论文部分内容阅读
自主水下潜航器AUV(Autonomous Underwater Vehicle, AUV)是主要海洋探测与作战装备,其搭载的多传感器感知与通信情况复杂,如何获取其精确、可靠的位置是水下作业的重要问题。本文基于图优化(Factor Graph Optimization, FGO)算法,构建了AUV多源融合定位框架,仿真AUV搭载的异步多传感器数据与有效性改变的状况,进行因子建模后利用非线性优化理论进行状态递推与更新。仿真结果表明,该方法能够以自然的方式合并不同频率与有效性的传感器测量信息,定位精度保持在-0.1～+0.1m以内。与扩展卡尔曼滤波(Extend Kalman Filter, EKF)算法实验结果相比精度更高,证明该算法能够实现AUV的高精度定位,有利于提高可靠性及扩展性。