[發明專利]一種移動機器人定位精度提升方法及系統

在審

• 申請號: 202110571321.7
• 申請日: 2021-05-25
• 公開（公告）號: CN113280808A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 郭帥;盧文浩;曾令棟;谷萬;莢啟波;汪生浩;朱猛猛
• 申請（專利權）人: 上海大學
• 主分類號: G01C21/00
• 分類號: G01C21/00;G01C21/20
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 韓雪梅

本發明涉及一種移動機器人定位精度提升方法及系統。該方法包括：建立里程計運動模型；對所述里程計運動模型進行降噪，得到降噪后的里程計運動模型；根據所述降噪后的里程計運動模型，確定機器人的位姿，記為第一位姿；獲取激光傳感器采集的機器人的位姿，記為第二位姿；確定在線估算噪聲的統計特性；將所述第一位姿、所述第二位姿和所述統計特性采用擴展卡爾曼濾波方法融合，得到移動機器人的融合位姿。本發明具有計算簡單、使用方便、適合復雜環境且精確度高的特點。

技術領域

本發明涉及機器人定位技術領域，特別是涉及一種移動機器人定位精度提升方法及系統。

背景技術

隨著工作環境復雜度的提高，只使用基于激光傳感器的絕對定位將無法滿足移動機器人的定位需求，即單傳感器機器人定位不能滿足移動機器人在復雜施工環境下的定位需求。本發明將使用組合定位進行移動機器人在復雜施工環境下的定位，利用多傳感器進行數據融合，提升移動機器人的定位精度，從而使移動機器人完成精準作業。其中，融合定位算法是多傳感器信息融合定位的關鍵技術與核心。

卡爾曼濾波算法是目前使用最廣泛之一的融合算法，其在線性系統中應用可以得到較好的效果。且在使用卡爾曼濾波算法作為定位融合算法時，需要事先知道噪聲的統計特性，一般的處理方法為假設噪聲矩陣滿足某種分布，其對于定位的精確度有一定的影響。

因此，如何提供一種計算簡單、使用方便、適合復雜環境且精確度高的移動機器人定位方法，是本領域技術人員亟待解決的技術問題。

發明內容

本發明的目的是提供一種計算簡單、使用方便、適合復雜環境且精確度高的移動機器人定位精度提升方法及系統。

為實現上述目的，本發明提供了如下方案：

一種移動機器人定位精度提升方法包括：

建立里程計運動模型；

對所述里程計運動模型進行降噪，得到降噪后的里程計運動模型；

根據所述降噪后的里程計運動模型，確定機器人的位姿，記為第一位姿；

獲取激光傳感器采集的機器人的位姿，記為第二位姿；

確定在線估算噪聲的統計特性；

將所述第一位姿、所述第二位姿和所述統計特性采用擴展卡爾曼濾波方法融合，得到移動機器人的融合位姿。

可選地，所述建立里程計運動模型，具體包括：

建立里程計運動模型：

其中，X_k+1表示k+1時刻系統的里程計的狀態變量，為機器人在全局坐標系下的初始位姿，為機器人經過Δt時間后到達的位姿，Δθ表示相鄰時刻移動機器人方位角的變化量，Δx表示相鄰時刻機器人在機器人坐標系X方向上位移增量，Δy表示相鄰時刻機器人在機器人坐標系Y方向上位移增量，V_x、V_y和ω由移動機器人底輪運動模型計算得到，ω₁，ω₂，ω₃，ω₄分別代表四個底輪的角速度，Δt為編碼器的采樣周期。

可選地，所述對所述里程計運動模型進行降噪，得到降噪后的里程計運動模型，具體包括：

采用卡爾曼濾波器對所述里程計運動模型進行降噪，得到降噪后的里程計運動模型：

X_k+1＝FX_k+W_k；

其中，X_k+1表示k時刻里程計的狀態變量，X_k表示k-1時刻里程計的狀態變量，W_k代表過程噪聲，F表示狀態變換矩陣。