融合声回波信号及多源传感器的里程估计方法技术

本发明专利技术公开了一种融合声回波信号及多源传感器的里程估计方法，该方法包括：传感器初始化及传感器数据起始时间戳对齐并记录；融合

【技术实现步骤摘要】
融合声回波信号及多源传感器的里程估计方法


[0001]本专利技术属于机器人定位领域，具体涉及融合声回波信号及多源传感器的里程估计方法
。

技术介绍

[0002]随着智能移动机器人的发展与推广，室内机器人对于位姿估计的要求越来越高
。
对机器人里程位姿的准确估计是机器人完成作业的基础
。
采用激光雷达对机器人进行定位是已经非常成熟的方案，然而在室内环境中大量存在的透明障碍物以及反光物体将严重干扰激光雷达的定位准确度
。
[0003]由于视觉传感器成本适中，体积较小便于部署，因此采用视觉对机器人的里程进行估计是目前较为流行的里程估计方法之一
。
然而室内环境中光照不稳定，同时较多的透明障碍物将导致视觉深度图失效，因此视觉里程计的性能受环境影响较大
。
[0004]利用超宽带定位是目前室内移动机器人常用的位姿估计方法，在理想情况下利用超宽带对机器人进行定位能够实现厘米级的定位精度
。
然而部署
UWB
基站的成本较为昂贵，同时室内存在较多信号遮挡物，在复杂的室内环境下其定位精度将大幅下降
。

技术实现思路

[0005]本专利技术的目的在于针对现有技术的不足，提供了融合声回波信号及多源传感器的里程估计方法
。
[0006]为实现上述目的，本专利技术提供了融合声回波信号及多源传感器的里程估计方法，包括以下步骤：
[0007]S1、
利用误差卡尔曼滤波方法融合惯性测量单元和轮式里程计生成原始粗略里程估计；
[0008]S2、
采用机载扬声器向空间中发射线性调频激励信号，然后利用机载的麦克风阵列采集空间中的回波信号；
[0009]S3、
基于步骤
S1
，将步骤
S2
中采集的回波信号变换成回波信号频谱，将回波信号频谱作为原始数据集，利用对比学习的方法训练神经网络模型对回波信号进行特征编码；
[0010]S4、
对每个位置的回波信号进行特征编码之后，结合轨迹约束比较两两位置之间的特征相似度；当相似度大于阈值时，视为轨迹产生了回环，获取回环点；
[0011]S5、
利用图优化框架结合步骤
S4
中得到的回环点对轨迹进行优化，生成精确里程估计以及优化后的轨迹
。
[0012]进一步地，所述步骤
S2
中，线性调频激励信号
x(t)
复数表达
y(t)
定义为：
[0013][0014]式中，
j
为虚数单位，
f0为基础频率，
k
为调频率，
t
为时间
。
[0015]进一步地，所述步骤
S2
中，线性调频激励信号频率为
17
～
20kHz
，采样率为
48kHz
，
持续时间为
0.03s
，周期为
2s。
[0016]进一步地，所述步骤
S3
中，采用的特征编码网络训练方法为动量对比学习，特征编码网络主干为
ResNet
‑
18。
[0017]进一步地，所述步骤
S4
中，采用的特征相似度计算方法为余弦相似度法
。
[0018]进一步地，所述步骤
S5
中，采用图优化的方法对里程估计进行优化
。
[0019]与现有技术相比，本专利技术的有益效果是：以
17
～
21kHz
的扫频余弦信号
(Chirps)
信号作为线性调频激励信号并使用麦克风阵列采集携带空间结构信息的声回波信号；以基于对比学习的方法训练回波特征编码网络，在复杂的室内空间中实现了稳定且高精度的回环检测；以基于高精度回环检测以及融合
IMU
及轮速计的里程估计方法，在复杂的室内空间中实现了稳定高精度的里程计
。
本专利技术提出的融合近超声回波信号多源传感器的里程估计方法，部署简单，成本低廉，可以作为在复杂室内环境下机器人里程精确估计的一种方案
。
本专利技术利用声信号回波信号以及多源传感器的里程估计方法由于其对光照条件以及透明障碍物不敏感，且传感器成本较低易于部署，因此融合声回波信号以及多源传感器的里程估计方法具有广泛的应用场景
。
附图说明
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0021]图1是本专利技术融合近超声回波信号多源传感器的里程估计方法的流程图；
[0022]图2是本专利技术中定制
Chrip
信号的示意图；其中，图2中的
(a)
为系统发射的
Chirp
信号示意图，图2中的
(b)
为一个完整周期的激励信号周期示意图，图2中的
(b)
包含
10
个单周期的
Chirp
信号；
[0023]图3是本专利技术中利用对比学习神经网络模型的结构图；
[0024]图4是本专利技术中利用误差卡尔曼滤波融合
IMU
和轮式里程计生成原始里程估计的方法示意图
。
具体实施方式
[0025]以下通过特定的具体实施例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效
。
本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变
。
需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合
。
[0026]实施例1[0027]如图
1、
图
2、
图
3、
图4所示，本专利技术提供的融合近超声回波信号多源传感器的里程估计方法，包括如下步骤：
[0028]S1、
利用误差卡尔曼滤波方法融合惯性测量单元
(IMU)
和轮式里程计生成原始粗略里程估计；
[0029]S2、
采用机载扬声器向空间中发射线性调频激励信号，然后利用机载的麦克风阵列采集空间中的回波信号；其中，线性调频激励信号的频率为
17
～
20kHz
，采样率为
48kHz
，持续时间为
0.03s
，周期为
2s
，每周期重复
10
次本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种融合声回波信号及多源传感器的里程估计方法，其特征在于，包括如下步骤：
S1、
利用误差卡尔曼滤波方法融合惯性测量单元和轮式里程计生成原始粗略里程估计；
S2、
采用机载扬声器向空间中发射线性调频激励信号，然后利用机载的麦克风阵列采集空间中的回波信号；
S3、
基于步骤
S1
，将步骤
S2
中采集的回波信号变换成回波信号频谱，将回波信号频谱作为原始数据集，利用对比学习的方法训练神经网络模型对回波信号进行特征编码；
S4、
对每个位置的回波信号进行特征编码之后，结合轨迹约束比较两两位置之间的特征相似度；当相似度大于阈值时，视为轨迹产生了回环，获取回环点；
S5、
利用图优化框架结合步骤
S4
中得到的回环点对轨迹进行优化，生成精确里程估计以及优化后的轨迹
。2.
根据权利要求1所述的基于融合声回波信号及多源传感器的里程估计方法，其特征在于，所述步骤
S2
中，线性调频激励信号
x(t)
复数表达
y(t)
定义为：式中，
j

【专利技术属性】
技术研发人员：王智，刘光耀，贾乃征，崔维蒙，席玉章，
申请(专利权)人：浙江大学，
类型：发明
国别省市：