摘要
当前现代科学技术不断发展和深入，多智能体协同算法日趋精进。随着地理环境的变化，传统GNSS导航在高楼林立，高山峡谷，森林树丛等复杂环境下信号可信程度急剧下降。同时传统的惯性导航传感器本身存在限制，在长时间的运动过程中会产生累积误差。为了解决这些问题，研究人员引入新的传感器和控制算法。本文通过查阅文献资料，建立了智能体视觉导航系统模型，并将EKF滤波算法、图优化算法分别结合到SLAM中，设计出多种后端解算方法，并搭建仿真验证平台对算法的有效性进行了对比验证。论文的主要工作如下： 1.多智能体视觉导航系统理论与建模。对国内外领域当前研究状况进行了充分调研后对整体导航系统分析，基于单一智能体进行导航系统模型的搭建。通过使用前后端分离的建模方式对前后端进行分别处理。然后在单一智能体的基础上，进行两个及以上多智能体导航系统的构建，为后续优化及仿真确定理论基础。 2.提出结合EKF优化算法与SLAM多智能体导航系统算法。以扩展卡尔曼滤波算法为优化算法的后端优化系统，针对使用不同特征点的单目视觉采集系统进行不同的优化算法设计。分别使用欧拉点法、逆深度点法、锚定同质点三种方法融合设计的后端解算方法进行仿真测试。设计独创的分层SLAM地空多智能体协同导航的方法，使用归一化均方根误差分析法进行误差分析，对比得出最有效的特征点描述方法并证明设计算法的有效性。 3.提出结合因子图优化的SLAM多智能体导航算法。基于动态贝叶斯网络与因子图的优化理论，对单一智能体的图优化算法进行建模仿真。为了应用于多智能体系统，在原单一智能体系统的基础上进行修改，增加适用于多个智能体的判断和优化方法，理论上支持无限多个智能体之间的协同导航。为了验证算法的有效性，设计仿真实验进行验证，并对参数进行调整，以达到多智能体可以进行协同导航，单一智能体可以提高位置和姿态精度。 4.优化算法改进与提升。为了进一步提高位置精度，降低位姿误差，对设计的因子图优化算法进行扩展研究。在尽量少增加计算成本的前提下，减小关键帧之间的距离，同时增大缓冲池中存储的帧数量。在模拟的前端视觉传感器上，调整镜头朝向可以控制视野中可用特征点的占比，达到控制误差的目的。通过仿真实验验证了优化过程的有效性。 5.为验证本文设计的算法，以地面无人车配合空中无人机的双智能体系统对算法进行验证。通过搭建整个硬件设备并进行系统装配和调试，从空中和地面两个智能体角度出发，对硬件总体构成、硬件设备的组合和各种设备选型进行了研究。组装后将理论与实际的测量数据对比得出算法有效的结论。
NETL