如果要提升USV的自动驾驶能力，对于USV目前所处状态的感知能力就尤为重要。在USV执行任务时环境的变化会导致许多的变化，例如当USV靠近桥梁或茂密树叶的底部时，GPS信号会减弱，而此时对USV进行正确导航就是一个课题。
Leedekerken等人在2014年针对USV开发了同步定位与地图构建（simultaneous mapping and localization，SMAL）的系统，考虑到了浅水环境下靠近桥梁或树叶、檐篷的GPS信号强度降低问题。
该系统使用配备有用于水下感知的成像声呐以及用于水面上方感知的激光雷达，相机和无线电雷达传感器。通过同时感测水面上方和下方，使用源自上述传感器的信息和定位的精确约束来提高水下地图的准确性。
在海洋和河流环境中存在阻碍GPS接收的物体和建筑物（如桥梁和树叶）时，精确绘制地图仍然是难题。可以在GPS无法正常工作期间使用这些传感器测量来相对定位USV，从而校正系统生成的合成地图。
处理GPS的错误信号时直接忽略GPS的定位信号即可解决问题，只要在GPS丢失之前、期间和之后传感器持续获得足够多的环境目标。然而，海洋环境通常都很空旷，其中很少或没有水上环境目标，但事实上GPS的信号会在大目标附近丢失，因此只需要处理从良好的GPS周期（但可见目标很少）到差的或没有GPS（当接近有足够大的障碍物目标时）发生的转变。
图5.12显示了沿着哈佛大桥一部分进行了两次航行的USV的GPS位置估计。向外的南向路径比向北的返回路径离桥远几米，否则两条路径的滑动程度相似。然而，返回路径的GPS位置估计显示明显的退化。
在卡尔曼滤波框架下，将航迹推算与GPS定位、IMU速率和多普勒速度仪速度的测量相结合，可以校正GPS信号的误差。(www.xing528.com)
图5.12 GPS感知桥下USV结果
图5.13所示实验在波士顿和剑桥之间横跨或沿着查尔斯河的几个建筑物进行。哈佛大学、朗费罗大桥，三个帆船馆和一个游艇俱乐部进行。相比于原始的图5.13a，在使用算法进行优化校正后的图5.13b获得了更好的定位结果。
图5.13 使用及不使用算法对比结果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
