本书对无人机同时定位与地图创建技术进行了较为系统的研究。主要内容包括:绪论、SLAM问题、无人机EKFSLAM算法、基于群智能算法的SLAM数据关联、无人机主动SLAM技术、无人机SLAM避障技术、无人机FastSLAM算法及总结与展望。
本书可作为航空航天相关专业研究生的辅助教材，也可供从事相关工作的工程技术人员参考。
同时定位与地图创建(Simultaneous Localization And Mapping，SLAM)技术是无人机实现真正自主导航的关键。无人机SLAM 技术的目标就是构建一个没有先验信息的环境地图，同时确定地图中无人机的位姿，降低无人机和地图的误差漂移率。在GPS不可用的情形下，将摄像机与惯导传感器组合作为无人机的主要传感器，可以探测周围环境，同时确定无人机和地标的位置，完成SLAM的任务。本书针对无人机视觉SLAM 技术的关键问题进行了较为系统的研究。
本书将SLAM算法从地面机器人的二维空间扩展到无人机的三维环境，利用摄像机与惯导传感器的组合，建立了无人机视觉SLAM算法的数学模型，并设计了一种改进的延迟地标初始化的方法，采用扩展卡尔曼滤波对无人机视觉SLAM 算法进行了仿真研究。错误的数据关联会降低SLAM算法的性能，甚至引起算法的失败，为此，采用基于禁忌搜索的混沌蚁群和改进的人工鱼群两种群智能算法以解决数据关联问题。针对现有的SLAM算法多为被动SLAM 问题，研究了基于控制、局部子图和边界的主动SLAM算法，并在建立的无人机平面模型环境下对三种算法进行仿真试验，分析验证了三种主动SLAM 算法的性能。无人机在飞行过程中，由于SLAM的环境先验未知，而且不可避免地存在着静止或者运动的障碍物，因此需要实时规划无人机的航迹，规避环境中的障碍物。通过设计一个基于无人机到目标点的距离、无人机与障碍物的马氏和欧氏距离的势场函数，构建了一个改进的人工势场，无人机在势场中受目标点引力和障碍物斥力的共同作用朝着目标点运动，同时完成避障任务。
本书研究了基于碰撞圆锥的避障技术，对每一个障碍物分别构建一个碰撞圆锥，通过碰撞圆锥确定威胁判定准则，并利用这个准则来判断无人机是否需要避障，从而设计无人机的避障机动策略。基于碰撞圆锥的避障技术不仅能够估计出无人机和障碍物中心的位置，而且还达到了较好的避障效果。FastSLAM 1.0算法需要大量粒子才能获得较高的滤波精度，增加了计算的复杂性;模拟退火算法可用于解决此问题，利用基于碰撞圆锥的避障技术更新粒子的预测值，调整粒子的提议分布，使粒子集中在无人机真实的位姿周围，同时使用分层重采样技术解决粒子退化问题。仿真结果表明，模拟退火的估计精度大大优于FastSLAM 1.0 算法。FastSLAM 2.0算法中粒子滤波存在粒子退化以及多样性减弱问题，为此提出了基于小生境遗传算法的FastSLAM 2.0算法，引入了遗传算法的交叉和变异算子代替粒子滤波重采样，而且采用基于确定性排挤策略的小生境技术，调整遗传算法中粒子的适应度，很好地保持了粒子的多样性，提高了全局搜索能力。仿真结果表明，模拟退火在SLAM 的估计精度和一致性方面都显示出较好的性能。
本书成书得益于工信部民用飞机项目的资助，以及项目团队成员的科研实践成果和经验。本书的出版得到了海军航空大学航空基础学院教科处和机载设备教研室的大力支持和帮助，在此表示感谢。十分感谢刘伟、刘蕊、姜旭、郑百东和郭家豪等同志在文字校对方面的辛勤付出，还要感谢为本书提供各类参考文献的专家与学者。
由于作者水平有限，书中难免有疏漏之处，敬请读者批评指正，在此不胜感激。
作 者
2021年8月
第1章 绪 论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 3
1.2.1 SLAM 的历史 3
1.2.2 无人机视觉SLAM 5
1.3 无人机SLAM 关键技术 8
1.3.1 SLAM 数据关联问题 8
1.3.2 地标初始化 10
1.3.3 滤波方法的研究 11
1.3.4 大规模SLAM 算法 14
1.4 本书的主要研究内容 16
第2章 SLAM 问题 18
2.1 SLAM 问题描述 18
2.2 SLAM 的后验概率 20
2.3 SLAM 的马尔可夫链表示 21
2.3.1 贝叶斯滤波 21
2.3.2 扩展卡尔曼滤波 23
2.4 本章小结 25
第3章 无人机EKFSLAM 算法 26
3.1 惯性导航系统模型 26
3.1.1 坐标系及其变换 26
3.1.2 捷联惯导系统的比力方程 28
3.1.3 捷联惯导系统的欧拉角姿态更新方程 29
3.1.4 捷联惯导系统的位姿方程 30
3.2 摄像机模型 31
3.2.1 图像预处理 32
3.2.2 图像特征提取 32
3.2.3 针孔投影模型 32
3.2.4 机载摄像机观测模型 34
3.3 无人机视觉SLAM 算法建模与仿真 36
3.3.1 无人机视觉SLAM 算法的数学模型 36
3.3.2 数据关联 38
3.3.3 地标初始化 40
3.3.4 仿真研究与结果 42
3.4 本章小结 45
第4章 基于群智能算法的SLAM 数据关联 47
4.1 SLAM 数据关联的数学模型 48
4.2 基于禁忌搜索的混沌蚁群算法的SLAM 数据关联 48
4.2.1 蚁群算法 48
4.2.2 混沌的特性 50
4.2.3 禁忌搜索算法 50
4.2.4 基于禁忌搜索的混沌蚁群算法的数据关联 52
4.2.5 仿真试验 53
4.3 基于改进人工鱼群算法的SLAM 数据关联 58
4.3.1 基本的人工鱼群算法 58
4.3.2 基于改进鱼群算法的数据关联 59
4.3.3 仿真试验 61
4.4 本章小结 65
第5章 无人机主动SLAM 技术 66
5.1 无人机运动模型 67
5.2 基于控制的无人机主动SLAM 68
5.2.1 问题的描述 68
5.2.2 目标函数的设计 69
5.2.3 仿真试验与分析 70
5.3 基于局部子图的无人机主动SLAM 71
5.3.1 局部子图滤波 72
5.3.2 局部子地图与全局地图之间的融合 74
5.3.3 仿真试验与分析 75
5.4 基于边界的无人机主动SLAM 76
5.4.1 基于边界的无人机主动SLAM 原理 76
5.4.2 仿真试验与分析 78
5.5 本章小结 79
第6章 无人机SLAM 避障技术 80
6.1 常见的避障算法 80
6.2 基于改进人工势场的无人机避障方法 82
6.2.1 人工势场法的基本思想 82
6.2.2 改进人工势场法 83
6.2.3 避障策略 84
6.2.4 仿真试验 85
6.3 基于碰撞圆锥的无人机避障方法 86
6.3.1 障碍威胁判定 86
6.3.2 避障策略 88
6.3.3 仿真试验 89
6.4 本章小结 90
第7章 无人机FastSLAM 算法 91
7.1 粒子滤波 91
7.1.1 Monte Carlo积分 91
7.1.2 序贯重要性采样 93
7.1.3 重采样方法 94
7.1.4 标准粒子滤波算法 95
7.2 基于模拟退火的无人机FastSLAM 1.0算法 95
7.2.1 FastSLAM 1.0算法 96
7.2.2 模拟退火算法 98
7.2.3 基于模拟退火算法的粒子优化 99
7.2.4 仿真试验与分析 101
7.3 FastSLAM 2.0算法 104
7.3.1 采样贫乏 105
7.3.2 FastSLAM 2.0的意义 105
7.3.3 新的提议分布 106
7.3.4 仿真试验与分析 108
7.4 基于小生境遗传算法的无人机FastSLAM 2.0算法 110
7.4.1 遗传算法的基本理论 111
7.4.2 小生境遗传算法 111
7.4.3 小生境遗传算法粒子滤波 113
7.4.4 仿真试验与分析 115
7.5 本章小结 118
第8章 总结与展望 119
8.1 总 结 119
8.2 展 望 121
参考文献 123
精品教材 更多
