一种基于视觉和惯性导航组合的移动机器人定位方法技术

一种基于视觉和惯性导航组合的移动机器人定位方法，属于机器人导航定位技术领域，包含以下步骤：S1：利用视觉传感器获取移动机器人所在的位置；S2：建立惯性导航系统，利用视觉传感器进行速度、方向和重力测量及报告；S3：利用视觉传感器采集的信息与SLAM系统构建的云地图转换为栅格地图后进行路径规划。本发明专利技术将互补滤波法运用到惯性导航系统中，融合Xtion深度相机信息，仅用视觉传感器就修正了定位误差，此方法大大减小了定位误差。

【技术实现步骤摘要】
一种基于视觉和惯性导航组合的移动机器人定位方法
本专利技术涉及机器人导航定位
，更具体地，涉及一种基于视觉和惯性导航组合的移动机器人定位方法。
技术介绍
近些年，移动机器人的技术在我国迅速地发展，在各行各业中广泛应用。机器人的关键技术在于其定位以及路径规划和自主导航，同时，其自主导航技术与精确定位技术对服务人类有着十分重大的意义。在对移动机器人的自主导航技术进行探究的过程中，相关研究人员一般会从以下三方面问题入手进行研究：我的附近是什么；我在哪儿；我要去哪儿，这刚好和移动机器人地图重建、自主定位、规划自身路径相切合。长期以来，机器人的导航问题深受社会各届重视。然而，单传感器导航存在一定不足之处，容易出现定位误差，故而融合多传感器的导航系统就被格外推崇。服务性机器人在人工智能应用板块占据了半数以上的板块。2017年双十一期间，某品牌机器人的营业额达到了5.28亿，打破了行业记录。此品牌机器人销量的不断增多，让人们看到了人工智能在家居这一市场的重要性。然而在室内作业时，机器人就会出现定位不够精准等问题，也就会给客户带来很多烦恼。所以，为了做到更好地服务生活，机器人的精确的定位就成了重中之重。同时，一般相机仅可以捕捉到彩色图像，但不能捕捉到深度信息，而深度相机可能受光照、物体表面纹理、反光等因素影响，为了避免深度相机的使用缺点，需要进一步结合惯性导航探究移动机器人的定位方法，完成机器人的路径规划。
技术实现思路
针对上述技术问题，本专利技术公开一种基于视觉和惯性导航组合的移动机器人定位方法，本专利技术的惯性导航信息以及卡尔曼滤波融合深度相机信息，仅仅用视觉传感器就修正了定位误差。本专利技术采取以下具体技术方案：一种基于视觉和惯性导航组合的移动机器人定位方法，包含以下步骤：S1：利用视觉传感器获取移动机器人所在的位置：建立外参数模型，外参数将相机坐标系与世界坐标系对应；S2：建立惯性导航系统，利用视觉传感器进行速度、方向和重力测量及报告；S2.1：利用互补滤波法在惯性导航系统中进行姿态角解算：对惯性导航坐标体系与世界坐标系构建方向余弦矩阵，然后求导并对微分方程进行计算，最终得到姿态角的值；S2.2：惯性导航航位推算：将惯性导航坐标系下的加速度转换到世界坐标系，将转换后的加速度扣除重力加速度后单次积分得到速度，二次积分得到位移；S2.3：对测量的加速度和角速度分别进行惯性导航误差分析处理；S3：利用视觉传感器采集的信息与SLAM系统构建的云地图转换为栅格地图后进行路径规划。进一步的，外参数模型对应关系式为：式中，(xc,yc,zc)代表相机坐标，(xw,yw,zw)代表世界坐标，R代表旋转矩阵，t代表平移矩阵，m代表外参数的矩阵。进一步的，所述惯性导航系统采用MPU6050传感器来测量坐标系三轴上的角速度与加速度，所述MPU6050传感器包含三轴陀螺仪与三轴加速度计。进一步的，所述惯性导航航位推算中惯性导航的加速度ab(t)＝(abx(t),aby(t),abz(t))T，世界坐标系下的加速度an(t)＝cbnab(t)，其中，abx(t)、aby(t)、abz(t)分别表示的是加速度ab(t)在惯性坐标系x、y、z轴上的分量，Cbn表示的是惯性坐标系至世界坐标系的旋转矩阵。进一步的，所述世界坐标系下的加速度an(t)扣除重力加速度后一次积分，计算出速度vg(t)，即其中，vg(0)、gg(0)分别代表初始速度、重力加速度。进一步的，所述速度vg(t)进行再次积分，得到位移sg(t)，即其中，sg(0)为初始位移。进一步的，所述S2.3中测量的加速度以三轴加速度计为误差分析对象，对其建模为am＝a+g+δb+wa，其中，a、wa、am、b、δ、g分别表示实际加速度、随机噪声、测量加速度、加速度偏移量、重力加速度。进一步的，所述S2.3中测量的角速度为误差分析对象，对其建模为wm＝w+bc+bw+n，其中，bc、bw、w、n、wm分别表示的是静态偏移量、动态偏移量、角速度真实值、随机噪声、角速度测量值。进一步的，S3中所述云地图向栅格地图转换，借助机器人操作系统向外发布构建的地图阶段与定位节点。进一步的，所述栅格地图在move-base框架内完成定位节点与地图的订阅操作，实现机器人的局部与全局路径规划。本专利技术的有益效果为：(1)采用互补滤波算法进行惯性导航姿态解算，简化了解算算法，提高了姿态解算速度；(2)通过对加速度和角速度的误差补偿，降低了测量随机误差以及噪音了影响；(3)对地图进行栅格化处理，降低了地图在SLAM系统中的占用空间，具有运行简单、更新维护便捷简单、能表示所有环境等优势。附图说明图1为本专利技术移动机器人定位方法流程示意图。具体实施方式下面结合具体实施例进一步说明本专利技术。除非特别说明，本专利技术实施例中采用的原料和方法为本领域常规市购的原料和常规使用的方法。实施例1一种基于视觉和惯性导航组合的移动机器人定位方法，如图1所示，包含以下步骤：S1：利用视觉传感器获取移动机器人所在的位置：建立外参数模型，外参数将相机坐标系与世界坐标系对应；S2：建立惯性导航系统，利用视觉传感器进行速度、方向和重力测量及报告；S2.1：利用互补滤波法在惯性导航系统中进行姿态角解算：对惯性导航坐标体系与世界坐标系构建方向余弦矩阵，然后求导并对微分方程进行计算，最终得到姿态角的值；S2.2：惯性导航航位推算：将惯性导航坐标系下的加速度转换到世界坐标系，将转换后的加速度扣除重力加速度后单次积分得到速度，二次积分得到位移；S2.3：对测量的加速度和角速度分别进行惯性导航误差分析处理；S3：利用视觉传感器采集的信息与SLAM系统构建的云地图转换为栅格地图后进行路径规划。外参数模型的对应关系式为：上式中，(xc,yc,zc)代表相机坐标，(xw,yw,zw)代表世界坐标，R代表旋转矩阵，t代表平移矩阵，m代表外参数的矩阵。惯性导航姿态角的解算常采用互补滤波法，需要获取坐标系三轴上的角速度与加速度信息。其具体原理为：首先，通过mpu605传感器测量坐标系三轴的角速度与加速度；其次，根据惯性导航坐标体系与世界坐标系构建方向余弦矩阵，对其求导；然后，将角速度与加速度代入微分方程进行计算；最终获取到姿态角的值。将基于惯性导航坐标系下的加速度转换至世界坐标系，转换后的加速度需要进行修正，并且扣除重力加速度的影响因素。惯性导航航位推算中惯性导航的加速度ab(t)＝(abx(t),aby(t),abz(t))T，世界坐标系下的加速度an(t)＝cbnab(t)，其中，abx(t)、aby(t)、abz(t)分别表示的是加速度ab(t)在惯性坐标系x、y、z轴上的分量，Cbn表示的是惯性坐标系至世界坐标系的旋转矩阵。世界坐标系下的加速度a本文档来自技高网...

【技术保护点】
1.一种基于视觉和惯性导航组合的移动机器人定位方法，其特征在于，包含以下步骤：/nS1：利用视觉传感器获取移动机器人所在的位置：建立外参数模型，外参数将相机坐标系与世界坐标系对应；/nS2：建立惯性导航系统，利用视觉传感器进行速度、方向和重力测量及报告；/nS2.1：利用互补滤波法在惯性导航系统中进行姿态角解算：对惯性导航坐标体系与世界坐标系构建方向余弦矩阵，然后求导并对微分方程进行计算，最终得到姿态角的值；/nS2.2：惯性导航航位推算：将惯性导航坐标系下的加速度转换到世界坐标系，将转换后的加速度扣除重力加速度后单次积分得到速度，二次积分得到位移；/nS2.3：对测量的加速度和角速度分别进行惯性导航误差分析处理；/nS3：利用视觉传感器采集的信息与SLAM系统构建的云地图转换为栅格地图后进行路径规划。/n

【技术特征摘要】
1.一种基于视觉和惯性导航组合的移动机器人定位方法，其特征在于，包含以下步骤：
S1：利用视觉传感器获取移动机器人所在的位置：建立外参数模型，外参数将相机坐标系与世界坐标系对应；
S2：建立惯性导航系统，利用视觉传感器进行速度、方向和重力测量及报告；
S2.1：利用互补滤波法在惯性导航系统中进行姿态角解算：对惯性导航坐标体系与世界坐标系构建方向余弦矩阵，然后求导并对微分方程进行计算，最终得到姿态角的值；
S2.2：惯性导航航位推算：将惯性导航坐标系下的加速度转换到世界坐标系，将转换后的加速度扣除重力加速度后单次积分得到速度，二次积分得到位移；
S2.3：对测量的加速度和角速度分别进行惯性导航误差分析处理；
S3：利用视觉传感器采集的信息与SLAM系统构建的云地图转换为栅格地图后进行路径规划。


2.根据权利要求1所述的移动机器人定位方法，其特征在于，所述外参数模型为：



式中，(xc,yc,zc)代表相机坐标，(xw,yw,zw)代表世界坐标，R代表旋转矩阵，t代表平移矩阵，m代表外参数的矩阵。


3.根据权利要求1所述的移动机器人定位方法，其特征在于，所述惯性导航系统采用MPU6050传感器来测量坐标系三轴上的角速度与加速度，所述MPU6050传感器包含三轴陀螺仪与三轴加速度计。


4.根据权利要求1所述的移动机器人定位方法，其特征在于，所述惯性导航航位推算中惯性导航的加速度ab(t)＝(abx(t),aby(t),abz(t))T，世界坐标系下的加速度an(t)＝cbnab(t)，其中...

【专利技术属性】
技术研发人员：于惠钧，龚星宇，刘晓燕，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：湖南;43