【技术实现步骤摘要】
本专利技术属于水下机器人定位与导航，更具体地说，是涉及一种基于遗传算法的测深同步定位与建图闭环检测方法。
技术介绍
1、水下机器人(autonomous underwater vehicle,auv)搭载多波束测深声呐等水声探测设备近海底观测是实现高分辨率、高精度海底地形测绘的重要手段。auv测深同步定位与建图无需多余辅助条件即可为海洋测绘任务提供稳定与准确的导航结果，准确的闭环检测结果是实现auv精确的测深同步定位与建图最重要部分。然而长时间测绘时auv存在潮位变化，且机器人的姿态测量也存在有界误差，这都可能导致误匹配，传统模板匹配方法无法解决该问题；且六自由度内寻优需大量计算资源，无法满足在线测绘与定位的实时性，因此，急需一种高效的闭环检测寻优方法实现auv测深同步定位与建图的准确性与实时性。
2、目前auv的闭环检测方法主要停留在二维的平面寻优检测与普通优化算法的变种上，无法完全满足测深同步定位与建图时所需准确、实时的前端闭环要求。
3、公开日为2019年12月6日，公开号cn107132521a，专利技术名称为“一种bslam中地形匹配结果正确性判别方法”的专利申请。该方法将地形匹配结果通过多窗口一致性方法进行判别，从而获取准确的前端闭环结果。然而该方法只是错误的闭环进行剔除，而非直接取得准确的闭环结果，且闭环的剔除无法满足在线测绘所需的实时性要求。
4、公开日为2023年5月16日，公开号cn116124151a，专利技术名称为“无卫星导航下的地形匹配辅助导航方法”的专利申请。该方法
技术实现思路
1、本专利技术的目的在于提供一种基于遗传算法的测深同步定位与建图闭环检测方法，旨在解决现有技术中无法完全满足测深同步定位与建图时所需准确、实时的前端闭环要求的技术问题。
2、为实现上述目的，本专利技术采用的技术方案是：提供一种基于遗传算法的测深同步定位与建图闭环检测方法，包括：
3、步骤1：设置六自由度闭环匹配对准区间；
4、六自由度闭环匹配对准区间为[x,y,z,θ,ψ]；
5、步骤2：在所述六自由度闭环匹配对准区间分布父代种群，所述父代种群
6、在x、y自由度区间上分布，在其他自由度上的值设为0，种群个体为t[dx,dy,0,0,0,0]；
7、步骤3：对所述父代种群进行迭代，获取子代与弟代种群，并获取最大适应度值个体；
8、步骤4：取最大适应度值个体为闭环检测结果。
9、可选的，步骤3包括：
10、步骤3.1：计算父代种群的适应度值；
11、步骤3.2：基于父代种群的适应度值对父代种群进行种群划分，得到子代种群；
12、步骤3.3：对子代种群进行种群合并，得到合并后的子代种群；
13、步骤3.4：对合并后的子代种群进行降维策略计算，得到混合弟代种群；
14、步骤3.5：将混合弟代种群和父代种群混合，得到得到新子代种群；
15、步骤3.6：基于新子代种群获取最大适应度值个体。
16、可选的，步骤3.2包括：
17、步骤3.2.1：计算每个种群个体的适应度值和健康多样性值；
18、步骤3.2.2：计算初始父代种群的标准种群多样性值；
19、步骤3.2.3：基于初始父代种群的标准种群多样性值计算交叉概率；
20、步骤3.2.4：基于交叉概率对父代种群进行划分，得到探索子代种群和开发子代种群。
21、可选的，步骤3.2.1包括：
22、基于种群个体适应度计算公式计算每个种群个体的适应度值；
23、基于种群个体健康多样性计算公式计算每个种群个体的健康多样性值；
24、种群个体适应度计算公式为：
25、
26、其中，f(t,m1,m2)为种群个体的适应度值，m1为海底地形图m1对应的地图点对，m2为海底地形图m2转移t后对应的地图点对，t为偏移对准值，c(m1,m2)为点对m1和点对m2的马氏距离，n为地图的点对总个数；
27、种群个体健康多样性计算公式为：
28、
29、其中，hpdi为种群个体的健康多样性值，wi为个体i在种群中的适应度值权重，tδave·w为种群中适应度值权重的平均值，δ是父代种群内个体数，为种群个体i的变量值。
30、可选的，步骤3.2.2包括：
31、基于标准种群多样性计算公式计算父代种群中每个基因变量的标准种群多样性值；
32、对每个基因变量的标准种群多样性值进行归一化后并取均值，得到父代种群的标准种群多样性值；
33、标准种群多样性计算公式为：
34、
35、其中，spdj为父代种群中每个基因变量的标准种群多样性值，δ是父代种群内的个体数，tδave[j]是父代种群中j变量的平均值，tδi[j]是个体i的变量j值；
36、父代种群的标准种群多样性值为：
37、
38、其中，dof为种群变量个数，δ(j)为各变量对应的种群取值范围长度，spdj为父代种群中每个基因变量的标准种群多样性值。
39、可选的，步骤3.2.3包括：
40、交叉概率为：
41、
42、其中，spdmax为种群能达到的最高spd值，k1为[0.2,0.8]区间内的第一随机常数，k2为[0.2,0.8]区间内的第二随机常数。
43、可选的，步骤3.2.4包括：
44、计算探索子代种群的个体的健康多样性值，根据探索子代种群的每个个体的健康多样性值进行锦标赛选择，得到锦标赛选择后的探索子代种群；
45、将锦标赛选择后的探索子代种群进行变异率大的多项式变异，并将多项式变异后的探索子代种群往未到达空间上发展；
46、计算开发子代种群的健康多样性值，根据开发子代种群的每个个体的健康多样性值进行锦标赛选择，得到锦标赛选择后的开发子代种群；
47、根据交叉概率对锦标赛选择后的开发子代种群进行模拟二次交叉，并进行变异率小的多项式变异，将多项式变异后的开发子代种群往当前个体分布区域附近发展。
48、
49、其中，k为常数。
50、可选的，步骤3.4包括：
51、步骤3.4.1：计算合并后的子代种群的个体适应度值；
52、步骤3.4.2：取子代种群中适应度值最高的10％个体；
53、步骤3.4.3：基于个体适应度值获取残本文档来自技高网...
【技术保护点】
1.一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3：对所述父代种群进行迭代，获取子代与弟代种群，并获取最大适应度值个体，包括：
3.根据权利要求2所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.2：基于所述父代种群的适应度值对父代种群进行种群划分，得到子代种群。包括：
4.根据权利要求3所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.2.1：计算每个种群个体的适应度值和健康多样性值，包括：
5.根据权利要求3所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.2.2：计算初始父代种群的标准种群多样性值，包括：
6.根据权利要求5所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.2.3：基于所述初始父代种群的标准种群多样性值计算交叉概率，包括：
7.根据权利要求6所述的一种
8.根据权利要求2所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.4：对所述合并后的子代种群进行降维策略计算，得到混合弟代种群，包括：
9.根据权利要求8所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.5：将所述混合弟代种群和父代种群混合，得到得到新子代种群，包括：
10.根据权利要求9所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.6：基于新子代种群获取最大适应度值个体，包括：
...【技术特征摘要】
1.一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3：对所述父代种群进行迭代，获取子代与弟代种群，并获取最大适应度值个体，包括：
3.根据权利要求2所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.2：基于所述父代种群的适应度值对父代种群进行种群划分，得到子代种群。包括：
4.根据权利要求3所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.2.1：计算每个种群个体的适应度值和健康多样性值，包括：
5.根据权利要求3所述的一种基于遗传算法的测深同步定位与建图闭环检测方法，其特征在于，所述步骤3.2.2：计算初始父代种群的标准种群多样性值，包括：
6.根据权利要求5所述的一种基于遗传算法的测...
【专利技术属性】
技术研发人员：漆池，马腾，李晔，凌宇，吕璐婷，马东，杜昊翰，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。