【技术实现步骤摘要】
本专利技术涉及协同定位算法领域,特别为一种基于相对方位的多移动机器人协同定 位算法。
技术介绍
多机器人协同系统是近年来机器人研究的热点,在工业、军事、航空航天等领域具 有非常广阔的应用前景。多机器人之间相互观测,通过信息交换,实现信息共享,减少对外 部环境的依赖性,增强机器人群中单个机器人的感知能力,从而可获得比单个机器人更精 确的定位信息,称为多机器人的协同定位。大多数机器人系统在环境探索时要求机器人有 自定位功能,而其中的自主移动机器人的自身定位问题尤为重要,是其最重要的能力之一。 D.Fox等人把单机器人马尔科夫定位方法扩展到多机器人,每个机器人使用概率 分布描述自身位姿信息,再用其它机器人的观测值重新定义概率分布。A.Howard等应用最 大似然估计和数值优化方法,提出了基于相对观测的、以自我为中心的机器人队列自定位 算法。文献1:王玲,刘云辉,万建伟.基于相对方位的多机器人协同合作定位算法.传感 器技术学报.2007, 20(4) :794-799。在此基础上研究了并行式结构中,利用扩展卡尔曼滤波 融合内部和外部相对观测信息,有效地提高了系统定位精度。 现有EKF的定位算法及其改进算法实时性好,但易产生误差积累,初始值不当和 系统的强非线性都易导致滤波发散。有学者提出了UKF及CDKF的机器人定位算法来解决 此问题,改善了算法的鲁棒性、可实现性,提高了定位精度,但在多机器人的高维系统中,协 方差传播会出现非正定性,进而导致数值不稳定。粒子滤波算法也被广泛应用于多机器人 系统定位中,PF定位精度较好但迭代算法 ...
【技术保护点】
一种基于平方根无迹卡尔曼滤波的多机器人协同定位算法,其特征在于,包括以下步骤: 步骤1,根据机器人的运动学方程和基于相对方位的量测方程,给出多移动机器人自定位的动态模型; 步骤2,采用SR‑UKF滤波算法,以相对方位为输入对系统状态进行整体更新,实现多移动机器人的协同自定位。
【技术特征摘要】
1. 一种基于平方根无迹卡尔曼滤波的多机器人协同定位算法,其特征在于,包括以下 步骤: 步骤1,根据机器人的运动学方程和基于相对方位的量测方程,给出多移动机器人自定 位的动态模型; 步骤2,采用SR-UKF滤波算法,以相对方位为输入对系统状态进行整体更新,实现多移 动机器人的协同自定位。2. 根据权利要求1所述的基于平方根无迹卡尔曼滤波的多机器人协同定位算法,其特 征在于,步骤1的具体过程为: 步骤1. 1,收集机器人群中每个机器人的信息; 步骤1. 2,建立机器人Ri的状态方程; 步骤1.3,建立量测方程。3. 根据权利要求2所述的基于平方根无迹卡尔曼滤波的多机器人协同定位算法,其特 征在于,步骤I. 1收集的信息包括: t时刻机器人Ri, i G [1,N]在t时刻的位置状态X) = ,其中纟,乂,#分别 为机器人Ri在t时刻的横轴坐标,纵轴坐标和运动方向; t时刻整个机器人群的位置状态z, =()d2,...,xf)T; t时刻机器人Ri, i G [1,N]观测到的机器人Rj, j尹i,j > i,j G [1,N]的相对方位 角/f。4. 根据权利要求2所述的基于平方根无迹卡尔曼滤波的多机器人协同定位算法,其特 征在于,步骤1. 2中机器人Ri的状态方程为其中,f( ?)为状态方程,《丨=(Ca))1为机器人Ri的控制输入,贫为t到t+1时刻内 机器人Ri的位移,< 为t到t+1时刻内机器人Ri的旋转角度,W = (wK)T为非加性的单位时间内位移D的误差,〇 a为单位时间内旋转角的误差。5. 根据权利要求2所述的基于平方根无迹卡尔曼滤波的多机器人协同定位算法,其特 征在于,步骤1.3中量测方程为h(*)为量测方程,%为量测噪声,服从#(0,<),且与状态方程中的过程噪声w丨不相 关,《为t时刻机器人Ri与机器人Rj的相对方位,〇 $相对方位的误差。6.根据权利要求1所述的基于平方根无迹卡尔曼滤波的多机器人协同定位算法,其特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。