一种无线传感器网络节点和移动机器人同时定位方法技术

一种无线传感器网络节点和移动机器人同时定位方法，该方法采用序贯平方根容积卡尔曼滤波算法实现节点位置未知的无线传感器网络覆盖环境中移动机器人的自定位。移动机器人通过内部传感器信息不断地进行状态预测，然后，根据移动机器人与传感器节点之间的距离对两者的预测状态进行修正。本发明专利技术提供一种无线传感器网络节点位置未知情况下的移动机器人自定位方法，避免了环境特征提取、数据关联，提高了移动机器人的对环境适应能力。

【技术实现步骤摘要】

本专利技术涉及移动机器人自定位领域，尤其是一种基于无线传感器网络的移动机器 人自定位方法。
技术介绍
移动机器人自身携带丰富的传感器，对加速度计、陀螺仪、里程计等内部传感器数 据进行积分运算，可以便捷地推算出移动机器人的位置信息。但是由于受累积误差的影响， 移动机器人的位置估计误差将随着时间的推移不断增大，而且对初始位置的要求高，传感 器数据的短暂失效都会对其产生很大影响。因此，在实际应用中，往往需要结合激光、红外、 声纳、视觉等外部传感器进行位置估计的修正。但使用外部传感器存在很多困难，未知环境 中环境特征的提取难度大，尤其是环境中往往存在静态特征和动态特征，这大大增加了数 据关联的难度。在对未知空旷环境进行探索时，环境特征少，这时外部传感器的作用将十分 有限。移动机器人对陌生环境的适应能力差，这严重阻碍了移动机器人的实际应用。无线 传感器网络具有良好的自组织能力，环境适应力强，可有效地协助移动机器人进行定位以 及增强其环境感知的能力，同时每个传感器节点都具有固定特有的ID，避免了复杂的数据 关联过程。只要在未知环境中随机地播撒无线传感器节点，将可有效地协助移动机器人进 行定位，消除累积误差的影响。目前，还没有技术可简单有效地解决移动机器人在未知环境 中的自定位问题。
技术实现思路
为了克服已有移动机器人自定位方法对环境适应力差，环境特征难以提取以及数 据关联难度大、计算复杂等不足。本专利技术提供一种无线传感器网络节点和移动机器人同时 定位方法，避免了环境特征提取、数据关联，提高了移动机器人对环境的适应能力，且无需 节点位置信息。 本专利技术解决其技术问题所采用的技术方案是： -种无线传感器网络节点和移动机器人同时定位方法，所述方法包括以下步骤： 步骤1)移动机器人向单跳传输半径内传感器节点发送"定位请求"数据包； 步骤2)无线传感器网络节点收到请求后，解析收到的数据包，提取该数据包的 RSSI值，随后，对该RSSI信号进行一次预滤波，得到该RSSI信号的估计值； 步骤3)通过该RSSI信号的估计值，判断是否满足发送条件。若满足发送条件，以 单跳的方式发送响应数据包给移动机器人；否则，忽略该服务请求； 步骤4)移动机器人收到周围节点返回的响应数据包后，解析该数据包中的节点 信息、RSSI信号；若该响应节点为已知节点，提取该节点位置信息；否则，初始化该节点位 置信息并加入已知节点表； 步骤5)通过RSSI模型转换成距离信息，根据该距离信息，采用基于平方根容积卡 尔曼的序贯融合估计方法估计出当前的移动机器人和响应节点的位置。 进一步，所述步骤1)中，无线传感器网络采用网状拓扑形式，所有节点都具有路 由功能，协助定位节点为固定节点且节点位置未知，移动机器人为其中一个路由节点。 所述步骤1)中，所述的发送"定位请求"数据包，通过单跳的方式发送给周围的节 点，即移动节点和周围节点直接通信，不经过其他路由节点的转发。单跳半径，即可直接通 信的最大半径。 所述步骤2)中，所述的预滤波为允=(1-+a.U = l,2,3…，其中，兔为k时 刻传感器节点接收到的"定位请求"数据包的RSSI值，爲为滤波器初值，a为滤波器系数， 0 ^ a ^ 1〇 所述步骤3)中，所述的发送条件为：^>外且其中，yT，ei，e2 为预先设定的阈值参数，阈值yT为服务半径，e :用于判断目标位置是否变化，e 2用于判断 噪声大小，若满足上述条件，响应移动机器人请求；否则，忽略该请求。 所述步骤4)中，所述的已知节点表，其包含节点ID、节点位置及其协方差，所述的 节点信息，即节点的ID，所述的节点位置信息，即节点的位置及其协方差。的距离值，Zp ^分别为参考距离和相应的RSSI值，n为电磁波传播衰减系数。 所述步骤5)中，所述的基于平方根容积卡尔曼的序贯融合估计方法，根据接收到 数据包的先后顺序，采用平方根容积卡尔曼方法逐一进行移动机器人的状态融合估计；通 过内部传感器信息得到移动机器人状态的预测值，然后利用距离值对移动机器人和响应节 点的位置等状态进行修正。 本专利技术的有益效果主要表现在：由于每个传感器网络节点具有特有的ID，避免了 复杂的数据关联过程。同时，通过移动机器人和传感器节点间的主动通信，避免了对环境特 征的提取过程。无线传感器网络节点可随意播散在环境中，用于环境信息采集，同时可协助 移动机器人进行定位。通过RSSI信号测距，单个节点的覆盖范围大，不需要增加额外的成 本，增加了节点生存周期。无需对节点做特殊的布置，适用于对未知环境的探索。相对于现 有的通过自身携带的激光、视觉等外部传感器的自定位方法，该方法对环境适应性强，难度 低，易于实施。【附图说明】 图1是移动机器人对无线传感器节点定位的示意图。 图2是无线传感器网络协助移动机器人定位的示意图。 图3是无线传感器固定节点响应服务流程图。 图4是无线传感器网络协助移动机器人自定位流程图。 图5是基于平方根容积卡尔曼的序贯融合估计流程图。 图6是移动机器人和传感器节点状态序贯融合估计时序图。 图7是移动机器人内部传感器和响应数据包时序图。【具体实施方式】 下面结合附图对本专利技术作进一步描述。 参照图1~图6,一种无线传感器网络协助的移动机器人自定位方法，所述方法包 括以下步骤： 步骤1)移动机器人向单跳半径内传感器节点发送"定位请求"数据包； 步骤2)无线传感器网络节点收到请求后，解析响应数据包，提取该数据包的RSSI 值，随后，对该RSSI信号进行一次预滤波，得到该数据包RSSI信号的估计值； 步骤3)通过该RSSI信号的估计值，判断是否满足发送条件。若满足发送条件，以 单跳的方式发送响应数据包给移动机器人；否则，忽略该服务请求； 步骤4)移动机器人收到周围节点返回的响应数据包后，解析该数据包中的节点 信息、RSSI信号，若该响应节点为已知节点，提取该节点位置等信息；否则，初始化该节点 位置信息并加入已知节点表； 步骤5)通过RSSI模型转换成距离信息，根据该距离信息，按照数据包的先后顺序 采用平方根容积卡尔曼方法逐一进行移动机器人的状态融合估计。平方根容积卡尔曼方法 分为两部分，首先，通过内部传感器信息得到移动机器人状态的预测值；然后，利用得到距 离值对移动机器人和响应节点的位置等状态当前第1页1 2 本文档来自技高网...

【技术保护点】
一种无线传感器网络节点和移动机器人同时定位方法，其特征在于：所述方法包括以下步骤：步骤1)移动机器人向单跳传输半径内传感器网络节点发送“定位请求”数据包；步骤2)无线传感器网络节点收到请求后，解析收到的数据包，提取该数据包的RSSI值，随后，对该RSSI信号进行一次预滤波，得到该数据包RSSI信号的估计值；步骤3)通过该RSSI信号的估计值，判断是否满足发送条件，若满足发送条件，以单跳的方式发送响应数据包给移动机器人；否则，忽略该服务请求；步骤4)移动机器人收到周围节点返回的响应数据包后，解析该数据包中的节点信息、RSSI信号，若该响应节点为已知节点，提取该节点位置信息；否则，初始化该节点位置并加入已知节点表；步骤5)通过RSSI模型转换成距离信息，根据该距离信息，采用基于平方根容积卡尔曼的序贯融合估计方法估计出当前的移动机器人和响应节点的位置信息。

【技术特征摘要】

【专利技术属性】
技术研发人员：张文安，杨旭升，俞立，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33