基于成像声纳关键帧的鲁棒惯性辅助水下定位
机器人学
2022-03-08 v2
摘要
本文关注使用二维成像声纳测量的自主水下航行器（AUV）基于特征的水下定位与导航。水下声学特征的稀疏性以及声纳图像中俯仰角的丢失可能引入错误的特征匹配或用于基于优化的水下定位的特征不足（即欠约束/退化情况）。这促使我们提出一种新颖的惯性辅助滑动窗口优化框架，以提高估计精度以及对前端离群值的鲁棒性。具体而言，我们首先区分欠约束/良约束声纳帧，并基于由里程计与声纳测量导出的雅可比矩阵定义声纳关键帧（SKF）。为了最大程度利用过去的良约束SKF，我们设计了一种基于奇异值的可调大小窗口后端优化方案。我们还证明了由声纳运动引起的地标三角测量失败（导航问题）可在二维场景中解决。在公开数据集上的对比仿真与评估表明，所提方法在姿态估计与鲁棒性方面优于现有方法，即便无回环闭合，也确保了在线应用的实时性能。
引用
@article{arxiv.2106.16032,
title = {Robust Inertial-aided Underwater Localization based on Imaging Sonar Keyframes},
author = {Yang Xu and Ronghao Zheng and Senlin Zhang and Meiqin Liu},
journal= {arXiv preprint arXiv:2106.16032},
year = {2022}
}
备注
11 pages, 13 figures, accepted by IEEE Transactions on Instrumentation and Measurement, 2021