用于智能轮椅在转角区域的自定位方法技术

一种用于智能轮椅在转角区域的自定位方法，它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器，通过传感器采集环境信息，两次卡尔曼估算，得到各传感器的相应权值，再监控拐角位置，算出轮椅与拐角之间的精准距离，完成自定位。

【技术实现步骤摘要】

本专利技术涉及一种定位方法，特别是一种多传感器信息融合定位方法。
技术介绍
随着科学的发展，人们对于轮椅的智能化要求越来越高，传统智能轮椅包括有轮椅本体、人工手动操作界面和操作系统，使用者根据使用场地控制操作界面，对轮椅运气路线进行控制，目前还没有轮椅本身根据现场情况自行设计运行路线，并运行的智能机器人式轮椅，智能机器人式轮椅的实现难点在于轮椅的自定位，特别是在需要转角的地方，轮椅需要精确测量出轮椅本身与转角之间的距离和位置关系，处理器再根据距离和位置关系制定相应的路线规划，由于轮椅一直保持运行状态，仅通过传感器采集轮椅与转角之间的距离不够精确，不足以使处理器规划出正确的转角路线。
技术实现思路
本专利技术的目的就是提供一种，它通过卡尔曼滤波器对传感器所测得的数据进行融合，使测得的轮椅与转角之间的距离更精准，完成轮椅在转角区域的精确自定位。本专利技术的目的是通过这样的技术方案实现的，它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器，其步骤如下1)摄像头和声纳传感器对轮椅附近的环境信息进行采集，并分别记录探测位置与轮椅之间的距离为L。和Ls;2)第一卡尔曼滤波器对摄像头采集到的L。进行分析处理，对摄像头探测值进行矫正， 得到摄像头探测距离估算值Ldt ；3)比对L。k与Ls的值，排除误差大的声纳探测错误数据Ls，对声纳探测值进行矫正，得到声纳传感器探测距离估算值Lsk ；4)将L。k与Lsk统一坐标系对准，再通过第二卡尔曼滤波器进行处理，经多次迭代后卡尔曼滤波器会给各传感器分配相应权值，得出每个时刻的最优状态估计值L ；5)监控声纳传感器探测值，声纳传感器探测值跳变时，表明探测到转角，此时第二卡尔曼滤空器得到的最优状态估计值L为轮椅与转角的精准距离，完成轮椅自定位。进一步，摄像头采集到的数据和卡尔曼滤波器处理后的数据逐帧传送至上位机处理器进行图像处理，进行模拟成像。进一步，上位机处理器通过无线网卡接收数据。进一步，卡尔曼滤波器是这样进行数据处理的在卡尔曼滤波器中建立跟踪对象的线性系统的状态方程和观测方程为 状态方程爛=^"I)+ , 观测方程z(k)^Hx(k)+v(k),式中，, τφ- )是在时刻i , λ-1的系统状态向量，雄)是在时刻λ的系统状态向量，, ν(λ)分别为正态分布的运动向量和测量噪声向量，a为状态传递矩阵~为测量矩阵；卡尔曼滤波器中根据当前的状态估计后来的随机模型状态其定义是 预测状态X'm = ax{k-1)+ w(i),先验错误估计相关矩阵-.pge^aptk-lyZ+Q ，式中，“'Μ是预测状态，A-(^-I)是前一步的正确状态，p'm是先验误差相关矩阵， Pik-I)是前一步的后验误差相关矩阵，β为运动噪声的协方差矩阵； 在给定模型状态的测量参数的基础上，调节随机模型状态，其定义为预测增益矩阵Κ Κρ- ^Η^βρ 拟Ht +幻―1 ，矫正状态 J㈨=x'W + i'W&W-i&'Ot))，后验错误估计相关矩阵= +，式中，K{k)为卡尔曼增益矩阵，R为测量噪声相关矩阵；滤波器收到预测对象运动状态，调用状态方程建立运动模型对预测对象在务时刻的运动状态进行估计，得到一个先验估计值，然后对先验估计值进行校正，得到校正后的对灼的估计值，从而达到预测的目的。由于采用了上述技术方案，本专利技术具有如下的优点卡尔曼算法是采用信号与噪声的状态空间模型，利用前一时刻地估计值和当前时刻的观测值来更新对状态变量的估计，第一卡尔曼处理器对摄像头采集到的L。进行分析处理， 其目的是为了使摄像头探测到的距离数据更加准确，并且可以减小摄像头所测数据受光线强弱变化的影响，提高鲁棒性。由于将处理后的数据样本与声纳所测得的数据进行比对，排除声纳因镜面反射所采集到的错误数据，使声纳传感器所测得的数据更加精确，并且卡尔曼滤波器对声纳传感器和摄像头的数据进行融合，显著提高数据准确性。附图说明本专利技术的附图说明如下。图1为本专利技术工作状态示意图。图2为声纳自定位观测模型示意图。图3摄像头自定位观测模型示意图。图4为摄像头小孔成像模型示意图。图5为卡尔曼运算方法示意图。图6为本专利技术的工作原理图。具体实施方式下面结合附图和实施例对本专利技术作进一步说明。一种，它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器，其步骤如下1)摄像头和声纳传感器对轮椅附近的环境信息进行采集，并分别记录探测位置与轮椅之间的距离为L。和Ls;2)第一卡尔曼滤波器对摄像头采集到的L。进行分析处理，对摄像头探测值进行矫正， 得到摄像头探测距离估算值Ldt ；3)比对L。k与Ls的值，排除误差大的声纳探测错误数据Ls，对声纳探测值进行矫正，得到声纳传感器探测距离估算值Lsk ；4)将L。k与Lsk统一坐标系对准，再通过第二卡尔曼滤波器进行处理，经多次迭代后卡尔曼滤波器会给各传感器分配相应权值，得出每个时刻的最优状态估计值L ；5)监控声纳传感器探测值，声纳传感器探测值跳变时，表明探测到转角，此时第二卡尔曼滤空器得到的最优状态估计值L为轮椅与转角的精准距离，完成轮椅自定位。摄像头和声纳传感器均为传感器，用于采集初始数据，摄像头和声纳传感器采集转角距离之外还负责采集轮椅四周的数据，包括有摄像头采集的图像数据，用于处理器模拟成像，声纳传感器采集的四周障碍物距离数据。卡尔曼算法是采用信号与噪声的状态空间模型，利用前一时刻地估计值和当前时刻的观测值来更新对状态变量的估计，第一卡尔曼处理器对摄像头采集到的L。进行分析处理，其目的是为了使摄像头探测到的距离数据更加准确，并且可以减小摄像头所测数据受光线强弱变化的影响，提高鲁棒性。将处理后的数据样本与声纳所测得的数据进行比对，排除声纳因镜面反射所采集到的错误数据，使声纳传感器所测得的数据更加精确。由于摄像头和声纳传感器所测得数据是基于不同坐标系得到的结果，在融合之前需要进行对准，统一坐标系，第二卡尔曼处理器对两个传感器经过处理器后的准确数据进行融合，得到最后估算值，对比两个传感器所测值于估算值，测出它们的误差，并根据多次的上述处理对误差进行统计，得出每个传感器应分配的权值，传感器所测得数据乘以权值再相加得到最优估算值，即轮椅与所测处置的距离估算值，完成轮椅相对于所测位置处的自定位，该估算值通过多次处理并多次迭代后精确性显著提高，适用于处理器进行轨道规划。本专利技术用于智能轮椅在转角区域的位置自定位，只需测出轮椅距离转角之间的距离，当声纳传感器扫描到转角时，其所测距离数据必然进行跳变，监控声纳所测数据，当发生跳变时，即证明目前所测位置为转角，此时第二卡尔曼处理器处理后的距离数据为轮椅与转角的精确距离，再发送至处理器，处理器即可进行轨道规划，处理器根据所接收的数据可以进行无数种轨道规划。为了便于使用者直观的察看轮椅的运行状态，摄像头采集到的数据和卡尔曼滤波器处理后的数据逐帧传送至上位机处理器进行图像处理，进行模拟成像。可以在上位机处理器处置处或轮椅上安装显示屏，将模拟成像传送至需要观看的地方。上位机处理器通过无线网卡接收数据。使操控者可以远程控制轮椅，若轮椅的使用者无行动控制能力，操控者可以通过模拟成像进行远程控制，方便安全。卡尔曼滤波器是这样进行数据处理的权利要求1.一种，其特征在于，它包本文档来自技高网...

【技术保护点】
１．　一种用于智能轮椅在转角区域的自定位方法，其特征在于，它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器，其步骤如下：１）摄像头和声纳传感器对轮椅附近的环境信息进行采集，并分别记录探测位置与轮椅之间的距离为Ｌｃ和Ｌｓ；２）第一卡尔曼滤波器对摄像头采集到的Ｌｃ进行分析处理，对摄像头探测值进行矫正，得到摄像头探测距离估算值Ｌｃｋ；３）比对Ｌｃｋ与Ｌｓ的值，排除误差大的声纳探测错误数据Ｌｓ，对声纳探测值进行矫正，得到声纳传感器探测距离估算值Ｌｓｋ；４）将Ｌｃｋ与Ｌｓｋ统一坐标系对准，再通过第二卡尔曼滤波器进行处理，经多次迭代后卡尔曼滤波器会给各传感器分配相应权值，得出每个时刻的最优状态估计值Ｌ；５）监控声纳传感器探测值，声纳传感器探测值跳变时，表明探测到转角，此时第二卡尔曼滤空器得到的最优状态估计值Ｌ为轮椅与转角的精准距离，完成轮椅自定位。

【技术特征摘要】

【专利技术属性】
技术研发人员：罗元，张毅，邵帅，李敏，胡章芳，徐晓东，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：85