1、自主式水下機(jī)器人(AUV)作為人類探索海洋的重要設(shè)備，目前已廣泛應(yīng)用到了北極探險(xiǎn)、管道檢測(cè)和船體檢測(cè)等多種任務(wù)中。準(zhǔn)確的導(dǎo)航與定位對(duì)于AUV在水下環(huán)境中進(jìn)行安全作業(yè)起到了決定性作用，而同時(shí)定位與地圖構(gòu)建算法（Simultaneous Localization and Mapping，簡(jiǎn)稱SLAM）正是關(guān)鍵所在。SLAM技術(shù)為水下移動(dòng)觀測(cè)平臺(tái)在未知的海洋環(huán)境下，實(shí)現(xiàn)真正意義的自主導(dǎo)航提供了可行性方案。
　　盡管SLAM技術(shù)的大部分問

2、題已得到廣泛而深入的研究，如擴(kuò)展卡爾曼濾波EKF(Extended Kalman Filter)、擴(kuò)展信息濾波EIF(Extended Information Filter)、稀疏連接-樹濾波TJTF(Thin Junction Tree Filter)等等，但它們?cè)谟?jì)算復(fù)雜度、一致性和數(shù)據(jù)關(guān)聯(lián)等方面仍存在諸多不足。2008年，Michael Kaess和Frank Dellaert用平滑代替濾波，提出了遞增平滑與地圖構(gòu)建算法（incr

3、emental smoothing andmapping，簡(jiǎn)稱iSAM）。iSAM算法通過遞增式更新提高計(jì)算速度，利用非線性最優(yōu)化控制誤差水平，使用部分協(xié)方差支持?jǐn)?shù)據(jù)關(guān)聯(lián)。本文正是在iSAM算法的基礎(chǔ)上，針對(duì)機(jī)器人運(yùn)動(dòng)觀測(cè)時(shí)的定位誤差累積問題，提出了“同時(shí)定位、地圖構(gòu)建、路徑規(guī)劃”新技術(shù)——基于感知驅(qū)動(dòng)的自主導(dǎo)航算法PD-SLAM（課題來源于“國(guó)家863計(jì)劃”，項(xiàng)目編號(hào):2014AA093410）。
　　PD-SLAM算法的核心思

4、想是“感知驅(qū)動(dòng)”。利用感知驅(qū)動(dòng)模塊，對(duì)傳感器繼續(xù)探索未知區(qū)域還是回訪之前區(qū)域做出智能化選擇，為解決運(yùn)動(dòng)觀測(cè)時(shí)定位誤差累積這一關(guān)鍵技術(shù)難點(diǎn)提供了可行性方案。主要內(nèi)容包括:圖像顯著性的計(jì)算及挑選;回訪路徑的生成;回訪行為的確定準(zhǔn)則等。
　　本論文首先介紹了水下導(dǎo)航技術(shù)和同時(shí)定位與地圖構(gòu)建算法的發(fā)展現(xiàn)狀;其次對(duì)iSAM算法的原理及實(shí)現(xiàn)過程進(jìn)行了詳細(xì)介紹;然后在介紹了圖像顯著性水平的基礎(chǔ)上，詳細(xì)闡述了基于感知驅(qū)動(dòng)的自主導(dǎo)航算法(PD-SL