本发明专利技术实施例公开一种机器人同步定位与地图创建方法及装置，属于机器人同步定位与地图创建领域。该方法包括：根据外部传感器采集的外部环境信息，得到观测信息数据集；根据当前时刻的后验概率分布和下一时刻的运动控制信息，得到下一时刻的先验概率分布；利用所述下一时刻的先验概率分布和所述观测信息数据集更新后验概率分布；根据更新后的后验概率分布更新当前时刻地图特征信息并更新当前时刻机器人控制信息。本发明专利技术实施例通过容积变换，避免了直接线性化过程，减少了计算雅可比矩阵的计算量，提高了精度，减小了截断误差对于系统稳定性的影响，改进了通过迭代测量更新，改进了容积点采样规则，减小采样点在高度非线性环境下的失真。
【技术实现步骤摘要】
本专利技术涉及机器人同步定位与地图创建领域，尤其涉及一种机器人同步定位与地 图创建方法及装置。
技术介绍
机器人定位和地图创建问题是移动机器人导航研宄中的关键问题，可靠导航是自 主机器人最基本、最重要的一项功能，对移动机器人的研宄有非常重要的意义。 目前解决移动机器人同步定位与地图创建问题的主要方法是应用卡尔曼滤波计 算。例如，申请号为201410581627.0的申请文件提出一种卡尔曼滤波方法，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；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。申请文件201410581627. 0采用的卡尔曼滤波法姿态解算方法建模简单、实时性较 好，但是忽略了非线性因素尤其是载体位移加速度对姿态测量信息的影响。 为了提高机器人的姿态解算精度，申请号为201410489632. 9的专利申请文件提 出一种基于改进的扩展卡尔曼滤波算法的两轮自平衡机器人姿态解算方法，利用STM32交 互采集处理两轮自平衡机器人惯性姿态测量数据；利用两轮自平衡机器人姿态测量系统建 立MEMS陀螺仪误差数学模型；利用两轮自平衡机器人姿态测量系统建立MEMS MU姿态解 算数学模型；利用MEMS IMU姿态解算数学模型构建扩展卡尔曼滤波器模型；利用改进的扩 展卡尔曼滤波算法对两轮自平衡机器人姿态测量数据进行数据融合；利用二阶近似解算减 少非线性函数非线性截断误差；利用位移加速度判断公式，自适应量测噪声矩阵对两轮自 平衡机器人姿态进行补偿；利用两步量测更新的方法提高改进的扩展卡尔曼滤波的先验解 算精度。 但是该种方法未充分考虑到机器人模型非线性化的程度，如果机器人模型非线性 化程度较高，易产生较大的位姿估计误差，影响非线性的环境下的系统定位精度。
技术实现思路
本专利技术实施例提供一种机器人同步定位与地图创建方法及装置，能够减小采样点 在高度非线性环境下的失真。 本专利技术实施例采用如下技术方案： -方面提供一种机器人同步定位与地图创建方法，包括： 根据外部传感器采集的外部环境信息，得到观测信息数据集； 根据当前时刻的后验概率分布和下一时刻的运动控制信息，得到下一时刻的先验 概率分布； 利用所述下一时刻的先验概率分布和所述观测信息数据集更新后验概率分布； 根据更新后的后验概率分布更新当前时刻地图特征信息并更新当前时刻机器人 控制信息。 可选的，所述根据外部传感器采集的外部环境信息，得到观测信息数据集之前，还 包括：建立机器人运动模型； 建立所述机器人运动模型应用的机器人运动方程为：【主权项】1. 一种机器人同步定位与地图创建方法，其特征在于，包括： 根据外部传感器采集的外部环境信息，得到观测信息数据集； 根据当前时刻的后验概率分布和下一时刻的运动控制信息，得到下一时刻的先验概率 分布； 利用所述下一时刻的先验概率分布和所述观测信息数据集更新后验概率分布； 根据更新后的后验概率分布更新当前时刻地图特征信息并更新当前时刻机器人控制 信息。2. 根据权利要求1所述的方法，其特征在于，所述根据外部传感器采集的外部环境信 息，得到观测信息数据集之前，还包括：建立机器人运动模型； 建立所述机器人运动模型应用的机器人运动方程为：其中，mk表示机器人位姿，T表示系统内部采样间隔，vk表示机器人行进速度，ak表示 转角，L表示轮距，mk表示K时刻机器人的位姿，mk包括机器人K时刻X方向上的位移（mx，k)， K时刻Y方向上的位移（my，k)，K时刻角度位移（m0，k)，相应的参数如表示为机器人K-l 时刻X方向上的位移，ak为机器人转角。3. 根据权利要求1或2所述的方法，其特征在于，所述根据外部传感器采集的外部环境 信息，得到观测信息数据集之前，还包括：建立观测模型； 建立所述观测模型应用的机器人观测方程为：其中，lk表示机器人与观测到地图特征点的距离，0 k表示机器人与观测到地图特征点 的夹角，为机器人观测到的地图特征点i的位置，zk表示机器人相对于观测到的 地图特征点的位置。4. 根据权利要求3所述的方法，其特征在于，所述根据当前时刻的后验概率分布和下 一时刻的运动控制信息，得到下一时刻的先验概率分布包括： 确定采样容积点集，其中各容积点包含了机器人的运动信息，控制信息，和 地图特征信息；其数学表达式为：其中，和#,由数学公式t理而来，其中机器人状态信息Sk_i和运动信息uk要增广为 高斯噪声变量，1表示为互相正交的完全对称容积点集，表示为其中Ii存在2(ns+nu)列，将采样的容积点通过非线性模型传递，得到随机变量的统计数据，进而得到下一时刻 关于每个容积点的机器人运动信息、控制信息和地图特征信息的先验估计； 通过容积变换，将每个容积点的先验估计进行拟合，得到下一时刻运动控制信息的先 验概率分布，并且对产生的协方差误差矩阵做QR分解处理，得到平方根因子用于下一步传 递，其中容积变换公式为：协方差误差矩阵为：QR分解为： =qr(A./)，0^4=RT。5.根据权利要求4所述的方法，其特征在于，所述利用所述下一时刻的先验概率分布 和所述观测信息数据集更新后验概率分布包括： 通过所述观测模型建立新的容积点集，任意一个容积点迭代初始值分别为Sk^ 和，第1次迭代机器人位姿信息和平方根因子分别为.由数学公式： 1 、 5到更新的容积点集； 根据所述下一时刻运动控制信息的先验估计和根据所述观测模型得到的观测数据，得 到下一时刻机器人运动信息的后验估计；经由所述观测方程，容积点传递后得到的容积点 观测信息拟合各容积点信息QR分解新的协方差误差矩罔新的协方差矩阵由： 7进一步求得卡尔曼增益计算下一时刻平方根因子，用于递增更新，迭代1 + 1次时机器人位姿信息和平方 根因子d设置迭代终止条件，1 = 迭代最大次数，是预先设置的固定常量，当迭代终止 时，各数据实现更新 7~6. -种机器人同步定位与地图创建装置，其特征在于，包括： 第一确定模块，用于根据外部传感器采集的外部环境信息，得到观测信息数据集； 第二确定模块，用于根据当前时刻的后验概率分布和下一时刻的运动控制信息，得到 下一时刻的先验概率分布； 第一更新模块，用于根据所述下一时刻的先验概率分布和所述观测信息数据集更新后 验概率分布； 第二更新模块，用于根据更新后的后验概率分布更新当前时刻地图特征信息并更新当 前时刻机器人控制信息。7. 根据权利要求6所述的装置，其特征在于，还包括：第一建模模块，用于建立机器人 运动模型； 建立所述机器人运动模型应用的机器人运动方程为：其中，mk表示机器人位姿，T表示系统内部采样间隔，vk表示机器人行进速度，ak表示 转角，L表示轮距，mk表示K时刻机器人的位姿，mk包括机器人K时刻X方向上的位移（mx，k)， K时刻Y方向上的位移（my，k)，K时刻角度位移（m0，k)，相应的参数如表示为机器人K-l 时刻X方向上的位移，ak为机器人转角。8. 根据权利要求6或7所述的装置，其特征在于，还包括：第二建模模块，用于建立观 测模型； 建立所述观测模型应用的机器人观测方程为：其中，lk表示机器人与观测本文档来自技高网...
【技术保护点】
一种机器人同步定位与地图创建方法，其特征在于，包括：根据外部传感器采集的外部环境信息，得到观测信息数据集；根据当前时刻的后验概率分布和下一时刻的运动控制信息，得到下一时刻的先验概率分布；利用所述下一时刻的先验概率分布和所述观测信息数据集更新后验概率分布；根据更新后的后验概率分布更新当前时刻地图特征信息并更新当前时刻机器人控制信息。
【技术特征摘要】
【专利技术属性】
技术研发人员：陈孟元，陶明，凌有铸，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：安徽;34
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。