【技术实现步骤摘要】
基于蓝牙与SLAM的室内定位导航装置及其方法
本专利技术涉及机器人控制领域,尤其涉及一种基于蓝牙与SLAM的室内定位导航装置及其方法。
技术介绍
随着移动互联网技术、智能移动终端技术和物联网技术的发展,人们对室内定位服务的需求越来越多元化,使得室内定位导航技术成为智能定位服务领域的研究热点。SLAM(simultaneouslocalizationandmapping,同步定位与建图)技术是机器人领域比较经典的问题,通常SLAM问题可以描述为:机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。目前室内定位导航技术是通过各种物理传感器来实现定位导航的,如摄像头、IMU等,在室内复杂的环境中易受环境因素的影响或传感器自身精度低而导致定位精度不高的问题。比如,每个传感器受影响的因素都不一样,摄像头是光照,黑暗下摄像头获取不到特征点,IMU是外界因素,如人为拖拽、地面打滑等,长时间工作会存在累计误差。为了解决室内定位服务的定位精度问题,将多个定位传感器进行数据融合,抗干扰能力强,实现更高精度的定位。本专利技术提供了一种基于蓝牙与SLAM室内定位导航装置及其方法,不仅可以有效地减少因环境因素造成的影响来提高定位精度,而且可以提供可靠性更高、更精确的三维环境地图,使其扩展应用更广泛。比如:蓝牙是不受光照影响和打滑影响,但会因墙、桌子等障碍物遮挡,导致定位精度不高,所以涉及的蓝牙、摄像头以及里程计都会存在自身的一些缺陷,需要多 ...
【技术保护点】
1.一种基于蓝牙与SLAM的室内定位导航装置,其中所述室内定位导航装置内置于可移动的智能平台或机器人中,包括:/n蓝牙模块,用于获取所述室内定位导航装置的Mesh网络信息,获取Mesh网络中多个蓝牙节点的地址、属性、RSSI、IQ数据、角度、到达时间;/n视觉模块,用于采集机器人周围的图像,并对所采集的图像灰度化处理、图像矫正以及对图像进行特征点提取和特征线段提取;/n里程计模块,用于通过相对定位计算出机器人每一时刻位置相对于上一时刻位置的变化,实时估计机器人的位置;/n数据存储与处理模块,用于接收蓝牙模块、视觉模块以及里程计模块所采集以及计算得到的数据信息;/n位置融合与估算模块,用于对数据存储与处理模块中的数据进行融合,获取室内定位导航装置的实时位置;/n地图构建模块,用于存储位置融合与估算模块估计的室内定位导航装置的实时位置,以及根据数据存储与处理模块中的蓝牙节点、特征点的空间位置信息创建的三维环境地图,以及/n路径规划与运动控制模块,用于驱动机器人,并根据地图构建模块创建的三维环境地图进行路径规划与导航。/n
【技术特征摘要】
1.一种基于蓝牙与SLAM的室内定位导航装置,其中所述室内定位导航装置内置于可移动的智能平台或机器人中,包括:
蓝牙模块,用于获取所述室内定位导航装置的Mesh网络信息,获取Mesh网络中多个蓝牙节点的地址、属性、RSSI、IQ数据、角度、到达时间;
视觉模块,用于采集机器人周围的图像,并对所采集的图像灰度化处理、图像矫正以及对图像进行特征点提取和特征线段提取;
里程计模块,用于通过相对定位计算出机器人每一时刻位置相对于上一时刻位置的变化,实时估计机器人的位置;
数据存储与处理模块,用于接收蓝牙模块、视觉模块以及里程计模块所采集以及计算得到的数据信息;
位置融合与估算模块,用于对数据存储与处理模块中的数据进行融合,获取室内定位导航装置的实时位置;
地图构建模块,用于存储位置融合与估算模块估计的室内定位导航装置的实时位置,以及根据数据存储与处理模块中的蓝牙节点、特征点的空间位置信息创建的三维环境地图,以及
路径规划与运动控制模块,用于驱动机器人,并根据地图构建模块创建的三维环境地图进行路径规划与导航。
2.如权利要求1所述的室内定位导航装置,其特征在于,所述蓝牙模块与RSSI测距模型和相位差测距模型构建基于TOA、RSSI、相位以及AOA的定位模型方程,并通过如下方程计算室内定位导航装置的实时位置:
其中(x,y,z)代表了室内定位导航装置的空间位置,蓝牙节点Bi的空间位置为(Xbi,Ybi,Zbi),θi是蓝牙节点Bi与室内定位导航装置的蓝牙天线阵列平面之间的方位角,是蓝牙节点Bi与室内定位导航装置的蓝牙天线阵列平面之间的仰角,D1i是由RSSI测距模型获取的室内定位导航装置与蓝牙设备Bi之间的距离,D2i是由TOA测距模型获取的室内定位导航装置与蓝牙设备Bi之间的距离,D3i是由相位差测距模型获取的室内定位导航装置与蓝牙设备Bi之间的距离。
3.如权利要求1所述的室内定位导航装置,其特征在于,所述视觉模块中的摄像头采用12*9的10mm*10mm的黑白棋盘格标定板标定。
4.如权利要求3所述的室内定位导航装置,其特征在于,所述视觉模块中的摄像头包含摄像头参数和畸变参数信息。
5.如权利要求1所述的室内定位导航装置,其特征在于,所述视觉模块还包括对图像畸变进行校正。
6.如权利要求1所述的室内定位导航装置,其特征在于,所述位置融合与估算模块对数据进行融合的算法有最小二乘方法、LM算法、BA算法、智能优化算法、卡尔曼滤波算法,其中卡尔曼滤波时还包括对各模块初始化、建立运动方程、观测方程、更新协方差矩阵、更新增益矩阵以及更新状态向量。
7.如权利要求6所述的室内定位导航装置,其特征在于,所述位置融合与估算模块通过下述公式估算室内定位导航装置在k+1时刻的的系统状态X(k+1|k),
X(k+1|k)=X(k)+Uk+1+Qk+1
其中,X(k)为k时刻的系统状态,Qk+1为k+1时刻的运动方程噪声,Uk+1为k+1时刻的姿态变化量。
8.如权利要求7所述的室内定位导航装置,其特征在于,所述位置融合与估算模块根据k+1时刻的的系统状态X(k+1|k)估算k+1时刻的系统观测量,公式如下:即其中,
其中,坐标(Xbi,Ybi,Zbi)为蓝牙网络中的蓝牙节点Bi的坐标,其相对于室内定位导航装置在k+1时刻的系统状态量X(k+1|k)的方位角θi和仰角Fi表示其中的一个特征点,该特征点的空间三维坐标为(Xfi,Yfi,Zfi),f是摄像头的焦距,Wk+1为k+1时刻的观测方程噪声,H是观测方程对状态量的雅克比矩阵。
9.如权利要求6所述的室内定位导航装置,其特征在于,所述位置融合与估算模块更新协方差方程,计算公式如下:
P(k+1)=(P(k+1|k)-1+HT*R-1*H)-1
其中P(k+1)为k+1时刻的协方差矩阵,R为观测噪声协方差矩阵。
10.如权利要求6所述的室内定位导航装置,其特征在于,所述位置融合与估算模块更新增益矩阵,计算公式如下:
K=P(k+1)*HT*R-1
其中,K是增益矩阵。
<...
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。