基于测深数据的自主水下机器人定位贝叶斯方法评估
机器人学
2019-10-14 v3
摘要
本文评估了多种利用测深数据对自主水下航行器（AUVs）进行定位的概率算法。这些基于贝叶斯滤波器原理的算法通过将测深信息与来自 AUV 的深度和离底高度数据进行融合来实现定位。我们采用四种不同的基于贝叶斯滤波器的算法来设计定位算法：扩展卡尔曼滤波器（EKF）、无迹卡尔曼滤波器（UKF）、粒子滤波器（PF）和边缘化粒子滤波器（MPF）。我们在不同条件和可用计算资源下评估了这四种基于贝叶斯测深的 AUV 定位方法的性能。这些定位算法克服了水下领域的独特挑战，包括视觉失真和射频（RF）信号衰减，这些挑战常使得基于地标的定位不可行。基于真实世界测深数据的评估结果显示了各算法在多种条件下的有效性，其中 MPF 最为精确。
引用
@article{arxiv.1809.08076,
title = {An Evaluation of Bayesian Methods for Bathymetry-based Localization of Autonomous Underwater Robots},
author = {Jungseok Hong and Michael Fulton and Junaed Sattar},
journal= {arXiv preprint arXiv:1809.08076},
year = {2019}
}