【技术实现步骤摘要】
具有在线攻击检测功能的室内移动机器人定位方法及系统
[0001]本专利技术属于智能控制
,具体涉及一种具有在线攻击检测功能的室内移动机器人定位方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
[0003]移动机器人技术涉及到计算机、传感器、人机交互、仿生学等多个学科,其中环境感知、自主定位和运动控制是移动机器人技术的三大重点问题。移动机器人的自主定位是完成其他高级任务的前提,移动机器人的自主定位大致可以分为相对定位和绝对定位。相对定位是利用内部传感器通过测量单位时间内机器人位姿变化,逐步推算出机器人相对于起始状态的位姿,从而完成移动机器人的定位过程。绝对定位又称为全局定位,完成机器人全局定位需要预先确定好环境模型或通过传感器直接向机器人提供外接位置信息,计算机器人在全局坐标系中的位置。绝对定位成本较高且GPS无法完成室内环境的精准定位,而相对定位能满足大多数实际应用场景且成本较低,故本专利技术采用相对定位方式。
[0004]由于单纯编码器数据定位不够准确,利用卡尔曼滤波器融合编码器和陀螺仪数据,实现移动机器人的定位。然而,在实际应用中传感器不可避免地会遭受网络攻击,一旦传感器遭受攻击会破坏测量数据的完整性、可用性和可信性,导致移动机器人定位出错,极易产生不可估量的后果。如果能够及时检测到攻击,并设计相应的抵御攻击的方法,就可以降低移动机器人的定位错误率,确保系统的稳定运行,提高系统的鲁棒性。因此,研究遭受攻击下的室内移动机器人定位具 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.具有在线攻击检测功能的室内移动机器人定位方法,其特征在于,包括:根据移动机器人运动学模型,建立移动机器人离散的状态空间表达式,得到移动机器人相对位姿递推公式;获取移动机器人的位置信号,在所述移动机器人离散的状态空间表达式中,利用卡尔曼滤波算法估计移动机器人的最优位姿,实现移动机器人的相对定位;基于移动机器人的最优位姿估计值与位姿实际值进行比较,计算出两者的残差,使用卡方检测检测残差是否异常,实现移动机器人定位的在线攻击检测。2.如权利要求1所述的具有在线攻击检测功能的室内移动机器人定位方法,其特征在于,所述移动机器人离散的状态空间表达式,具体为:其中,X(k)=[v
L
(k),v
R
(k),w(k)]
T
;Z(k)=[v
L
(k),v
R
(k),θ(k)]
T
;v
L
(k)表示机器人左轮的线速度、v
R
(k)表示机器人右轮的线速度、w(k)表示机器人形心处的角速度、θ(k)表示移动机器人的航向角;W(k)和V(k)是均值为零、方差阵各为Q和R的不相关白噪声;F为状态转移矩阵;H为测量矩阵。3.如权利要求1所述的具有在线攻击检测功能的室内移动机器人定位方法,其特征在于,所述移动机器人相对位姿递推公式为:其中,v(k)为移动机器人形心处的线速度;p(k)=[x(k),y(k),θ(k)]
T
,x(k)为在XOY坐标系下移动机器人形心在X轴上的位置,y(k)为在XOY坐标系下移动机器人形心在Y轴上的位置,θ(k)为移动机器人的航向角;T为采样周期;表示*的估计值。4.如权利要求1所述的具有在线攻击检测功能的室内移动机器人定位方法,其特征在于,所述获取移动机器人的位置信号,在所述移动机器人离散的状态空间表达式中,利用卡尔曼滤波算法估计移动机器人的最优位姿,具体为:将观测到的移动机器人的位置信号实时发送给滤波器以及传感器攻击检测系统;利用卡尔曼滤波器将移动机器人的位置信号进行融合,计算出移动机器人在第k时刻的状态估计值,进一步得到移动机器人在第k时刻的位姿估计值,然后将估计值发送给攻击检测系统。5.如权利要求4所述的具有在线攻击检测功能的室内移动机器人定位方法,其特征在于,所述利用卡尔曼滤波器将移动机器人的位置信号进行融合,计算出移动机器人在第k时刻的状态估计值,进一步得到移动机器人在第k时刻的位姿估计值,然后将估计值发送给攻击检测系统,包括:由当前时刻的状态X(k)通过状态一步预测方程预测下一时刻状态,如下:
其中,和分别表示第一个估计器在第k+1时刻的预测值和在第k时刻的估计值;由当前时刻的协方差通过协方差一步预测方程预测下一时刻的协方差,如下:P1(k+1∣k)=FP1(k)F
T
+Q其中,P1(k+1∣k)和P1(k)分别表示第一个估计器在第k+1时刻的预测协方差和第k时刻的估计协方差;计算的卡尔曼增益K(k+1),如下:K(k+1)=P1(k+1∣k)H
技术研发人员:周琪,李金艳,李晓孟,马慧,李鸿一,
申请(专利权)人:广东工业大学,
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。