[發(fā)明專利]基于陀螺儀的掃地機器人角度最優(yōu)估算方法在審
| 申請?zhí)枺?/td> | 201910577374.2 | 申請日: | 2019-06-28 |
| 公開(公告)號: | CN110231030A | 公開(公告)日: | 2019-09-13 |
| 發(fā)明(設計)人: | 高瑜 | 申請(專利權)人: | 蘇州瑞久智能科技有限公司 |
| 主分類號: | G01C21/16 | 分類號: | G01C21/16;G01C21/20 |
| 代理公司: | 蘇州吳韻知識產權代理事務所(普通合伙) 32364 | 代理人: | 王銘陸 |
| 地址: | 215000 江蘇省蘇州市姑蘇*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 均方誤差 掃地機器人 陀螺儀 運動學模型 最優(yōu)估計 估算 濾波 預測 測量 采樣時間點 全局坐標系 陀螺儀數據 旋轉編碼器 自回歸運算 過程模型 過程噪聲 雙輪驅動 隨機誤差 預測系統(tǒng) 離散化 驅動輪 更新 噪聲 融合 重復 | ||
1.一種基于陀螺儀的掃地機器人角度最優(yōu)估算方法,其特征在于,所述方法包括如下步驟:
步驟一、在全局坐標系{O,X,Y}中,建立雙輪驅動掃地機器人的連續(xù)運動學模型和離散化的運動學模型;
步驟二、基于系統(tǒng)上一時刻的狀態(tài),利用系統(tǒng)的過程模型,預測系統(tǒng)當前k時刻的狀態(tài);
步驟三、利用過程噪聲Q更新濾波均方誤差,得到當前時刻的預測均方誤差Pk|k-1;
步驟四、基于預測均方誤差Pk|k-1和測量噪聲R,計算卡爾曼增益Kk;
步驟五、結合預測值θk|k-1和陀螺儀的測量值Zk,得到當前時刻的角度最優(yōu)估算值θk|k;
步驟六、更新當前時刻的濾波均方誤差,得到最優(yōu)估計值Pk|k;
步驟七、當系統(tǒng)進入下一時刻,重復步驟二至步驟六,實現自回歸運算。
2.如權利要求1所述的一種基于陀螺儀的掃地機器人角度最優(yōu)估算方法,其特征在于:所述步驟一中,雙輪驅動掃地機器人的坐標表示為P=[x y θ]T,其中,P點為兩個驅動輪軸的中心,θ為兩個驅動輪軸與x軸的夾角;
設機器人前進的線速度為υ,轉向的角速度為ω,連續(xù)運動學模型表示為:
其中,υL和υR分別為左、右驅動輪的線速度,L是驅動輪之間的距離;
選取T為采樣周期時間,離散化的運動學模型為:
其中,θk-1為機器人前一時刻的角度,ωk-1為前一時刻的轉向角速度,θk為當前時刻角度的計算值;
通過讀取采樣周期內左、右驅動輪的旋轉編碼器脈沖個數NR和NL,得到新的角度狀態(tài)表達式:
其中,r為驅動輪半徑,N為編碼器旋轉一周的脈沖個數,wk為過程噪聲;
依據陀螺儀,讀取當前時刻的角度測量值Zk:
Zk=θk+vk (4)
其中,vk為陀螺儀的測量噪聲。
3.如權利要求2所述的一種基于陀螺儀的掃地機器人角度最優(yōu)估算方法,其特征在于:所述過程噪聲wk以及陀螺儀的測量噪聲vk均為高斯白噪聲。
4.如權利要求2所述的一種基于陀螺儀的掃地機器人角度最優(yōu)估算方法,其特征在于:所述步驟二中,當前k時刻的狀態(tài)θk|k-1的表達式為:
式(5)中,θk|k-1是利用上一狀態(tài)預測的結果,即當前時刻角度的預測值,θk-1|k-1為上一時刻角度的最優(yōu)估計值。
5.如權利要求2所述的一種基于陀螺儀的掃地機器人角度最優(yōu)估算方法,其特征在于:所述步驟三中,所述當前時刻的預測均方誤差Pk|k-1的表達式為:
Pk|k-1=Pk-1|k-1+Q (6)
式(6)中,Pk-1|k-1為上一時刻的最優(yōu)均方誤差,Pk|k-1為當前時刻的預測均方誤差。
6.如權利要求2所述的一種基于陀螺儀的掃地機器人角度最優(yōu)估算方法,其特征在于:所述步驟四中,所述卡爾曼增益Kk的表達式為:
Kk=Pk|k-1(Pk|k-1+R)-1。 (7)。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于蘇州瑞久智能科技有限公司,未經蘇州瑞久智能科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910577374.2/1.html,轉載請聲明來源鉆瓜專利網。





