用于移动机器人定位的自适应融合方法及装置制造方法及图纸

本申请公开了一种用于移动机器人定位的自适应融合方法及装置，该方法包括：构建与传感器数量一致的第一系统模型，为移动机器人设置初始时刻的状态值；将非线性模型转换为线性模型以生成有界噪声集；根据线性模型与有界噪声集生成第二系统模型，辨识第二系统模型中的未知噪声生成噪声子集；根据第二系统模型获取第一时刻的第一噪声集合，并根据第一噪声集合预测第二时刻的第二噪声集合；根据第二时刻的状态值与第二系统模型计算对应噪声集合，以此更新第二噪声集合生成第三噪声集合；整合多个传感器对应的噪声子集与第三噪声集合生成全局模型。能够避免多传感器中随机噪声与未知噪声对系统的干扰，消除未知噪声对定位精确度的影响。影响。影响。

【技术实现步骤摘要】
用于移动机器人定位的自适应融合方法及装置


[0001]本申请涉及目标跟踪及定位导航
，尤其涉及一种用于移动机器人定位的自适应融合方法及装置。

技术介绍

[0002]移动机器人定位技术是实现移动机器人自主移动的关键技术之一。目前，移动机器人常用的定位技术为多传感器定位。多传感器定位分为集中式融合方法和分布式融合方法两类。分布式融合方法与集中式融合方法相比有更强的鲁棒性和容错性，所以现阶段对信息融合的研究主要针对分布式融合方法展开。
[0003]例如：基于高斯混合算法的北斗卫星导航系统/捷联惯性导航系统（BDS/SINS）组合导航算法、全球定位系统/惯性导航系统（GPS/INS）组合导航双模型方案等均为分布式融合方法。分布式融合方法通常假设受到的噪声干扰主要为服从高斯分布的随机噪声。但由于采集的数据不足或缺失，高斯噪声的假设在实际系统中不能完全满足需求，特别是在工程应用中无法得到精确的协方差。一种对统计特性没有过多要求只需知道其边界的未知但有界噪声能够解决上述问题。但是在大规模网络化的多传感器系统中，参数不确定引起的随机噪声与未知但有界噪声会同时对非线性系统产生干扰，进而影响移动机器人定位的准确性。

技术实现思路

[0004]本申请实施例通过提供一种用于移动机器人定位的自适应融合方法及装置，解决了现有技术中在大规模网络化的多传感器系统中，参数不确定引起的随机噪声与未知但有界噪声同时对非线性系统产生干扰的问题，实现了将非线性分布的噪声转换为线性分布的噪声，并计算出未知噪声，进而形成一种能够解决上述问题的全局模型。
[0005]第一方面，本申请实施例提供了一种用于移动机器人定位的自适应融合方法，包括：为多个传感器的移动机器人构建与传感器数量一致的第一系统模型，并为所述移动机器人设置初始时刻的状态值；获取所述第一系统模型中的非线性模型，并将所述非线性模型转换为线性模型以生成有界噪声集；根据所述线性模型与所述有界噪声集生成第二系统模型，并辨识所述第二系统模型中的未知噪声生成噪声子集；根据所述第二系统模型获取第一时刻的第一噪声集合，并根据所述第一噪声集合预测第二时刻的第二噪声集合；根据所述第二时刻的状态值与所述第二系统模型计算对应噪声集合，并以此更新所述第二噪声集合生成第三噪声集合；整合多个所述传感器对应的所述噪声子集与所述第三噪声集合生成全局模型。
[0006]结合第一方面，在一种可能的实现方式中，所述第一系统模型包括所述移动机器人的状态方程与单个所述传感器的量测方程；所述状态方程的公式如下：
[0007]；式中，为移动机器人在k时刻的状态方程，为k时刻所述移动机器人的状态值，为稳定常数矩阵，为关于所述移动机器人的状态值的二阶可微非线性
函数，为所述移动机器人的过程噪声；所述量测方程的公式如下：
[0008]；式中，为第i个所述传感器在k时刻的观测值，（,）为所述移动机器人在k时刻的坐标，,）为第i个所述传感器的坐标，为所述移动机器人在k时刻的姿态角，为关于第i个所述传感器的观测值的二阶可微非线性函数，为所述传感器在k时刻的观测噪声。
[0009]结合第一方面，在一种可能的实现方式中，所述过程噪声与所述观测噪声为相互独立的非高斯噪声。
[0010]结合第一方面，在一种可能的实现方式中，所述移动机器人的状态值的确定公式如下：；式中，为在k时刻所述移动机器人的状态值，为所述移动机器人在k时刻的横坐标，为所述移动机器人在k时刻的纵坐标，为所述移动机器人在k时刻的横坐标方向上的速度，为所述移动机器人在k时刻的纵坐标方向上的速度。
[0011]结合第一方面，在一种可能的实现方式中，所述第二系统模型的确定公式如下：
[0012]；
[0013]；式中，为k+1时刻所述移动机器人的状态方程，为k时刻所述移动机器人的状态值，为稳定常数矩阵，为关于所述移动机器人的状态值的二阶可微非线性函数，为所述移动机器人在k时刻的状态估测值，为在k
‑
1时刻对k时刻的状态估测值，与为所述移动机器人与第i个所述传感器在k时刻的所述有界噪声集，为第i个所述传感器在k时刻的观测值，为关于第i个所述传感器的观测值的二阶可微非线性函数。
[0014]结合第一方面，在一种可能的实现方式中，所述整合多个所述传感器对应的所述噪声子集与所述第三噪声集合生成全局模型，包括：获取多个所述传感器对应的所述噪声子集与第三噪声集合，并确定其全局并集；将多个所述传感器对应的所述噪声子集进行融合生成融合噪声；根据所述全局并集与所述融合噪声生成所述全局模型。
[0015]结合第一方面，在一种可能的实现方式中，所述噪声子集的确定公式如下：
[0016]；式中，为所述噪声子集，为第i个所述传感器对应的所述第二系统模型中所述移动机器人在k时刻的状态估测值，第i个所述传感器对应的所述第二系统模型中k时刻的形状矩阵，为k时刻所述移动机器人的状态值，为阶数为n的实数，T表示矩阵的转置。
[0017]第二方面，本申请实施例提供了一种用于移动机器人定位的自适应融合装置，包括：第一系统模型模块，用于为多个传感器的移动机器人构建与传感器数量一致的第一系统模型，并为所述移动机器人设置初始时刻的状态值；有界噪声集模块，用于获取所述第一系统模型中的非线性模型，并将所述非线性模型转换为线性模型以生成有界噪声集；噪声子集模块，用于根据所述线性模型与所述有界噪声集生成第二系统模型，并辨识所述第二系统模型中的未知噪声生成噪声子集；噪声集合模块，用于根据所述第二系统模型获取第一时刻的第一噪声集合，并根据所述第一噪声集合预测第二时刻的第二噪声集合；更新模
块，用于根据所述第二时刻的状态值与所述第二系统模型计算对应噪声集合，并以此更新所述第二噪声集合生成第三噪声集合；全局模型模块，用于整合多个所述传感器对应的所述噪声子集与所述第三噪声集合生成全局模型。
[0018]结合第二方面，在一种可能的实现方式中，所述第一系统模型包括所述移动机器人的状态方程与单个所述传感器的量测方程；所述状态方程的公式如下：
[0019]；式中，为移动机器人在k时刻的状态方程，为k时刻所述移动机器人的状态值，为稳定常数矩阵，为关于所述移动机器人的状态值的二阶可微非线性函数，为所述移动机器人的过程噪声；所述量测方程的公式如下：
[0020]；式中，为第i个所述传感器在k时刻的观测值，（,）为所述移动机器人在k时刻的坐标，,）为第i个所述传感器的坐标，为所述移动机器人在k时刻的姿态角，为关于第i个所述传感器的观测值的二阶可微非线性函数，为所述传感器在k时刻的观测噪声。
[0021]结合第二方面，在一种可能的实现方式中，所述过程噪声与所述观测噪声为相互独立的非高斯噪声。
[0022]结合第二方面，在一种可能的实现方式中，所述移动机器人的状态值的确定公式如下：；式中，为在k时刻所述移动机器人的状态值，为所述移动机器人在k时刻的横坐标，为所述移动机器人在k时刻的纵坐标，为所述移动机器人在k时刻的横本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于移动机器人定位的自适应融合方法，其特征在于，包括：为多个传感器的移动机器人构建与传感器数量一致的第一系统模型，并为所述移动机器人设置初始时刻的状态值；获取所述第一系统模型中的非线性模型，并将所述非线性模型转换为线性模型以生成有界噪声集；根据所述线性模型与所述有界噪声集生成第二系统模型，并辨识所述第二系统模型中的未知噪声生成噪声子集；根据所述第二系统模型获取第一时刻的第一噪声集合，并根据所述第一噪声集合预测第二时刻的第二噪声集合；根据所述第二时刻的状态值与所述第二系统模型计算对应噪声集合，并以此更新所述第二噪声集合生成第三噪声集合；整合多个所述传感器对应的所述噪声子集与所述第三噪声集合生成全局模型。2.根据权利要求1所述的方法，其特征在于，所述第一系统模型包括所述移动机器人的状态方程与单个所述传感器的量测方程；所述状态方程的公式如下：；式中，为移动机器人在k时刻的状态方程，为k时刻所述移动机器人的状态值，为稳定常数矩阵，为关于所述移动机器人的状态值的二阶可微非线性函数，为所述移动机器人的过程噪声；所述量测方程的公式如下：；式中，为第i个所述传感器在k时刻的观测值，（,）为所述移动机器人在k时刻的坐标，,）为第i个所述传感器的坐标，为所述移动机器人在k时刻的姿态角，为关于第i个所述传感器的观测值的二阶可微非线性函数，为所述传感器在k时刻的观测噪声。3.根据权利要求2所述的方法，其特征在于，所述过程噪声与所述观测噪声为相互独立的非高斯噪声。4.根据权利要求2所述的方法，其特征在于，所述移动机器人的状态值的确定公式如下：；式中，为在k时刻所述移动机器人的状态值，为所述移动机器人在k时刻的横坐标，为所述移动机器人在k时刻的纵坐标，为所述移动机器人在k时刻的横坐标方向上的速度，为所述移动机器人在k时刻的纵坐标方向上的速度。5.根据权利要求1所述的方法，其特征在于，所述第二系统模型的确定公式如下：；；式中，为k+1时刻所述移动机器人的状态方程，为k时刻所述移动机器人的状态值，为稳定常数矩阵，为关于所述移动机器人的状态值的二阶可微非线性函数，为所述移动机器人在k时刻的状态估测值，为在k
‑
1时刻对k时刻...

【专利技术属性】
技术研发人员：李灵芝，贾宝娟，闵伟，王华，李涛涛，
申请(专利权)人：西安羚控电子科技有限公司，
类型：发明
国别省市：