基于距离测量的自主水下航行器分布式协同海底地形匹配方法

为解决自主水下航行器(AUV)在长时水下作业中定位误差无界发散的问题，研究人员提出了一种基于距离测量的协同迭代最近等值点(RCICCP)算法。该研究融合地形测量数据与AUV间距离测量，通过粒子群优化(PSO)和因子图优化，显著提升了定位精度。湖试结果表明，相比传统ICCP算法，两艘AUV的定位误差分别降低17.5%和29.6%，为分布式AUV协同导航提供了新思路。

　　

在深海勘探和海底测绘领域，自主水下航行器(AUV)因其高自主性和强鲁棒性成为不可替代的工具。然而，传统AUV导航系统依赖惯性导航(SINS)与多普勒测速仪(DVL)的组合，其定位误差会随时间线性累积。虽然全球卫星导航系统(GNSS)和水声定位能提供精确位置修正，但前者需要AUV上浮中断任务，后者需预先部署昂贵的水下信标网络。地形辅助导航(TAN)技术利用海底地形空间差异性进行匹配定位，其中迭代最近等值点(ICCP)算法因其对复杂地形的适应性成为主流方法，但单独AUV的匹配精度仍受限于地形特征稀疏性和初始误差敏感性。

针对这一挑战，中国的研究团队在《Ocean Engineering》发表研究，提出了一种革命性的距离测量协同迭代最近等值点(RCICCP)算法。该研究创新性地将AUV间距离测量与地形数据融合，通过粒子群优化(PSO)约束搜索空间，并构建因子图模型进行多目标优化，最终实现分布式AUV系统的高精度协同定位。

关键技术包括：(1)利用误差椭圆限定地形匹配点搜索范围；(2)集成距离测量的PSO算法优化多AUV匹配点选择；(3)基于Levenberg-Marquardt(LM)算法的因子图求解。实验采用NOAA公开多波束测深数据和威海实测数据，通过三AUV平行航迹和双AUV交叉航迹两种场景验证。

Determination of target matching points on contour lines using PSO
研究通过误差椭圆确定候选匹配区域，将AUV间距离作为PSO适应度函数的约束项。在NOAA数据集测试中，该方法使匹配点平均偏移量减少42%，显著优于传统ICCP的最近邻搜索策略。

Cooperative position optimization using factor-graph
构建包含距离因子、地形匹配因子和运动约束因子的图模型，通过LM算法同步优化所有AUV位姿。湖试数据显示，优化后系统定位误差椭圆长轴缩短至单独AUV匹配的31%。

Experiment I
三AUV平行航迹测试中，RCICCP将主AUV定位误差从单独匹配的28.3米降至16.7米，验证了算法在长航程任务中的稳定性。

Experiment II
威海交叉航迹实验表明，当地形匹配适用性指数(MSI)低于0.5时，协同匹配仍能保持12.4米精度，证明算法对平坦地形的适应性。

该研究的突破性在于首次实现AUV协同地形匹配定位，通过距离测量与地形特征的深度融合，既克服了纯距离导航的误差累积问题，又解决了单独地形匹配的环境依赖性。提出的RCICCP框架为未来大规模AUV集群作业提供了可扩展的解决方案，其因子图架构支持动态增减节点，特别适合复杂海洋环境下的协同探测任务。研究团队指出，下一步将探索深度学习辅助的实时地形特征提取，以进一步提升算法在极端地形条件下的鲁棒性。