基于自适应晶格卡尔曼滤波的移动机器人状态估计及自主导航方法技术

本发明专利技术公开了一种基于自适应晶格卡尔曼滤波的移动机器人状态估计及自主导航方法，旨在解决现有的SLAM技术无法处理非线性不确定系统、定位导航精度不高、计算量大的技术问题。本发明专利技术中自适应晶格卡尔曼滤波

【技术实现步骤摘要】
基于自适应晶格卡尔曼滤波的移动机器人状态估计及自主导航方法


[0001]本专利技术涉及移动机器人自主导航
，具体涉及一种基于自适应晶格卡尔曼滤波的移动机器人状态估计及自主导航方法。

技术介绍

[0002]随着人工智能和机器人技术的快速发展，移动机器人在慢慢应用到社会的各个领域，比如办事助理、AGV搬运、安保巡逻、灾难救援、空间探测、变电站巡检等等。移动机器人在未知环境中对多传感器采集的数据进行融合，对未知环境标志物进行地图构建以及定位自身位置。机器人的环境感知和精确定位问题是移动机器人实现自主导航的关键技术，是研究移动机器人的热门领域，其被誉为移动机器人界的“圣杯”。
[0003]同步地定位与地图创建(Simultaneous Localization and Mapping，SLAM)技术，是解决机器人在未知环境中导航问题的最佳手段。机器人的SLAM技术在移动过程中通过传感器来精确估计自身位姿，同时增量式的构建真实环境地图。SLAM问题的求解方法可分为基于平滑的方法和基于滤波器的方法。基于滤波器的方法主要利用递归贝叶斯估计原理来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应晶格卡尔曼滤波的移动机器人状态估计方法，其特征在于，包括：S1)初始化移动机器人的初始状态和初始方差P0：：式中，E表示期望，为零时刻即移动机器人起始点的坐标位置(x,y)和方位角(θ)；S2)对移动机器人的位置、方位角等状态进行采样，得到状态的晶格采样点集为：式中，χ
k
‑
1,i
为移动机器人第k
‑
1时刻的状态的第i个采样点，共有N个样本点；表示的是P
k
‑1平方根的第i列向量；s
i
为状态采样点的权值；S3)对移动机器人第k步的状态进行一步预测：S3)对移动机器人第k步的状态进行一步预测：式中，为第i个采样点的预测值；为移动机器人的状态预测值；S4)获取方差的一步预测：式中，为移动机器人的一步预测误差；Q
k
‑1为过程噪声的方差；S5)对步骤S3)中的状态一步预测重新进行晶格采样：式中，为的第i个采样点；S6)计算量测预测值和量测预测方差P
zz
：：：式中，Z
k,i
为第i个采样点的量测预测值；为移动机器人的量测预测值；为移动机器人量测预测方差；S7)为了提高自适应晶格卡尔曼滤波算法的稳定性，引入自适应算法增加噪声估计器，以确保状态估计误差方差保持正定，设计量测方差和状态方差来逼近方差真实值，
量测方差根据量测残差计算，对于自适应晶格卡尔曼滤波，的估计公式：式中，式中，式中，状态方差由衰减系数μ
k
调整，其计算公式为：调整，其计算公式为：式中，式中，式中，式中，式中，式中，S8)计算滤波增益矩阵K
k
：：：式中，P
zz
为自适应后的移动机器人量测预测方差；P
xz
为状态预测值与量测预测值的方差；S9)更新状态：
S10)计算状态估计误差的方差P
k
：：其中P
k,k
‑1为自适应过后的状态方差，S11)循环迭代步骤S1)至步骤S1)，得到移动机器人的状态估计值2.根据权利要求1所述的基于自适应晶格卡尔曼滤波的移动机器人状态估计方法，其特征在于，所述步骤S2)中，得到状态的晶格采样点集的方法如下：利用确定的晶格点逼近多元积分的拟蒙特卡罗方法(QMC)。在这里，生成的格点由正态累积分布的逆映射函数对格点进行变...

【专利技术属性】
技术研发人员：娄泰山，吴洪才，岳哲鹏，刁智华，丁国强，张云玲，刘洁，贺振东，焦玉召，王晓雷，赵红梅，齐仁龙，董雅松，张焕龙，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：