【技术实现步骤摘要】
一种室内多楼层的传感器融合因子图定位方法
[0001]本专利技术属于机器人定位
,尤其涉及一种室内多楼层的传感器融合因子图定位方法。
技术介绍
[0002]近年来,在电子技术、通信技术、物联网和互联网等几个新型领域的共同发展下,智能机器人技术已逐渐成为一种全球性的科学技术。而精确的位置服务是机器人控制的关键环节之一,近年来已成为一个重要课题。机器人常用的定位方式主要有相对和绝对定位,绝对定位通过检测机器人内部状态信息的传感器直接获得自身位姿,最具代表性的有全球定位系统(GPS)、伽利略、北斗等卫星导航系统定位;而对于相对定位而言,在机器人获取初始位姿后,通过航迹编码器和机器人外部环境感知传感器观测信息来估计当前相对于起始点的自身位置。其中,常使用的有里程计、激光雷达、相机等。两种定位方式都不是完美的,都存在优缺点。比如,GPS适合室外空旷环境条件下使用,在室内GPS信号差,定位效果不佳;里程计航迹推算伴随机器人轮胎打滑和地面摩擦力,以及自身噪声影响,在移动过程中易产生累计误差,而且无法自我修正;目前楼层定位技术主要基于无线电信号和气压,存在楼层识别不稳定的问题。与已有的定位技术相比,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,定位精度和鲁棒性不够高。
技术实现思路
[0003]为解决上述技术问题,本专利技术提出了一种室内多楼层的传感器融合因子图定位方法,对导航关键 ...
【技术保护点】
【技术特征摘要】
1.一种室内多楼层的传感器融合因子图定位方法,其特征在于,包括:基于机器人的比例信息、WiFi信号强度信息、点云信息和导航状态,构建多传感器融合的因子图定位模型;对所述因子图定位模型融合增量平滑技术进行处理,获取机器人的定位结果。2.根据权利要求1所述的室内多楼层的传感器融合因子图定位方法,其特征在于,构建多传感器融合的所述因子图定位模型包括:基于机器人的比例信息,构建比例因子节点子模型;其中,所述比例信息通过里程计和惯性测量单元结合共同获取;基于机器人的WiFi信号强度信息,构建WiFi因子节点子模型;基于机器人的点云信息,构建点云因子节点子模型;其中,所述点云信息通过激光雷达和超声波结合共同获取;基于所述比例因子节点子模型、WiFi因子节点子模型、点云因子节点子模型以及先验信息,构建所述因子图定位模型;其中,所述先验信息为所述导航状态的初始值信息。3.根据权利要求2所述的室内多楼层的传感器融合因子图定位方法,其特征在于,所述导航状态包括:位置信息、角度信息、路标信息和地图信息。4.根据权利要求2所述的室内多楼层的传感器融合因子图定位方法,其特征在于,所述比例因子节点子模型的表达式为:其中,H(X,f
b
,w
b
,v
o
)为比例因子的预测测量函数,f
b
、w
b
分别为由惯性传感器测量的比力和角加速度,v
o
为里程计测量的机器人运动的速度信息,X为导航状态,为导航状态方程的连续非线性微分方程。5.根据权利要求2所述的室内多楼层的传感器融合因子图定位方法,其特征在于,所述WiFi因子节点子模型的表达式为:f(X
i
)=d(Z
‑
H(X
i
,RSS
i
))其中,RSS
i
为WiF...
【专利技术属性】
技术研发人员:张立阳,武星宇,潘雷,高瑞,张倩,张理栋,许晨瑜,
申请(专利权)人:天津城建大学,
类型:发明
国别省市:
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。