DCNet：面向DVL标定的数据驱动框架

自主水下机器人（AUV）是用于多种应用的 underwater 机器人平台。AUV的导航解依赖于惯性传感器和多普勒速度日志（DVL）的融合，后者提供准确的速度更新。为确保精确导航，需要在任务开始前对DVL进行标定，以估计其误差项。在标定期间，AUV沿复杂轨迹运行，并采用非线性估计滤波器来估计误差项。本文引入DCNet，一种数据驱动框架，创新性地利用二维卷积核。通过DCNet和我们提出的DVL误差模型，我们提供了一个快速标定程序。可用于几乎恒定速度的轨迹进行标定。为训练和测试，我们使用了一段276分钟长的真实DVL记录数据集。我们表明，与基线方法相比，DCNet在准确性上平均提高了70%，标定时间缩短了80%，适用于性能较差的DVL。由于这些改进，采用低成本DVL的AUV可实现更高的准确性、更短的标定时间，并应用简单的几乎恒定速度标定轨迹。我们的结果也为利用低成本、高精度DVL开展海洋机器人研究开辟了新的应用前景。