一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法技术

本发明专利技术提供了一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法，包括：S1，根据先验分布初始化采样粒子；S2，判断迭代次数t是否小于T；S3，若迭代次数t小于T，则进行重要性采样；若迭代次数t大于等于T，则结束；S4，输入测量值，并归一化权重；S5，利用重要性采样和重采样得到滤波结果；S6，优先级别粒子获取物体全局坐标信息，用优先级别粒子坐标信息刷新所有粒子信息；S7，根据所得粒子集估计状态统计信息，迭代次数t=t+1，返回步骤S2；S8，通过机器人识别具体的全局参考物，获取机器人室内定位的全局坐标信息；S9，更新自身全局坐标，清理轮式里程计和IMU的积累误差，将各种传感器数据嵌入算法，完成机器人的室内定位。

【技术实现步骤摘要】

本专利技术涉及机器人定位方法领域，更具体的说是，涉及一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法。

技术介绍

1、惯性测量单元简称imu，imu测量物体三轴姿态角(或角速率)以及加速度的装置。一般的，一个imu包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，通过imu测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。在导航中有着很重要的应用价值。

2、在室内机器人定位中，机器人通过配置的各种传感器获取的数据通过合适的算法为机器人在室内提供位置定位信息。其中航位推算定位是利用轮式里程计或imu等采集的数据信息。在导航算法中常常依据上一状态来推测当前时刻的位置信息。最广泛的方法是基于贝叶斯估计的概率分布方法，包括多假设定位、马尔科夫定位、蒙特卡洛定位、卡尔曼滤波(kalman filter,kf)定位、扩展卡尔曼滤波(extended kalman filter,ekf)定位、无损卡尔曼滤波(unscented kalman filter,u本文档来自技高网...

【技术保护点】

1.一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法，其特征在于，包括：

2.根据权利要求1所述的一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法，其特征在于，所述步骤S1包括：

3.根据权利要求1所述的一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法，其特征在于，所述步骤S3中，若迭代次数t小于T，则进行重要性采样，包括：

4.根据权利要求3所述的一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法，其特征在于，所述根据状态转移矩阵、噪声驱动矩阵、观测矩阵和观测噪声驱动矩阵的计算结果使用EKF算法更新粒子集合，包括：

<p>5.根据权利要求...

【技术特征摘要】

1.一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法，其特征在于，包括：

2.根据权利要求1所述的一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的一种基于扩展卡尔曼粒子滤波算法的室内机器人定位方法，其特征在于，所述步骤s3中，若迭代次数t小于t，则进行重要...

【专利技术属性】
技术研发人员：郑运鸿，周薇，李平凡，林倩闽，朱兰，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：