一种基于粒子滤波的移动机器人定位加速方法技术

本发明专利技术公开了一种基于粒子滤波的移动机器人定位加速方法，在预处理阶段，对地图的每个坐标，按照设定的分辨率，对其每个角度计算并存储最近障碍物的距离，得到结果查找表；在粒子滤波阶段，使用GPU并行维护粒子，并直接从查找表中查找粒子周围障碍物距离信息，用于计算粒子权重。由于采用GPU并行处理及改进的查找表相结合的方式，通过GPU并行处理能降低地图预处理的时间及粒子滤波定位过程中的时间，另外通过建立改进的查找表能有效降低粒子滤波定位过程中对内存的占用量；最终保证移动机器人定位的及时性。

【技术实现步骤摘要】
一种基于粒子滤波的移动机器人定位加速方法
本专利技术涉及一种机器人定位加速方法，具体是一种基于粒子滤波的移动机器人定位加速方法。
技术介绍
定位与导航技术是室内自主移动机器人的关键技术之一。室内定位与导航技术根据环境地图等先验信息，可分为三类：第一类是环境地图事先已知；第二类是同时定位与地图构建(SimultaneousLocalizationAndMapping,SLAM)；第三类是不依赖环境地图。第一类和第二类是常见的室内机器人自主导航方法，而定位是这两种方法的关键步骤。定位是指机器人通过读取传感器信息，与当前地图进行匹配，获取自身在地图中的位置。在SLAM问题中，应用传感器感知的信息实现可靠的定位是自主移动机器人最基本、最重要的一项功能，也是移动机器人研究中备受关注、富有挑战性的一个重要研究主题。移动机器人搭载里程计和激光雷达，在栅格地图中使用粒子滤波来定位，是当前一种常见的机器人定位方法。粒子滤波属于贝叶斯滤波，在此框架下它又使用了蒙特卡洛方法和重要性采样方法。在用于定位场景时，粒子滤波使用大量的粒子来模拟机器人的位姿，并使用激光雷达数据和地图数据来计算粒子权重。它首先将粒子在地图中坐标周围的最近障碍物距离计算出来，然后结合激光雷达数据计算粒子的权重。但由于蒙特卡洛方法的自身特点，提高定位精度就需要使用更多的粒子；并且在计算和统计地图中粒子周围最近障碍物距离时，需要使用光线投射或其他距离计算方法。对如此众多的粒子进行相同的计算，会占用大量的计算资源，导致粒子滤波速度严重受限。由于机器人对移动速度要求越来越高，因此定位速度的加速优化一直受到很大关注。目前，基于粒子滤波和栅格地图的定位中，地图查找表法是一种较为成熟的加速优化方法。查找表法是指在滤波过程中，放弃最近障碍物距离的实时计算，而是从预先计算好的查找表中查找对应结果。为得到查找表，首先按照一定的坐标分辨率，遍历地图所有坐标点。对每个坐标点，按照一定的角度分辨率计算该点一周的最近障碍物距离并确定障碍物与该点之间的连线相对起始坐标轴的旋转角度。然后以坐标和角度为索引，将计算结果存储到查找表中。查找表法的优点是在几乎不影响滤波精度的前提下，能大幅度提高滤波速度。但这种方法的缺点是在进行查找表过程时会占用大量的内存，尤其是地图较大时，对内存资源有限的移动机器人的移动计算平台是一种很大的压力，极易造成数据处理崩溃。
技术实现思路
针对上述现有技术存在的问题，本专利技术提供一种基于粒子滤波的移动机器人定位加速方法，通过GPU并行处理及改进的查找表，不仅有效提高粒子滤波定位速度，而且有效降低内存的占用情况，保证移动机器人定位的及时性。为了实现上述目的，本专利技术采用的技术方案是：一种基于粒子滤波的移动机器人定位加速方法，具体步骤为：A、采用GPU并行处理建立改进的查找表：首先获取移动机器人所需行驶的环境栅格地图，并将该地图处于XY轴坐标系下，然后GPU开辟多个线程，同时开辟多个内存块；将环境栅格地图复制到各个内存块中，GPU对每个内存块中环境栅格地图并行处理，每个内存块内按照角度分辨率θ将获取地图以地图中心点(即地图对应两条对角线的交点)为原点分别顺时针旋转角度α1，α2，…αn，以坐标分辨率σ对x轴上的坐标进行遍历，并记录X轴上各个坐标水平高度上的所有障碍物的y坐标，分别记为bin[x1]，bin[x2]…bin[xn]；最后将各个内存块不同旋转角度下各自所有bin[x]的集合分别为container[α1]，container[α2]，…container[αn]；完成一轮处理后，若有剩余旋转角度需要处理，则将剩余的旋转角度分配给各个内存块，然后GPU重复上述并行处理过程，直至完成所有旋转角度的处理，最后存储各个数据；B、采用GPU对移动机器人进行定位：设定并行加速阈值及位姿方差阈值，对移动机器人进行定位时采用粒子滤波原理在栅格地图上生成粒子，GPU开辟多个线程，生成的粒子分配给各个线程，GPU并行维护粒子；然后判断当前粒子数是否超过并行加速阈值，若未超过并行加速阈值，则GPU进行串行处理过程，通过粒子滤波根据粒子所处位置读取改进查找表中该粒子的周围环境，进而计算粒子权重及重采样粒子，最终得出的粒子位姿，若粒子位姿方差小于设定的位姿方差阈值，则输出该数据得到滤波结果，从而对移动机器人进行定位，若粒子位姿方差大于等于阈值，则重复计算出当前粒子观测值的概率，直至得出的粒子位姿方差小于阈值；若超过并行加速阈值，则GPU并行处理，将各个粒子分配给多个线程，每个线程按照上述串行处理过程并行计算得出当前粒子位姿。进一步，所述计算粒子权重的过程为：计算过程分为预测和更新两步(或先验和后验)；当系统符合马尔科夫假设时，预测和更新的公式分别如下：p(xk|y1：k-1)＝∫p(xk|xk-1)p(xk-1|y1：k-1)dxk-1(1)预测是指根据上一时刻的后验估计p(xk|y1：k)，对本时刻系统的状态xk做出预估；更新是指通过最新得到的观测数据yk，和第一步预测结果综合，得到最优估计；当遇到难以解析的系统模型(如非线性非高斯的系统)时，由于无法积分，所以无法直接使用上述公式，此时引入蒙特卡洛采样；蒙特卡洛采样是指使用大量采样的平均值来代替积分：首先按照系统状态的后验概率从系统中进行采样得到N个样本(即粒子)，然后统计采样结果，得到系统状态的期望值；由于后验概率p(xk|y1：k)无法直接得到，故使用重要性采样；重要性采样是指用一个能解析的概率分布函数q(xk|y1∶k)进行采样；并用表示此采样和用后验概率采样的相关性，即粒子的权重：使用重要性采样方法后，则计算系统状态的期望有：其中是归一化后的权重：在粒子权重的计算中，每次采样时后验概率均要重新计算，使用序贯重要性采样通过迭代的方式减少运算量，最终得出：当滤波迭代计算数次以后，会出现粒子退化现象，即大部分的粒子权重都很小，它们对估计系统状态几乎不起作用。继续维持权重小的粒子会造成计算资源的浪费。因此，需要进行重要性重采样。按照当前粒子的权重给予粒子被重采样的概率。进一步，所述重要性采样函数选择为p(xk|xk-1)，即先验概率函数；在计算粒子权重时，将代入式(7)中，得上式中表示粒子在该位置获得传感器观测值的概率。与现有技术相比，本专利技术采用GPU并行处理及改进的查找表相结合的方式，通过GPU并行处理能降低地图预处理的时间及粒子滤波定位过程中的时间，另外通过建立改进的查找表能有效降低粒子滤波定位过程中对内存的占用量；因此本专利技术不仅有效提高粒子滤波定位速度，而且有效降低内存的占用情况，保证移动机器人定位的及时性。附图说明图1是本专利技术对栅格地图旋转角度为α＝0°的预处理示意图；图2是本专利技术对栅格地图旋转角度为α＝90°的预处理示意图；图3是本专利技术中GPU并行处理建立改进的查找表的流程图；图4是本专利技术的整体流程图；图5是实验证明中采用的地图。具体实施方式下面将对本专利技术做进一步说明。如图所示，一种基于粒子滤波的移动机器人定位加速方法，具体步骤为：A、采用GPU并行处理建立改进的查找表：首先获取移动机器人所需行驶的环境栅格地图，并将该地图处于XY轴坐标系下，然后GPU开辟多个线程，同时开辟多个内存块；将环境栅格地图复制到各个内存本文档来自技高网...

【技术保护点】
1.一种基于粒子滤波的移动机器人定位加速方法，其特征在于，具体步骤为：A、采用GPU并行处理建立改进的查找表：首先获取移动机器人所需行驶的环境栅格地图，并将该地图处于XY轴坐标系下，然后GPU开辟多个线程，同时开辟多个内存块；将环境栅格地图复制到各个内存块中，GPU对每个内存块中环境栅格地图并行处理，每个内存块内按照角度分辨率θ将获取地图以地图中心点为原点分别顺时针旋转角度α1，α2，…αn，以坐标分辨率σ对x轴上的坐标进行遍历，并记录X轴上各个坐标水平高度上的所有障碍物的y坐标，分别记为bin[x1]，bin[x2]…bin[xn]；最后将各个内存块不同旋转角度下各自所有bin[x]的集合分别为container[α1]，container[α2]，…container[αn]；完成一轮处理后，若有剩余旋转角度需要处理，则将剩余的旋转角度分配给各个内存块，然后GPU重复上述并行处理过程，直至完成所有旋转角度的处理，最后存储各个数据；B、采用GPU对移动机器人进行定位：设定并行加速阈值及位姿方差阈值，对移动机器人进行定位时采用粒子滤波原理在栅格地图上生成粒子，GPU开辟多个线程，生成的粒子分配给各个线程，GPU并行维护粒子；然后判断当前粒子数是否超过并行加速阈值，若未超过并行加速阈值，则GPU进行串行处理过程，通过粒子滤波根据粒子所处位置读取改进查找表中该粒子的周围环境，进而计算粒子权重及重采样粒子，最终得出的粒子位姿，若粒子位姿方差小于设定的位姿方差阈值，则输出该数据得到滤波结果，从而对移动机器人进行定位，若粒子位姿方差大于等于阈值，则重复计算出当前粒子观测值的概率，直至得出的粒子位姿方差小于阈值；若超过并行加速阈值，则GPU并行处理，将各个粒子分配给多个线程，每个线程按照上述串行处理过程并行计算得出当前粒子位姿。...

【技术特征摘要】
1.一种基于粒子滤波的移动机器人定位加速方法，其特征在于，具体步骤为：A、采用GPU并行处理建立改进的查找表：首先获取移动机器人所需行驶的环境栅格地图，并将该地图处于XY轴坐标系下，然后GPU开辟多个线程，同时开辟多个内存块；将环境栅格地图复制到各个内存块中，GPU对每个内存块中环境栅格地图并行处理，每个内存块内按照角度分辨率θ将获取地图以地图中心点为原点分别顺时针旋转角度α1，α2，…αn，以坐标分辨率σ对x轴上的坐标进行遍历，并记录X轴上各个坐标水平高度上的所有障碍物的y坐标，分别记为bin[x1]，bin[x2]…bin[xn]；最后将各个内存块不同旋转角度下各自所有bin[x]的集合分别为container[α1]，container[α2]，…container[αn]；完成一轮处理后，若有剩余旋转角度需要处理，则将剩余的旋转角度分配给各个内存块，然后GPU重复上述并行处理过程，直至完成所有旋转角度的处理，最后存储各个数据；B、采用GPU对移动机器人进行定位：设定并行加速阈值及位姿方差阈值，对移动机器人进行定位时采用粒子滤波原理在栅格地图上生成粒子，GPU开辟多个线程，生成的粒子分配给各个线程，GPU并行维护粒子；然后判断当前粒子数是否超过并行加速阈值，若未超过并行加速阈值，则GPU进行串行处理过程，通过粒子滤波根据粒子所处位置读取改进查找表中该粒子的周围环境，进而计算粒子权重及重采样粒子，最终得出的粒子位姿，若粒子位姿方差小于设定的位姿方差阈值，则输出该数据得到滤波结果，从而对移动机器人进行定位，若粒子位姿方差大于等于阈值，则重复计算出当前粒子观测值的概率，直至得出的...

【专利技术属性】
技术研发人员：郭阳全，叶宾，郑丽丽，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32