AUV同时定位与跟踪研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 4-7.

AUV同时定位与跟踪研究

卢健1，2，徐德民1，张立川1，张福斌1

1.西北工业大学航海学院，西安 710072
2.西安工程大学电信学院，西安 710048

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Research on simultaneous localization and tracking for AUVs

LU Jian1，2，XU Demin1，ZHANG Lichuan1，ZHANG Fubin1

1.College of Marine Engineering，Northwestern Polytechnical University，Xi’an 710072，China
2.School of Electronics and Information，Xi’an Polytechnic University，Xi’an 710048，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 由于低精度航位推算系统带来的累积误差，自治水下航行器（AUV）在未知环境中的定位准确性会随着时间的推移变得越来越差。当环境中有非合作体运动时，AUV不但可利用自身携带的声纳传感器对其探测并利用基于模型的目标跟踪方法估计非合作体轨迹，而且可以同时利用探测到的与非合作体的相对信息来提高自身定位精度。在同时定位与制图（SLAM）方法中的FastSLAM算法框架的基础上提出了同时定位与跟踪（SLAT）算法，即设置多个估计粒子，利用每个粒子中的粒子滤波器（PF）和扩展卡尔曼滤波器（EKF）分别估计AUV和非合作体的轨迹，并能根据实际量测与粒子估计量测之间的差别赋予粒子权值，继而得到多粒子加权的最终估计。最后仿真验证了算法的有效性。

关键词: 自治水下航行器, 目标跟踪, 同时定位与制图, FastSLAM, 同时定位与跟踪, 仿真

Abstract: The localization accuracy of an Autonomous Underwater Vehicle（AUV） shall become increasingly worse over time in an unknown environment due to the cumulative errors brought by the low accuracy dead reckoning system.When a non-cooperative body moves in the environment，an AUV can not only use its own sonar sensors to detect the body and estimate the track of the body taking advantage of the methods of target tracking based on models，but also make use of the relative information detected to the non-cooperation body to improve their accuracy simultaneously.A Simultaneous Localization And Tracking（SLAT） algorithm is proposed based on the framework of the FastSLAM algorithm in the methods of the Simultaneous Localization And Mapping（SLAM）.Namely，a number of estimate particles are set，the tracks of the AUV and the non-cooperative body can be estimated by using the Particle Filter（PF） and the Extended Kalman Filter（EKF） in each particle，the weight value of each particle is assigned according to the difference between the actual measurement and estimate measurement of each particle，then the weighted final estimates based on the multiple particles can be get.At last，the validity of the algorithm is shown by the simulation.

Key words: autonomous underwater vehicle, target tracking, simultaneous localization and mapping, FastSLAM, simultaneous localization and tracking, simulation

卢健1，2，徐德民1，张立川1，张福斌1. AUV同时定位与跟踪研究[J]. 计算机工程与应用, 2011, 47(16): 4-7.

LU Jian1，2，XU Demin1，ZHANG Lichuan1，ZHANG Fubin1. Research on simultaneous localization and tracking for AUVs[J]. Computer Engineering and Applications, 2011, 47(16): 4-7.

[1]	黄逸磊，夏志杰，王诣铭. 强关系型社交媒体平台不实信息传播模型研究[J]. 计算机工程与应用, 2021, 57(9): 126-133.
[2]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[3]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[4]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[5]	崔洲涓，安军社，陈长龙，崔天舒. 基于PYNQ框架的深度卷积特征异构跟踪系统[J]. 计算机工程与应用, 2021, 57(4): 120-126.
[6]	邱守猛，谷宇章，袁泽强. 基于双分支孪生网络的目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 135-143.
[7]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[8]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[9]	武哲纬，周世杰，刘启和. 运算资源受限环境下的目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(21): 24-40.
[10]	王蓓，陈金广，王明明. 复杂场景下的改进核相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(2): 198-208.
[11]	李晓花，苏骏，李秀秀. 强干扰环境单观测站水下纯方位多目标跟踪[J]. 计算机工程与应用, 2021, 57(17): 253-259.
[12]	李高源，王晋宇，张长弓，冯博迪，高宇歌，杨海涛. SAR图像仿真方法研究综述[J]. 计算机工程与应用, 2021, 57(15): 62-72.
[13]	陈庆林，谷雨，宋忠浩，聂圣东. 融合检测与跟踪的半自动视频目标标注[J]. 计算机工程与应用, 2021, 57(14): 223-230.
[14]	张瑶，卢焕章，张路平，胡谋法. 基于深度学习的视觉多目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(13): 55-66.
[15]	王德鑫，常发亮. 六足机器人动态目标检测与跟踪系统研究[J]. 计算机工程与应用, 2021, 57(12): 180-185.