一种全向移动机器人误差补偿方法技术

一种全向移动机器人误差补偿方法，属于移动机器人技术领域。首先，建立三轮全向移动机器人的运动学模型，其次，通过离散的方法计算机器人里程计信息；然后，在消除干扰项的情况下，通过多元线性回归的最小二乘法进行参数估计，得出标定后的运动学参数公式；最后，通过视觉传感器进行位姿识别，利用三轮全向移动机器人进行了多次实验，将视觉识别结果识别代入得到的公式中，计算获得机器人运动学参数的估计值。与直接将运动学乘以系数的方法相比，本方法没有考虑运动方程中未知参数之间的关系，并且所获得的运动方程可以更准确地描述实际运动机器人运动，通过运动学标定，机器人的里程计精度得到明显提升。

An error compensation method for omnidirectional mobile robot

An error compensation method of omnidirectional mobile robot belongs to the technical field of mobile robot. Firstly, the kinematic model of the three-wheel omnidirectional mobile robot is established. Secondly, the odometer information of the robot is calculated by the discrete method. Then, in the case of eliminating the interference, the parameters are estimated by the least square method of multiple linear regression, and the calibrated kinematic parameter formula is obtained. Finally, the pose is identified by the vision sensor, and the omnidirectional mobile robot is used The robot has carried out many experiments. The result of vision recognition is substituted into the formula, and the estimated value of robot kinematics parameters is calculated. Compared with the method of directly multiplying kinematics by coefficients, this method does not consider the relationship between unknown parameters in the motion equation, and the obtained motion equation can more accurately describe the actual motion of the robot. Through kinematic calibration, the accuracy of the robot odometer is significantly improved.

【技术实现步骤摘要】
一种全向移动机器人误差补偿方法
本专利技术属于移动机器人
，提供了一种全向移动机器人误差补偿方法。
技术介绍
移动机器人的里程计定位方法简化了定位的根本问题，所以可以大大降低移动机器人的成本，然而，很少有研究者直接针对移动机器人里程计测距的准确性进行研究，我们把这种现象归因于移动机器人技术的很大一部分研究是由人工智能(AI)领域的人完成的。由于上层算法存在一些弊端且考虑机器人的成本问题，里程计定位方法越来越受到科研人员的重视。众所周知，里程计定位的缺点是它无限积累的位置误差。在长时间运行后，里程计位置误差将变得越来越大，位置估计精度不高，所以里程计需要进行标定来提高定位精度。目前里程计标定方法可以分为离线标定与在线标定。LarsenandMartinelli利用增广扩展卡尔曼滤波(AKF)对双轮差速机器人在线标定，此方法是最具影响力的在线标定方法，很多研究者在此基础上进行改进，用来标定差速机器人的里程计，Borenstein通过让差速移动机器人按照预定的4*4正方形轨迹顺时针、逆时针运动，测量实际终点并与理论值比较，结合机器人运动模型进行标定，此方法(UMBmark方法)即为著名的离线标定方法，目前大多数标定方法应用在差速机器人上，Y.Maddahi通过纠正系数对运动学方程修正，用来标定三轮全向移动机器人，但是这种方法考虑了参数之间的关系，并不能完全体现机器人的实际运行情况。本文提出一种新的离线标定方法，用于全向移动机器人的误差补偿。
技术实现思路
针对上述提出的技术问题，本专利技术提供一种全向移动机器人误差补偿方法，基于视觉进行全向移动机器人的位姿识别，计算获得标定后的运动学参数，进而使全向移动机器人的运动更加准确。为了达到上述目的，本专利技术的技术方案如下：一种全向移动机器人误差补偿方法，首先计算全向移动机器人运动学模型，得出运动学参数满足多元线性方程，可以使用多元线性回归的数学模型进行估计。然后给出基于最小二乘法多元线性回归的数学模型，进行参数的评估并通过此方法得出运动学参数与观测量的关系，此方法优点在于需要测量的观测量可以容易获得。最后通过视觉和编码器获取全向移动机器人的位姿及速度观测量，计算全向移动机器人运动学参数的估计值，代入更新运动学模型，实现全向移动机器人的误差补偿。具体步骤如下：第一步，将视觉传感器安装在全向移动机器人上，通过全向移动机器人运动学模型获得车轮的角速度与世界坐标系中的速度之间的关系。为了通过运动学方程校准全向移动机器人里程计误差，首先需要知道全向移动机器人运动学方程如何描述每个轮对全向移动机器人运动的影响，所述全向移动机器人为三轮双排麦克纳姆轮均布的移动全向移动机器人，全向移动机器人的坐标系建立在全向移动机器人基座中心，世界坐标系以初始位置为原点进行建立。全向移动机器人的起始位置定义为全局坐标系(XWOWYW)。当全向移动机器人处于非打滑状态时，全局坐标系中的速度与车轮速度之间的关系如下：其中，i＝1、2、3，Li表示第i车轮平面到全向移动机器人坐标系的原点的距离，αi表示第i轮的轴向与全局坐标系中的X轴的正方向之间的角度，r表示全向移动机器人车轮的半径，β为全向移动机器人车轮的转向角，γ为车轮主平面与轮辊轴之间的角度，矢量表示世界坐标系中的速度Vx，Vy，Vω。ωi表示第i轮的角速度。θ表示全向移动机器人在世界坐标系中的方向。矩阵R(θ)定义了全向移动机器人坐标系与全局坐标系之间的变换关系：根据式(1)和式(2)，对结果进行变形，用矩阵P和M表示运动学参数矩阵，获得车轮的角速度与世界坐标系中的速度之间的转换关系，即全向移动机器人运动学模型，如式(3)所示，矩阵P和M如式(4)、(5)和(6)所示。第二步，基于第一步得到的全向移动机器人运动学模型，获取全向移动机器人里程计离散模型如式(7)所示，然后将式(4)和式(7)联立，获得速度和位移之间的关系，建立误差参数与观测量之间的关系。对全向移动机器人运动位姿信息的计算过程离散成叠加的过程进行求解，假设全向移动机器人在k时刻的状态为Sk＝[xkykθk]T，包括相对于世界坐标系的位置情况(xk,yk)和旋转情况(θk)。Vx，k和Vy，k分别表示在k时刻，相对于全局坐标系在X，Y方向上的速度。Δθk表示从第k个采样点到第(k+1)个采样点的旋转角度的变化量，T表示采样频率，经历过平移和旋转之后，达到k+1时刻机器人的状态Sk+1＝[xk+1yk+1θk+1]T。则离散运动关系表示为：根据第一步的车轮的角速度与世界坐标系中的速度转换关系和式(7)中的离散运动关系得到如式(8)转换关系。其中，mgl(g＝[13],l＝[13])表示M矩阵中的每个元素，ωi，k(i＝1,2,3)表示三个轮子在k时刻的角速度，[XmYmθm]表示全向移动机器人在m时刻的位姿，[X0Y0θ0]表示全向移动机器人初始位姿。第三步，通过使全向移动机器人多次运行重复轨迹，采集机器人位姿信息。通过多元线性回归的最小二乘法进行参数估计，分别利用平移、旋转与角速度的关系，计算运动学参数的估计值采用最小二乘法进行X方向参数估计计算公式如下：其中，Xm，I，Ym，I(I＝[1N])表示全向移动机器人在m时刻的位置，KX，I(I＝[1N])表示通过各个轮子计算得到的X方向位置信息，表示KX，I的集合。KX，I计算公式如下：得出X方向运动学参数的估计值如下：同理，采用最小二乘法进行Y方向参数估计计算公式如下：其中，KY，I(I＝[1N])表示通过各个轮子计算得到的Y方向位置信息，表示KY，I的集合。KY，I计算公式如下：得出Y方向运动学参数的估计值如下：同理，采用最小二乘法进行θ方向参数估计计算公式如下：其中，Kθ，I(I＝[1N])表示通过各个轮子计算得到的θ方向角度信息，表示Kθ，I的集合。Kθ，I计算公式如下：得出θ方向运动学参数的估计值如下：第四步，三轮均布的全向移动机器人，视觉传感器位于全向移动机器人上方，并在视觉传感器上方天花板布置待识别标签，让全向移动机器人运行特定轨迹，通过视觉传感器识别标签获取全向移动机器人的始末位姿。首先，对视觉传感器进行标定，得到传感器的内外参数；其次，全向移动机器人进行坐标转换，其转换关系如公式(18)所示；最后，得到视觉传感器测得的全向移动机器人里程计信息。其中，字符a和b是全向移动机器人的内部参数；c和d是传感器的初始读数；η表示全向移动机器人在世界坐标系下的旋转；[XCYC]表示全向移动机器人在相机坐标系下的位置信息，[XGYG]表示全向移动机器人在世界坐标系下的位置信息。实验过程中，全向移动机器人运行线速度为0.3m/s，采样频率为20ms，获得全向移动机器人的始末位姿，代入第三步中式(11)、本文档来自技高网...

【技术保护点】
1.一种全向移动机器人误差补偿方法，其特征在于，所述的误差补偿方法首先计算全向移动机器人运动学模型，得出运动学参数满足多元线性方程；然后给出基于最小二乘法多元线性回归的数学模型，进行参数的评估并通过此方法得出运动学参数与观测量的关系；最后通过视觉和编码器获取全向移动机器人的位姿及速度观测量，计算全向移动机器人运动学参数的估计值，代入更新运动学模型，实现全向移动机器人的误差补偿；步骤如下：/n第一步，将视觉传感器安装在全向移动机器人上，通过全向移动机器人运动学模型获得车轮的角速度与世界坐标系中的速度之间的关系；/n所述全向移动机器人为三轮双排麦克纳姆轮均布的移动全向移动机器人，全向移动机器人的坐标系建立在全向移动机器人基座中心，世界坐标系以初始位置为原点进行建立；将全向移动机器人的起始位置定义为全局坐标系(X

【技术特征摘要】
1.一种全向移动机器人误差补偿方法，其特征在于，所述的误差补偿方法首先计算全向移动机器人运动学模型，得出运动学参数满足多元线性方程；然后给出基于最小二乘法多元线性回归的数学模型，进行参数的评估并通过此方法得出运动学参数与观测量的关系；最后通过视觉和编码器获取全向移动机器人的位姿及速度观测量，计算全向移动机器人运动学参数的估计值，代入更新运动学模型，实现全向移动机器人的误差补偿；步骤如下：
第一步，将视觉传感器安装在全向移动机器人上，通过全向移动机器人运动学模型获得车轮的角速度与世界坐标系中的速度之间的关系；
所述全向移动机器人为三轮双排麦克纳姆轮均布的移动全向移动机器人，全向移动机器人的坐标系建立在全向移动机器人基座中心，世界坐标系以初始位置为原点进行建立；将全向移动机器人的起始位置定义为全局坐标系(XWOWYW)；当全向移动机器人处于非打滑状态时，全局坐标系中的速度与车轮速度之间的关系如下：



其中，i＝1、2、3，Li表示第i车轮平面到全向移动机器人坐标系的原点的距离，αi表示第i轮的轴向与全局坐标系中的X轴的正方向之间的角度，r表示全向移动机器人车轮的半径，β为全向移动机器人车轮的转向角，γ为车轮主平面与轮辊轴之间的角度，矢量表示世界坐标系中的速度Vx,Vy,Vω；ωi表示第i轮的角速度；θ表示全向移动机器人在世界坐标系中的方向；矩阵R(θ)定义全向移动机器人坐标系与全局坐标系之间的变换关系：



根据式(1)和式(2)，对结果进行变形，用矩阵P和M表示运动学参数矩阵，获得车轮的角速度与世界坐标系中的速度之间的转换关系，即全向移动机器人运动学模型，如式(3)所示，矩阵P和M如式(4)、(5)和(6)所示；












第二步，基于第一步得到的全向移动机器人运动学模型，获取全向移动机器人里程计离散模型如式(7)所示，然后将式(4)和式(7)联立，获得速度和位移之间的关系，建立误差参数与观测量之间的关系；
对全向移动机器人运动位姿信息的计算过程离散成叠加的过程进行求解，假设全向移动机器人在k时刻的状态为Sk＝[xkykθk]T，包括相对于世界坐标系的位置情况(xk,yk)和旋转情况(θk)；Vx,k和Vy,k分别表示在k时刻，相对于全局坐标系在X，Y方向上的速度；Δθk表示从第k个采样点到第(k+1)个采样点的旋转角度的变化量，T表示采样频率，经历过平移和旋转之后，达到k+1时刻机器人的状态Sk+1＝[xk+1yk+1θk+1]T；则离散运动关系表示为：



根据第一步的车轮的角速度与世界坐标系中的速度...

【专利技术属性】
技术研发人员：杜宇，
申请(专利权)人：大连大华中天科技有限公司，
类型：发明
国别省市：辽宁;21