[發(fā)明專利]基于自適應(yīng)卡爾曼濾波與平均跟蹤的分布式地圖融合方法

有效

• 申請?zhí)枺?/td>: 202010972064.3
• 申請日: 2020-09-16
• 公開（公告）號: CN112097774B
• 公開（公告）日: 2022-08-23
• 發(fā)明（設(shè)計）人: 陳飛;楊承旺;黃伯敏;項(xiàng)林英
• 申請（專利權(quán)）人: 東北大學(xué)秦皇島分校
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01C21/16
• 代理公司: 沈陽東大知識產(chǎn)權(quán)代理有限公司 21109
• 代理人: 李珉

1.一種基于自適應(yīng)卡爾曼濾波與平均跟蹤的分布式地圖融合方法，其特征在于：包括以下步驟：

步驟1：構(gòu)造多智能體系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖，每個節(jié)點(diǎn)代表一個智能體，每條邊代表智能體間的信息交互；

所述構(gòu)造的多智能體系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖記為：其中，表示所有智能體的集合，ε表示所有智能體連邊的集合，N_ij＝{j|(i,j)∈ε；j≠i}表示由智能體i的鄰居智能體所構(gòu)成的集合，j表示智能體i的鄰居智能體；

步驟2：確定所構(gòu)造的多智能體系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖的鄰接矩陣；

多智能體系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖的鄰接矩陣A，其形式為：如果智能體i和智能體j有邊相連，則A_ij＝a，a代表相鄰智能體之間邊的權(quán)重值；如果沒有邊相連，則為A_ij＝0；

步驟3：根據(jù)智能體所使用的運(yùn)動傳感器和測量傳感器分別建立多智能體系統(tǒng)中各智能體的狀態(tài)方程及觀測方程；

步驟4：根據(jù)步驟3中各智能體的狀態(tài)方程及觀測方程設(shè)計自適應(yīng)卡爾曼濾波算法，獲取各智能體的局部地圖信息；

步驟5：將步驟4中獲取到的每個智能體建立的局部地圖信息轉(zhuǎn)換成信息向量和信息矩陣的形式，再利用平均跟蹤算法設(shè)計實(shí)現(xiàn)分布式地圖融合方法；

步驟6：設(shè)定多個智能體的初始值信息與路標(biāo)點(diǎn)信息，以及過程噪聲和觀測噪聲的統(tǒng)計量初值，運(yùn)行步驟5設(shè)計的分布式地圖融合算法；

步驟7：根據(jù)步驟6的運(yùn)行結(jié)果不斷修正分布式地圖融合算法，直至算法收斂，最終得到智能體探測區(qū)域的全局地圖。

2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)卡爾曼濾波與平均跟蹤的分布式地圖融合方法，其特征在于：所述步驟3建立的多智能體系統(tǒng)中各智能體的狀態(tài)方程和觀測方程，其形式如下：

其中，r_i,k、r_i,k-1分別為時刻k和k-1下第i個智能體的狀態(tài)信息；u_i,k為時刻k第i個智能體的控制輸入；z_i,k為時刻k下第i個智能體的觀測信息；m_i,k為時刻k下第i個智能體局部地圖信息實(shí)際值；w_i,k-1為時刻k-1下第i個智能體的過程噪聲；v_i,k-1為時刻k-1下第i個智能體的觀測噪聲；w_i,k-1和v_i,k-1均符合E～δ的形式，E是噪聲的均值，δ是噪聲的協(xié)方差；f(r_i,k-1,u_i,k)是智能體的狀態(tài)方程；h(r_i,k,m_i,k)是以相對距離為測量信息的觀測方程；g(r_i,k,z_i,k)則是基于狀態(tài)信息r_i,k和觀測信息z_i,k求解路標(biāo)點(diǎn)信息的方程。