一种多重渐消因子的机器人无迹快速同步定位与建图方法技术

本发明专利技术提供一种多重渐消因子的机器人无迹快速同步定位与建图方法，属于移动机器人自主导航技术领域，系统初始化确定移动机器人k时刻初始位姿，初始状态估计均值及协方差矩阵；进行时间更新，计算粒子在k+1时刻的预测位姿和协方差；将观测数据与预测观测数据关联；根据粒子观测值，计算多重渐消因子，量测更新计算粒子的位姿估计均值和协方差，构造高斯分布函数并采样；进行重采样，得到新的粒子集，完成机器人位姿估计；根据数据关联后的结果，使用EKF算法对新路标进行更新，完成对地图特征的估计。本发明专利技术降低了线性化过程引入的误差，提高了系统的滤波精度，提高了滤波器对系统状态发生突变时的调节应变能力，增强了机器人导航定位系统的鲁棒性。

A Robot Trackless Fast Synchronized Location and Mapping Method with Multiple Elimination Factor

The invention provides a multi-fading factor robot traceless fast synchronous positioning and mapping method, which belongs to the field of mobile robot autonomous navigation technology. The system initialization determines the initial position and attitude of mobile robot at k-time, the mean value of initial state estimation and covariance matrix; carries out time updating, calculates the predicted position and covariance of particles at k+1 time; and makes observation data and predictive observation. Data association; according to particle observation value, calculate multiple fading factors, measure and update the mean and covariance of particle pose estimation, construct Gaussian distribution function and sample; resample, get new particle set, complete robot pose estimation; according to the results of data association, update the new landmark using EKF algorithm to complete the estimation of map features. The invention reduces the errors introduced in the linearization process, improves the filtering accuracy of the system, improves the ability of the filter to adjust the strain when the system state changes, and enhances the robustness of the robot navigation and positioning system.

【技术实现步骤摘要】
一种多重渐消因子的机器人无迹快速同步定位与建图方法
本专利技术属于移动机器人自主导航
，具体涉及一种多重渐消因子的机器人无迹快速同步定位与建图方法。
技术介绍
自主导航技术是移动机器人领域的难点与热点，Leonard和Durrant-Whyte在文献中明确指出解决下面三个问题即可解决移动机器人自主导航这一难题。首先第一个问题“whereamI？”(我在哪里？)，这个问题是自定位问题，机器人必须确定自身当前位置才能为之后的任务作出决策，这是后面两个问题的基础。第二个问题“whereisthedestination？(目的地在哪里？)”，即移动机器人的任务目标位置。第三个问题“HowdoIgetthere？(我如何到达那里？)”，即路径规划与决策问题。对于前两个问题需要机器人依据自身携带的内部、外部传感器如IMU，激光雷达，摄像头等对自身状态进行估计，同时对周围环境信息进行地图构建。机器人在未知环境中导航移动机器人的定位问题和地图构建问题是相互关联的，位姿估计精度决定构建出的地图精度，同时地图精度又影响移动机器人自身的位姿精度。所以实现移动机器人自主导航的关键在于同步定位与建图技术本文档来自技高网...

【技术保护点】
1.一种多重渐消因子的机器人无迹快速同步定位与建图方法，其特征在于，具体的实现步骤如下：步骤1.系统初始化确定全局坐标系以及在该坐标系下移动机器人k时刻初始位姿，初始状态估计均值及协方差矩阵，机器人位姿Xr＝[xr yr θr]T，路标位置mi＝[xi yi]T均采用二维平面直角坐标，全局坐标系以机器人初始位置为原点，初始航向为X轴正方向；步骤2.依据移动机器人系统的过程模型、观测模型进行时间更新，计算粒子在k+1时刻的预测位姿和协方差；步骤3.根据k+1时刻观测数据与预测观测数据进行数据关联，根据获得的观测数据，判断是否为环境中已有的地图特征，若为已存在特征，则采用单一兼容最近邻方法进行数据...

【技术特征摘要】
1.一种多重渐消因子的机器人无迹快速同步定位与建图方法，其特征在于，具体的实现步骤如下：步骤1.系统初始化确定全局坐标系以及在该坐标系下移动机器人k时刻初始位姿，初始状态估计均值及协方差矩阵，机器人位姿Xr＝[xryrθr]T，路标位置mi＝[xiyi]T均采用二维平面直角坐标，全局坐标系以机器人初始位置为原点，初始航向为X轴正方向；步骤2.依据移动机器人系统的过程模型、观测模型进行时间更新，计算粒子在k+1时刻的预测位姿和协方差；步骤3.根据k+1时刻观测数据与预测观测数据进行数据关联，根据获得的观测数据，判断是否为环境中已有的地图特征，若为已存在特征，则采用单一兼容最近邻方法进行数据关联，判断若为新特征则转至步骤6进行地图更新；步骤4.根据粒子观测值，计算多重渐消因子，与UT变换结合进行量测更新计算粒子的位姿估计均值和协方差，并构造高斯分布函数作为建议分布并采样；步骤5.有效粒子数将有效粒子数与设定阈值Ng相比较，当Neff＜Ng时进行重采样，得到新的粒子集，完成机器人位姿估计；步骤6.根据数据关联后的结果，使用EKF算法对新路标进行更新，完成对地图特征的估计。2.根据权利要求1所述的一种多重渐消因子的机器人无迹快速同步定位与建图方法，其特征在于，步骤2所述的移动机器人系统为其中xk为机器人k时刻状态变量，在控制变量uk作用下，服从p(xk|xk-1,uk)概率分布，wk表示方差为Qk的系统噪声，zk表示机器人对环境特征mk的观测信息，vk表示方差为Rk的量测噪声，观测过程服从p(zk|xk,mk)分布，f和h分别表示机器人运动方程和观测方程；步骤2所述的时间更新采用无迹卡尔曼滤波，根据k时刻位姿估计和位姿控制信息，利用移动机器人运动模型，估计k+1时刻位姿信息...

【专利技术属性】
技术研发人员：王伟，赵挽东，黄平，李欣，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23