一种基于改进粒子滤波的移动机器人定位方法技术

本发明专利技术提供了一种基于改进粒子滤波的移动机器人定位方法，包括步骤：建立机器人的运动方程和路标计算方程；用多agent粒子群优化算法优化粒子集，所得的最优值为对位姿的估计；利用卡尔曼滤波算法对环境路标进行估计；权重更新及归一化，重采样。本发明专利技术定位方法定位准确且易于实现，在移动机器人的仿真过程中，移动机器人的位姿估计和环境路标估计更加精确。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了，包括步骤：建立机器人的运动方程和路标计算方程；用多agent粒子群优化算法优化粒子集，所得的最优值为对位姿的估计；利用卡尔曼滤波算法对环境路标进行估计；权重更新及归一化，重采样。本专利技术定位方法定位准确且易于实现，在移动机器人的仿真过程中，移动机器人的位姿估计和环境路标估计更加精确。【专利说明】
本专利技术涉及移动机器人及其同时定位与建图
，具体是提供了一种改善移动机器人定位误差的方法。
技术介绍
移动机器人具有智能性、独立性，能够代替人在各种未知或者危险环境中的任务，而这些未知或者危险的环境中往往充满各种不确定性的因素，因此移动机器人必须具备自主的导航能力和作业能力，移动机器人探索未知、危险环境的关键是建立局部环境地图，所有建立的局部环境地图进行数据融合，最终构建全局的环境地图，而移动机器人的定位技术是移动机器人建立局部环境地图的基础，也可以说是对移动机器人其他方面研究的基础。只有移动机器人的精确定位，移动机器人建立的局部环境地图才更加精准，从而移动机器人的自主导航能力、作业能力才更强。就目前而言，已有的定位方法主要是针对已知环境的，即环境中已设定了障碍物，称为“路标”，在给定路标和移动机器人导航轨迹的情况下，求取机器人定位和路标的误差。常用的方法有ekf-slam (基于卡尔曼滤波的机器人同时定位与建图)和pf_slam (基于粒子滤波的机器人同时定位与建图)。在已有的两种同时定位与建图方法中，基于卡尔曼滤波的方法计算量大，且有着误差必须服从高斯分布的不足，因此，国内外对移动机器人定位与建图的研究主要是针对粒子滤波方法的。而标准的pf-slam会出现粒子贫乏和需要大量粒子的问题，粒子贫乏指的是在粒子滤波算法中，随着粒子的更新和迭代，很多粒子的权重会变小，甚至在经过重采样后，会出现粒子单一性的现象。所以研究一种能够用较少的粒子和解决“粒子贫乏”问题的定位方法具有重要意义。
技术实现思路
针对以上现有技术中的不足，本专利技术的目的在于提供一种使移动机器人能够更高效、更精确地建立环境地图的改善移动机器人定位误差的方法，这种方法主要是针对轮式机器人的。为达到上述目的，本专利技术的技术方案是:，其包括以下步骤:101、初始化移动机器人的工作条件，包括设定移动机器人的运动路径、移动方式、移动的起始位置和目标位置、路标的位置信息，获取移动机器人车轮上的光电编码盘A t时间内的转动次数n及光电编码盘的分辨率P，根据公式d=2 rn/p求得移动机器人在A t时间内的移动距离d，移动机器人的左、右轮移动距离分别设置为Cl1和d2，根据公式,—^ d % d -}Aii ~ 1_?-/ \iJ ――^ 2A求得机器人的位移增量A D和转角增量A 0，其中r为车轮半径，I为两轮AZi — 一泛2/\ tf 一......................................1轮距，根据公式 求得移动机器人在A t时间内的运动半径R。在获得以上参数后预测移动机器人在t+1时刻的位姿:【权利要求】1.，其特征在于包括以下步骤:101、初始化移动机器人的工作条件，包括设定移动机器人的运动路径、移动方式、移动的起始位置和目标位置、路标的位置信息，获取移动机器人车轮上的光电编码盘A t时间内的转动次数n及光电编码盘的分辨率P，根据公式d=2 rn/p求得移动机器人在A t时间内的移动距离d，移动机器人的左、右轮移动距离分别设置为Cl1和d2，根据公式. 【文档编号】G01C21/20GK103487047SQ201310340510【公开日】2014年1月1日 申请日期:2013年8月6日 优先权日:2013年8月6日 【专利技术者】唐贤伦, 蒋波杰, 庄陵, 虞继敏, 张毅, 张鹏, 李洋 申请人:重庆邮电大学本文档来自技高网...

【技术保护点】
一种基于改进粒子滤波的移动机器人定位方法，其特征在于包括以下步骤：101、初始化移动机器人的工作条件，包括设定移动机器人的运动路径、移动方式、移动的起始位置和目标位置、路标的位置信息，获取移动机器人车轮上的光电编码盘△t时间内的转动次数n及光电编码盘的分辨率p，根据公式d=2πrn/p求得移动机器人在△t时间内的移动距离d，移动机器人的左、右轮移动距离分别设置为d1和d2，根据公式ΔD=d1+d22Δθ=d1-d2l求得机器人的位移增量△D和转角增量△θ，其中r为车轮半径，l为两轮轮距，根据公式求得移动机器人在△t时间内的运动半径R，在获得以上参数后预测移动机器人在t+1时刻的位姿:X(t+1)=xt+ΔDtΔθtcosθtyt+ΔDtΔθtsinθtθt+θt+N(t)---(I)式中xt，yt，θt分别为机器人在平面坐标体系下t时刻的横坐标、纵坐标及姿态角，姿态角即为机器人与横坐标的夹角，N(t)为因为车轮变形、地面摩擦形成的过程噪声，服从均值为零的高斯分布,t的取值为[1n],其中N(1)+N(2)+…+N(n)=0;102、根据路标坐标的估计方程式对路标坐标进行估计，其中机器人t时刻的位姿为Xt=(xt,yt,θt)，xt，yt，θt分别为机器人在平面坐标体系下t时刻的横坐标、纵坐标和姿态角，路标M的坐标为(xm,ym)，传感器位于机器人的前端，传感器中心不与机器人几何中心重合时，传感器中心坐标为(xs,ys)，传感器中心与机器人几何中心距离为L，根据公式xsys=xt+Lcosθtyt+Lsinθt求得，路标坐标的观测值ρt为路标坐标与传感器中心坐标间的距离，为传感器观测到路标时的扫描角,扫描角为路标坐标与机器人几何中心的连线与横坐标正方向的夹角；观测值的估计方程为：103、将机器人某一时刻位姿视为若干个粒子组合形成粒子集，根据步骤101中得到的移动机器人的运动方程（Ⅰ）推出下一时刻的粒子集，用MAPSO优化算法对粒子集进行优化，并设定粒子集的更新权值W设，将优化后的值作为对机器人位姿的最终估计值；104、根据步骤102中得出的机器人路标坐标估计方程及步骤103中得到的机器人位姿的最终估计值，采用卡尔曼滤波算法对机器人的路标坐标进行迭代更新，得出路标坐标的最优值；根据粒子集的权值更新公式Wt+1=Wt*exp(?0.5*ρt2)，ρt为路标坐标与传感器中心坐标间的距离，当权值小于步骤103中所设定的更新权值W设时，返回步骤101，直至机器人的路标坐标的最优值和位姿的最终估计值确定，机器人定位结束。FDA00003627573600012.jpg,FDA00003627573600014.jpg,FDA00003627573600016.jpg,FDA00003627573600017.jpg,FDA00003627573600021.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：唐贤伦，蒋波杰，庄陵，虞继敏，张毅，张鹏，李洋，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：