1 引言
无人驾驶航空器(Unmanned Aerial Vehicle, 简记UAV)，简称空中机器人。无人机，通常是指具有遥控飞行、半自主飞行、完全自主飞行等功能的空中机器人叫。随着人工智能、微电子、自动控制、数据处理以及传感器等技术的快速发展，近些年很多之前在技术难关前被阻碍发展的研究方向都得到迅速发展，无人机领域尤为如此。无人机由于其造价低廉、飞行灵巧、控制简单、隐蔽性强、可负载荷等诸多特点，可代替人完成许多工作，具有作业效率高、机动性强、工作范围广等优点，在军事和民用多个行业得到普遍应用。
军事方面，无人机可用于敌情侦查、空中支持、通讯中继等场景。无人机在军事方面的应用最早出现在1914年第一次世界大战中，英国使用无人机作为靶机进行训练，并于20世纪90年代，海湾战争后得到迅速发展与广泛应用。美国对伊拉克的第二次与第三次海湾战争中，美军将先锋无人机作为可靠系统在战争中占据了明显的优势。此后，各个国家充分认识到无人机在军事战争中的重要性，竞相对无人机展开高新技术的研发。
无人机的角色日趋重要，其赖以工作的GPS导航环境更为重要。然而，由于现在电子技术的飞速发展，传导电磁、辐射电磁等多元干扰信号严重影响着GPS的导航功能。无人机的导航必须考虑拒止环境下的多传感器导航功能。
2 研究背景
针对无人机在室外环境中的定位导航问题，常用的无人机导航方式主要包括卫星导航、惯性导航、无线电导航、视觉导航、地磁导航。 虽然都发展了多年，但仍然有亟待解决的问题。以目前应用最广泛的GPS导航为例，无人机在执行作战任务时，会面临各种各样复杂的情况，由于完全无法接收到GPS卫星信号或者由于多路径效应造成GPS的定位信息不准，都将导致无人机在这种环境下，单依靠GPS无法进行准确定位而导航失败。
因而在通信受干扰、GPS信号不可用的拒止环境下，如何利用机载或其他辅助传感器获取周边障碍物的位置信息、速度信息以及其他有效信息，从而自主规划合理的路线规避开障碍物，保障无人机的安全性，顺利完成作战任务，具有较高的研究价值。
3 研究现状
3.1 激光SLAM的研究进展
激光的优势在于提供了3D信息（视角能到360°），且不受光线的影响，因而基于激光的SLAM技术是实现四旋翼定位的一个有效手段。近年来，众多学者进行了大量的研究，提出了很多优秀的激光SLAM算法。文献[1][2]讲述的EKF-SLAM算法，能够利用多次且重复的观测信息来减小无人机定位的不确定度，从而达到无人机位姿优化的目的，但其存在大范围环境等特征数量较大的场合中计算复杂度高,并且生成的特征图准确性不足的问题。Grisetti G等人提出了基于Rao-Blackwellized粒子过滤器的Gmapping[3]，是目前2D激光SLAM中应用最广泛的方法。粒子滤波的方法一般需要大量的粒子来获取好的结果,但这必会引入计算的复杂度。而且，该解决方案依赖于高精度里程计，无法适用于四旋翼这种存在显著滚转和俯仰运动的载体。最终本文采取Kohlbrecher S等人提出的HectorSLAM算法[4]，该算法利用Gauss-Newton方法解决扫描匹配问题，消耗较低的计算资源，可用于低重量、低功耗、低成本的处理器；在保持较低的计算资源消耗的同时，仍可实现足够精确的环境感知和自定位；更重要的是该算法不需要里程计，使空中无人机存在运用的可能性。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
