、对下式进行最小化边缘概率求取伪点水平面坐标X′={x′[m],m=1,2,...,M}和高斯过程模型超参数Θ={b,c,σ2}:
式中H={h[n],n=1,2,...,N}为第1000×(N-1)+1到第1000×N个地形测点的海底地形深度的集合,X={x[n],n=1,2,...,N}为第1000×(N-1)+1到第1000×N个地形测点水平面坐标的集合,N=1000,X′={x′[m],m=1,2,...,M}为M个伪点水平面坐标x′[m]的集合,M=100,σ2I为地形测点测绘噪声在海底地形深度方向的方差,Θ={b,c,σ2}为超参数的集合,Λ=diag(λ)(λ={λn},n=1,2,...,N),且上式中,[kn]m=K(x[n],x′[m]),[KM]mm′=K(x[m],x[m′]),其中m=1,2,...,M;[KNM]nm=K(x[n],x[m]),其中n=1,2,...,N且m=1,2,...,M。
步骤1.3、AUV根据子地图所有历史测深数据和步骤二求得的超参数构建高斯过程模型,求解100个伪点水平面位置对应的海底地形深度,执行步骤1.4。
对于第m个伪点,已知伪点水平面坐标x′[m],其对应海底地形深度满足高斯分布Ν(μm,Ωm),且
式中,[kx′[m]]n=K(x[n],x′[m]),[KN]nn′=K(x[n],x[n′]),其中n=1,2,...,N且n′=1,2,...,N。
步骤1.4、AUV将100个伪点和高斯过程模型超参数以数据包的形式通过声学信道广播,返回步骤1.1。
AUV端步骤1.4中子地图测深信息将分解为10个数据包发送,每个数据包内包括10个伪点水平面坐标及对应地形深度,以及高斯过程模型全部超参数数据。
结合图2,无人艇端具体步骤为:
步骤2.1、无人艇监听声学信息,当捕获某一个子图全部10个数据包时进行步骤2.2,否则保持监听状态。
步骤2.2、无人艇通过数据包内100个伪点水平位置利用凸包算法确定子地图覆盖范围,执行步骤2.3。
步骤2.3、无人艇将步骤二确定的子地图覆盖范围按照一定预设分辨率网格化,计算网格节点位置,执行步骤2.4。
步骤2.4、无人艇利用数据包内伪点和高斯过程模型超参数构建高斯过程模型,计算各网格节点对应海底地形深度,并返回步骤2.1。
结合图3,本发明适用的跨介质协同地形测绘系统由水面无人艇1和多个搭载了多波束声纳4的AUV2组成。AUV2通过多波束声纳4不断测绘海底地形,并通过水声学通讯设备3将地形测绘结果传输至水面无人艇1。
Claims (4)
1.一种面向低带宽声学信道的测深信息传输方法,其特征在于:包括AUV端步骤和无人艇端步骤;
所述AUV端步骤具体为:
步骤1.1:AUV通过多波束声纳发射声脉冲获取海底地形数据,当地形测点个数N为A的倍数时,将第A×(N-1)+1到第A×N个地形测点存为子地图,其中A为给定自然数,500≤A≤1500,执行步骤1.2;
步骤1.2:AUV通过最小化边缘概率在当前子地图中求取M个能够表征子地图测深信息的伪点水平面位置和高斯过程模型超参数,执行步骤1.3;
步骤1.3:AUV根据子地图所有历史测深数据和步骤1.2求得的超参数构建高斯过程模型,求解M个伪点水平面位置对应的海底地形深度,执行步骤1.4;
步骤1.4:AUV将M个伪点和高斯过程模型超参数以数据包的形式通过声学信道广播,返回步骤1.1;
所述无人艇端步骤具体为:
步骤2.1:无人艇监听声学信息,当捕获某一个子图通过声学信道发出的全部数据包时进行步骤2.2,否则保持监听状态;
步骤2.2:无人艇通过数据包内M个伪点水平位置利用凸包算法确定子地图覆盖范围,执行步骤2.3;
步骤2.3:无人艇将步骤2.2确定的子地图覆盖范围按照一定预设分辨率网格化,计算网格节点位置,执行步骤2.4;
步骤2.4:无人艇利用数据包内伪点和高斯过程模型超参数构建高斯过程模型,计算各网格节点对应海底地形深度,并返回步骤2.1。
2.根据权利要求1所述的一种面向低带宽声学信道的测深信息传输方法,其特征在于:步骤1.2所述AUV通过最小化边缘概率在当前子地图中求取M个能够表征大部分子地图测深信息的伪点水平面位置和高斯过程模型超参数具体为:
步骤1.2.1:构建高斯核函数K,具体为:
式中x[n]和x[n′]分别为第n和n′个地形测点的水平面坐标,b和c为高斯核函数超参数,其取值将在步骤1.2.2中求取;
步骤1.2.2:对下式进行最小化边缘概率求取伪点水平面坐标X′={x′[m],m=1,2,...,M}和高斯过程模型超参数Θ={b,c,σ2}:
式中H={h[n],n=1,2,...,N}为第A×(N-1)+1到第A×N个地形测点的海底地形深度的集合,X={x[n],n=1,2,...,N}为第A×(N-1)+1到第A×N个地形测点水平面坐标的集合,X′={x′[m],m=1,2,...,M}为M个伪点水平面坐标x′[m]的集合,σ2I为地形测点测绘噪声在海底地形深度方向的方差,Θ={b,c,σ2}为超参数的集合,Λ=diag(λ),λ={λn},n=1,2,...,N,且式中,[kn]m=K(x[n],x′[m]),[KM]mm′=K(x[m],x[m′]),其中m=1,2,...,M;[KNM]nm=K(x[n],x[m]),其中n=1,2,...,N且m=1,2,...,M。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011627231.7A CN112857313B (zh) | 2020-12-31 | 2020-12-31 | 一种面向低带宽声学信道的测深信息传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011627231.7A CN112857313B (zh) | 2020-12-31 | 2020-12-31 | 一种面向低带宽声学信道的测深信息传输方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112857313A true CN112857313A (zh) | 2021-05-28 |
CN112857313B CN112857313B (zh) | 2023-03-24 |
Family
ID=75999526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011627231.7A Active CN112857313B (zh) | 2020-12-31 | 2020-12-31 | 一种面向低带宽声学信道的测深信息传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112857313B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110061697A1 (en) * | 2008-03-04 | 2011-03-17 | The Regents Of The University Of California | Apparatus and method for implementing a mobility aid device |
US20140122400A1 (en) * | 2012-10-25 | 2014-05-01 | Brain Corporation | Apparatus and methods for activity-based plasticity in a spiking neuron network |
CN103983266A (zh) * | 2014-05-28 | 2014-08-13 | 北京天地方元科技有限公司 | 基于地磁信息的室内定位方法及系统 |
US20150039229A1 (en) * | 2013-08-01 | 2015-02-05 | The Second Institute Of Oceanography, State Oceanic Administration | Multi-beam bathymetric chart construction method based on submarine digital depth model feature extraction |
US9062978B2 (en) * | 2011-05-31 | 2015-06-23 | Massachusetts Institute Of Technology | Tracking a body by nonlinear and non-Gaussian parametric filtering |
CN105490974A (zh) * | 2015-12-15 | 2016-04-13 | 江苏科技大学 | 一种mimo-ofdm水声通信系统的多普勒估计方法 |
CN106123850A (zh) * | 2016-06-28 | 2016-11-16 | 哈尔滨工程大学 | Auv配载多波束声呐水下地形测绘修正方法 |
WO2018006082A2 (en) * | 2016-07-01 | 2018-01-04 | Uber Technologies, Inc. | Autonomous vehicle control using submaps |
CN107677272A (zh) * | 2017-09-08 | 2018-02-09 | 哈尔滨工程大学 | 一种基于非线性信息滤波的auv协同导航方法 |
CN108827305A (zh) * | 2018-05-25 | 2018-11-16 | 哈尔滨工程大学 | 一种基于鲁棒信息滤波的auv协同导航方法 |
CN109631857A (zh) * | 2019-01-28 | 2019-04-16 | 上海大学 | 一种多无人艇联合岛礁测绘系统和方法 |
CN110320520A (zh) * | 2019-06-26 | 2019-10-11 | 哈尔滨工程大学 | 一种测深信息同步定位与建图的鲁棒后端图优化方法 |
CN110726415A (zh) * | 2019-10-21 | 2020-01-24 | 哈尔滨工程大学 | 一种自适应的水下多波束同步定位与建图方法 |
CN110954071A (zh) * | 2019-12-13 | 2020-04-03 | 哈尔滨工程大学 | 一种波浪参数的概率统计分析方法 |
CN111220146A (zh) * | 2019-12-10 | 2020-06-02 | 哈尔滨工程大学 | 一种基于高斯过程回归学习的水下地形匹配定位方法 |
CN111324987A (zh) * | 2020-02-20 | 2020-06-23 | 西北工业大学 | 一种基于稀疏高斯过程的目标运动预测方法 |
-
2020
- 2020-12-31 CN CN202011627231.7A patent/CN112857313B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110061697A1 (en) * | 2008-03-04 | 2011-03-17 | The Regents Of The University Of California | Apparatus and method for implementing a mobility aid device |
US9062978B2 (en) * | 2011-05-31 | 2015-06-23 | Massachusetts Institute Of Technology | Tracking a body by nonlinear and non-Gaussian parametric filtering |
US20140122400A1 (en) * | 2012-10-25 | 2014-05-01 | Brain Corporation | Apparatus and methods for activity-based plasticity in a spiking neuron network |
US20150039229A1 (en) * | 2013-08-01 | 2015-02-05 | The Second Institute Of Oceanography, State Oceanic Administration | Multi-beam bathymetric chart construction method based on submarine digital depth model feature extraction |
CN103983266A (zh) * | 2014-05-28 | 2014-08-13 | 北京天地方元科技有限公司 | 基于地磁信息的室内定位方法及系统 |
CN105490974A (zh) * | 2015-12-15 | 2016-04-13 | 江苏科技大学 | 一种mimo-ofdm水声通信系统的多普勒估计方法 |
CN106123850A (zh) * | 2016-06-28 | 2016-11-16 | 哈尔滨工程大学 | Auv配载多波束声呐水下地形测绘修正方法 |
WO2018006082A2 (en) * | 2016-07-01 | 2018-01-04 | Uber Technologies, Inc. | Autonomous vehicle control using submaps |
CN107677272A (zh) * | 2017-09-08 | 2018-02-09 | 哈尔滨工程大学 | 一种基于非线性信息滤波的auv协同导航方法 |
CN108827305A (zh) * | 2018-05-25 | 2018-11-16 | 哈尔滨工程大学 | 一种基于鲁棒信息滤波的auv协同导航方法 |
CN109631857A (zh) * | 2019-01-28 | 2019-04-16 | 上海大学 | 一种多无人艇联合岛礁测绘系统和方法 |
CN110320520A (zh) * | 2019-06-26 | 2019-10-11 | 哈尔滨工程大学 | 一种测深信息同步定位与建图的鲁棒后端图优化方法 |
CN110726415A (zh) * | 2019-10-21 | 2020-01-24 | 哈尔滨工程大学 | 一种自适应的水下多波束同步定位与建图方法 |
CN111220146A (zh) * | 2019-12-10 | 2020-06-02 | 哈尔滨工程大学 | 一种基于高斯过程回归学习的水下地形匹配定位方法 |
CN110954071A (zh) * | 2019-12-13 | 2020-04-03 | 哈尔滨工程大学 | 一种波浪参数的概率统计分析方法 |
CN111324987A (zh) * | 2020-02-20 | 2020-06-23 | 西北工业大学 | 一种基于稀疏高斯过程的目标运动预测方法 |
Non-Patent Citations (8)
Title |
---|
EDWARD SNELSON等: "Sparse Gaussian Processes using Pseudo-inputs", 《INTERNATIONAL CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS》 * |
JAMES M.GELB等: "Hybrid joint PDF estimation and classification for sparse systems", 《IEEE》 * |
TENG MA等: "AUV Bathymetric Simultaneous Localisation and Mapping Using Graph Method", 《THE JOURNAL OF NAVIGATION》 * |
周玲: "自主水下潜器海底地形辅助导航技术研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
夏益民: "基于传感器信息融合的移动机器人定位与地图创建研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
姜言清: "AUV回收控制的关键技术研究", 《中国博士学位论文全文数据库 工程科技II辑》 * |
徐巍军: "基于贝叶斯滤波器的移动机器人同时定位与地图创建算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
马腾 等: "AUV的图优化海底地形同步定位与建图方法", 《导航定位与授时》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112857313B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110146895B (zh) | 基于倒置式多波束回声仪的声速剖面反演方法 | |
CN103197308B (zh) | 基于多波束相控阵声纳系统的三维声纳可视化处理方法 | |
CN109459040A (zh) | 基于rbf神经网络辅助容积卡尔曼滤波的多auv协同定位方法 | |
CN110794409B (zh) | 一种可估计未知有效声速的水下单信标定位方法 | |
CN103002575A (zh) | 基于粒子群算法的水下无线传感器网络节点定位方法 | |
CN111309010B (zh) | 一种基于仿生机器人的无人艇海底地形测绘控制系统实现的控制方法 | |
WO2020151213A1 (zh) | 一种空地结合的潮间带一体化测绘方法 | |
CN111694012A (zh) | 一种基于机载激光雷达的三维地形在线生成方法及系统 | |
CN111220146B (zh) | 一种基于高斯过程回归学习的水下地形匹配定位方法 | |
CN112857313B (zh) | 一种面向低带宽声学信道的测深信息传输方法 | |
Robbiano et al. | Bayesian learning of occupancy grids | |
CN112581610B (zh) | 从多波束声呐数据中建立地图的鲁棒优化方法和系统 | |
CN110824551B (zh) | 一种基于声学测距和多波束地形的obs精确定位方法 | |
CN116559883A (zh) | 一种侧扫声呐图像的纠正方法以及侧扫声呐镶嵌影像 | |
Ye et al. | Geometric correction method of side-scan sonar image | |
CN112666562B (zh) | 一种合成孔径声纳运动补偿与成像方法 | |
CN113009417B (zh) | 利用声场干涉特性的海底声学阵列阵形估计方法 | |
Ma et al. | Communication-constrained cooperative bathymetric simultaneous localisation and mapping with efficient bathymetric data transmission method | |
CN111595360B (zh) | 一种基于重力灯塔的导航效能评估方法及系统 | |
Stewart | A non-deterministic approach to 3-D modeling underwater | |
Hagen | TerrLab-a generic simulation and post-processing tool for terrain referenced navigation | |
CN115996461A (zh) | 基于矩阵补全的水下无线传感器网络节点定位方法 | |
CN115392117B (zh) | 一种水下高速机动平台高帧率无模糊声学导航方法 | |
CN113804188B (zh) | 一种基于随机分布节点的水下机器人导航方法 | |
Liu et al. | Concurrent navigation and sea-bottom targets detection using acoustic sensors on AUV |
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 |