一种移动机器人定位方法及系统技术方案

本发明专利技术涉及一种移动机器人定位方法及系统，涉及机器人定位技术，该方法包括：将通过轮式里程计实时采集的移动机器人的位姿运动数据记为第一位姿运动数据，将通过惯性测量单元实时采集的移动机器人的位姿运动数据记为第二位姿运动数据；采用拓展卡尔曼滤波对第一位姿运动数据和第二位姿运动数据进行滤波，确定移动机器人的第一状态向量和第一协方差；通过全站仪实时获得移动机器人的观测向量；采用自适应鲁棒无迹卡尔曼滤波对第一状态向量、第一协方差和全站仪获得的移动机器人的观测向量进行滤波，确定移动机器人的第二状态向量；将第二状态向量作为移动机器人的实时定位数据。本发明专利技术提高了移动机器人的定位精度和鲁棒性。本发明专利技术提高了移动机器人的定位精度和鲁棒性。本发明专利技术提高了移动机器人的定位精度和鲁棒性。

【技术实现步骤摘要】
一种移动机器人定位方法及系统


[0001]本专利技术涉及机器人定位
，特别是涉及一种移动机器人定位方法及系统。

技术介绍

[0002]定位是指移动机器人通过一定的测量仪器和测量手段获取自身在环境中的位姿信息。定位是移动机器人移动与避障中不可缺少的一环，关系着移动机器人工作的准确性、安全性和稳定性。
[0003]目前移动机器人的定位系统大多使用单一传感器或简单结合多种传感器数据进行，如：利用视觉导航、地标导航或GNSS定位系统等获取环境信息与自身位姿。这种定位方式获取信息较少，且效率精度较低，不符合移动机器人日益增长的精度的需要。

技术实现思路

[0004]本专利技术的目的是提供一种移动机器人定位方法及系统，提高了移动机器人的定位精度。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种移动机器人定位方法，包括：
[0007]将通过轮式里程计实时采集的移动机器人的位姿运动数据记为第一位姿运动数据，将通过惯性测量单元实时采集的所述移动机器人的位姿运动数据记为第二位姿运动数据；
[0008]采用拓展卡尔曼滤波对所述第一位姿运动数据和所述第二位姿运动数据进行滤波，确定所述移动机器人的第一状态向量和第一协方差；所述第一状态向量为所述移动机器人的位姿运动数据；
[0009]通过全站仪实时获得所述移动机器人的观测向量；
[0010]采用自适应鲁棒无迹卡尔曼滤波对所述第一状态向量、所述第一协方差和所述全站仪获得的所述移动机器人的观测向量进行滤波，确定所述移动机器人的第二状态向量；
[0011]将所述第二状态向量作为所述移动机器人的实时定位数据。
[0012]可选地，所述第一位姿运动数据和所述第二位姿运动数据均包括位姿数据和运动状态数据，所述位姿数据包括所述移动机器人的坐标和转角，所述运动状态数据包括所述移动机器人的线速度、角速度和线加速度。
[0013]可选地，所述采用拓展卡尔曼滤波对所述第一位姿运动数据和所述第二位姿运动数据进行滤波，确定所述移动机器人的第一状态向量和第一协方差，具体包括：
[0014]根据公式确定所述第一状态向量；
[0015]根据公式确定所述第一协方差；
[0016]其中，表示t时刻的所述第一状态向量，表示t时刻的所述第二位姿运动数
据的均值，表示t时刻拓展卡尔曼滤波的卡尔曼增益，表示t时刻第一状态观测向量，h
in
(
·
)表示第一状态观测函数，表示t
‑
1时刻根据所述第一位姿运动数据预测的状态向量，表示t时刻的第一观测噪声，表示t时刻根据所述第一位姿运动数据预测的状态向量，表示t时刻根据所述第一位姿运动数据的均值，g
in
(
·
)表示第一状态预测函数，表示t时刻的第一过程噪声，表示t时刻的预测状态向量的协方差，表示t时刻h
in
(
·
)的雅克比矩阵，表示t时刻的所述第一协方差，I表示单位矩阵。
[0017]可选地，所述采用自适应鲁棒无迹卡尔曼滤波对所述第一状态向量、所述第一协方差和所述全站仪获得的所述移动机器人的观测向量进行滤波，确定所述移动机器人的第二状态向量，具体包括：
[0018]根据公式确定所述移动机器人的第二状态向量；
[0019][0020]其中，表示t时刻的所述第二状态向量，表示t时刻的均值，为的变化幅度，α表示中间参数，c0为第一设定值，c1为第二设定值，表示t时刻第二状态观测函数，表示的权重矩阵，表示t时刻的等价权矩阵，表示t时刻的所述全站仪获得的所述移动机器人的观测向量。
[0021]可选地，t时刻的所述全站仪获得的所述移动机器人的观测向量表示为：
[0022][0023][0024]其中，表示所述全站仪观测得到位姿状态向量，所述表示观测向量，表示t时刻所述全站仪与所述移动机器人的距离，表示t时刻所述全站仪的角度，(m
x
,m
y
)表示t时刻所述全站仪在全局坐标系坐标，(x,y)表示t时刻所述移动机器人在全局坐标系坐标，表示所述全站仪的角度，表示距离误差，表示角度误差，h(
·
)表示第三状态观测函数。
[0025]本专利技术公开了一种移动机器人定位系统，包括：
[0026]位姿运动数据采集模块，用于将通过轮式里程计实时采集的移动机器人的位姿运动数据记为第一位姿运动数据，将通过惯性测量单元实时采集的所述移动机器人的位姿运动数据记为第二位姿运动数据；
[0027]第一状态向量和第一协方差确定模块，用于采用拓展卡尔曼滤波对所述第一位姿运动数据和所述第二位姿运动数据进行滤波，确定所述移动机器人的第一状态向量和第一协方差；所述第一状态向量为所述移动机器人的位姿运动数据；
[0028]全站仪数据采集模块，用于通过全站仪实时获得所述移动机器人的观测向量；
[0029]第二状态向量确定模块，用于采用自适应鲁棒无迹卡尔曼滤波对所述第一状态向量、所述第一协方差和所述全站仪获得的所述移动机器人的观测向量进行滤波，确定所述移动机器人的第二状态向量；
[0030]定位数据确定模块，用于将所述第二状态向量作为所述移动机器人的实时定位数据。
[0031]可选地，所述第一位姿运动数据和所述第二位姿运动数据均包括位姿数据和运动状态数据，所述位姿数据包括所述移动机器人的坐标和转角，所述运动状态数据包括所述移动机器人的线速度、角速度和线加速度。
[0032]可选地，所述第一状态向量和第一协方差确定模块，具体包括：
[0033]第一状态向量确定单元，用于根据公式确定所述第一状态向量；
[0034]第一协方差确定单元，用于根据公式确定所述第一协方差；
[0035]其中，表示t时刻的所述第一状态向量，表示t时刻的所述第二位姿运动数据的均值，表示t时刻拓展卡尔曼滤波的卡尔曼增益，表示t时刻第一状态观测向量，表示第一状态观测函数，表示t
‑
1时刻根据所述第一位姿运动数据预测的状态向量，表示t时刻的第一观测噪声，表示t时刻根据所述第一位姿运动数据预测的状态向量，表示t时刻根据所述第一位姿运动数据的均值，g
in
(
·
)表示第一状态预测函数，表示t时刻的第一过程噪声，表示t时刻的预测状态向量的协方差，表示t时刻h
in
(
·
)的雅克比矩阵，表示t时刻的所述第一协方差，I表示单位矩阵。
[0036]可选地，所述第二状态向量确定模块，具体包括：
[0037]根据公式确定所述移动机器人的第二状态向量；
[0038][0039]其中，表示t时刻的所述第二状态向量，表示t时刻的均值，为的变化幅度，α表示中间参数，c0为第一设定值，c1为第二设定值，表示t时刻第二状态观测函数，表示的权重矩阵，表示t时刻的等价权矩阵，表示t时刻的所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动机器人定位方法，其特征在于，包括：将通过轮式里程计实时采集的移动机器人的位姿运动数据记为第一位姿运动数据，将通过惯性测量单元实时采集的所述移动机器人的位姿运动数据记为第二位姿运动数据；采用拓展卡尔曼滤波对所述第一位姿运动数据和所述第二位姿运动数据进行滤波，确定所述移动机器人的第一状态向量和第一协方差；所述第一状态向量为所述移动机器人的位姿运动数据；通过全站仪实时获得所述移动机器人的观测向量；采用自适应鲁棒无迹卡尔曼滤波对所述第一状态向量、所述第一协方差和所述全站仪获得的所述移动机器人的观测向量进行滤波，确定所述移动机器人的第二状态向量；将所述第二状态向量作为所述移动机器人的实时定位数据。2.根据权利要求1所述的移动机器人定位方法，其特征在于，所述第一位姿运动数据和所述第二位姿运动数据均包括位姿数据和运动状态数据，所述位姿数据包括所述移动机器人的坐标和转角，所述运动状态数据包括所述移动机器人的线速度、角速度和线加速度。3.根据权利要求2所述的移动机器人定位方法，其特征在于，所述采用拓展卡尔曼滤波对所述第一位姿运动数据和所述第二位姿运动数据进行滤波，确定所述移动机器人的第一状态向量和第一协方差，具体包括：根据公式确定所述第一状态向量；根据公式确定所述第一协方差；其中，表示t时刻的所述第一状态向量，表示t时刻的所述第二位姿运动数据的均值，表示t时刻拓展卡尔曼滤波的卡尔曼增益，表示t时刻第一状态观测向量，h
in
(
·
)表示第一状态观测函数，表示t
‑
1时刻根据所述第一位姿运动数据预测的状态向量，表示t时刻的第一观测噪声，表示t时刻的第一观测噪声，表示t时刻根据所述第一位姿运动数据预测的状态向量，表示t时刻根据所述第一位姿运动数据的均值，g
in
(
·
)表示第一状态预测函数，表示t时刻的第一过程噪声，表示t时刻的第一过程噪声，表示t时刻的预测状态向量的协方差，表示t时刻h
in
(
·
)的雅克比矩阵，表示t时刻的所述第一协方差，I表示单位矩阵。4.根据权利要求3所述的移动机器人定位方法，其特征在于，所述采用自适应鲁棒无迹卡尔曼滤波对所述第一状态向量、所述第一协方差和所述全站仪获得的所述移动机器人的观测向量进行滤波，确定所述移动机器人的第二状态向量，具体包括：根据公式确定所述移动机器人的第二状态向量；
其中，表示t时刻的所述第二状态向量，表示t时刻的均值，为的变化幅度，α表示中间参数，c0为第一设定值，c1为第二设定值，表示t时刻第二状态观测函数，表示的权重矩阵，表示t时刻的等价权矩阵，表示t时刻的所述全站仪获得的所述移动机器人的观测向量。5.根据权利要求4所述的移动机器人定位方法，其特征在于，t时刻的所述全站仪获得的所述移动机器人的观测向量表示为：的所述移动机器人的观测向量表示为：其中，表示所述全站仪观测得到位姿状态向量，所述表示观测向量，r
tout
表示t时刻所述全站仪与所述移动机器人的距离，表示t时刻所述全站仪的角度，(m
x
,m
y
)表示t时刻所述全站仪在全局坐标系坐标，(x,y)表示t时刻所述移动机器人在全局坐标系坐标，表示所述全站仪的角度，表示距离误差，表示角度误差，h(
·
)表示第三状...

【专利技术属性】
技术研发人员：周航，许万，张婷婷，程兆，夏瑞东，陈婷薇，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：