一种基于融合多传感器的因子图室内定位方法技术

本发明专利技术公开了一种基于融合多传感器的因子图室内定位方法，包括步骤：根据多传感器的测量模型制定传感器因子，将传感器因子输入至预设的因子动态适应函数作为因子节点、将机器人导航状态作为变量节点构建因子图框架；对获取的多传感器的测量数据进行非线性融合，得到机器人导航状态的最优状态增量估计；结合增量平滑算法计算机器人所有导航状态下的全导航解。本发明专利技术可有效融合多传感器的测量信息，提高实时性和定位精度。高实时性和定位精度。高实时性和定位精度。

【技术实现步骤摘要】
一种基于融合多传感器的因子图室内定位方法


[0001]本专利技术涉及机器人定位
，尤其是一种基于融合多传感器的因子图室内定位方法。

技术介绍

[0002]自主移动机器人已应用于工业生产、卫生、交通及军事等各个领域，而精准的位置服务是机器人控制的关键环节之一，近年来已成为研究热点并已成为一个重要课题。相比于室外定位，室内由于存在物体的遮挡、人员的走动及物品摆放繁杂、存在许多不确定的障碍物等复杂环境，导致实现高精准定位难度更大。与早期以惯性测量单元(Inertial Measurement Unit,IMU)为主要传感器的定位技术相比，目前室内机器人定位会配备多种传感器，以获得更精确、更可靠的导航解决方案。虽然采用不同传感器组合可以提高定位精度，但传感器测量的异步性和非线性使来自多传感器的测量信息难以有效融合，定位精度不够高且计算复杂度高。

技术实现思路

[0003]针对现有技术中的缺陷，本专利技术提供了一种基于融合多传感器的因子图室内定位方法，可有效融合多传感器的测量信息，提高定位精度。
[0004]本专利技术提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于融合多传感器的因子图室内定位方法，其特征在于，包括步骤：根据多传感器的测量模型制定传感器因子，将所述传感器因子输入至预设的因子动态适应函数作为因子节点、将机器人导航状态作为变量节点构建因子图框架；对获取的多传感器的测量数据进行非线性融合，得到所述机器人导航状态的最优状态增量估计；结合增量平滑算法计算机器人所有导航状态下的全导航解。2.根据权利要求1所述的一种基于融合多传感器的因子图室内定位方法，其特征在于，所述多传感器包括IMU、里程计和激光雷达。3.根据权利要求2所述的一种基于融合多传感器的因子图室内定位方法，其特征在于，所述根据多传感器的测量模型制定传感器因子具体包括：根据IMU测量模型制定IMU因子；根据里程计测量模型制定里程计因子；根据激光雷达测量模型制定激光雷达二元因子和外部因子。4.根据权利要求1所述的一种基于融合多传感器的因子图室内定位方法，其特征在于，所述对获取的多传感器的测量数据进行非线性融合包括：利用高斯牛顿方法对获取的多传感器的...

【专利技术属性】
技术研发人员：潘雷，武星宇，张立阳，高瑞，
申请(专利权)人：天津城建大学，
类型：发明
国别省市：