基于离散扩展卡尔曼滤波的机器人排导里程计和激光扫描仪融合
摘要
1.简介
2.基于里程表和激光组合的跟随器单元姿态估计
包含两个平面元素可使计算角度时的误差最小化 α ,因为他们之间的距离足够大。 角度 α 用于计算相对方向 θ 里 排中每两个连续的单位之间。 尽管距离 d日 里 可以通过措施间接获得[ d日 1 , θ 1 ]和[ d日 2 , θ 2 ]地标中间的圆柱简化了直接计算,提高了估计的准确性和计算时间。 由于它的三个组成部分,人工地标可以很容易地在机器人结构中识别,也可以从环境中的不同元素中识别,从而最大限度地减少故障检测。
3.离散EKF在里程计和激光融合中的应用
机器人姿态预测 X̃ k个 .里程表信息作为输入向量包括在内 U型 k个 根据每个采样时间的主动轮速度。 修正后的状态 X̂ k个 −1 在前一个样本中,时间也是必需的。 姿态估计的修正 X̂ k个 。此步骤需要估计的姿势 Z轴 k个 一旦获得激光扫描仪信息。
(p.1)状态预测 X̃ i、 k个 绝对定位参考系统中随动装置的(位置和方向)。 基于里程表系统的死锁模型(中的f函数 图7 ),以及上一时间步的校正状态 X̂ 我 , k个 −1 ,以获得此预测状态。 (p.2)措施估算 Z轴 我 , k个 从先例单元的修正姿势 Xõ 我 −1, k个 −1 以及基于激光扫描仪的测量模型( 克 中的函数 图7 ). (p.3)估计误差协方差矩阵的预测 P̃ i、 k个 ,使用上一时间步长的该矩阵修正值 P(P) 我 , k个 −1 以及噪声协方差矩阵 Σ W公司 里程表测量模型和两个雅可比公式 J型 f、 X(X) 和 J型 f、 W公司 (请参见 附录 ).
(c.1)更新卡尔曼增益K i、 k个 为了获得该增益,必须预先计算一些矩阵:矩阵P̃的估计 i、 k个 ,噪声协方差矩阵∑ V(V) 激光扫描仪测量模型和两个雅可比J g、 X̄ 和J g.伏 (请参见 附录 ). (c.2)姿势状态预测值X̂的修正 i、 k个 ,仅当激光扫描仪更新的测量值可用时 k个 = 1. 正如在中可以注意到的那样 图7 ,该校正是对利用激光扫描Z获得的位置信息之间的差进行加权而获得的 k个 ,及其预测X̃ k个 通过里程计和卡尔曼增益。 (c.3)更新估计误差协方差矩阵P i、 k个 .
的特征 (f) 和 克 功能。 这个 (f) 一种是与使用里程表系统获取位置信息所使用的无重编码模型有关。 这个 克 功能涉及基于激光扫描仪的相关测量和先验装置的姿态的定位系统。 对与两个感觉系统相关的噪声建模的协方差矩阵的计算:与里程计系统相关的协方差矩阵 Σ W公司 另一个是激光扫描仪 Σ V(V) 为了找到这些值,在50个实验中记录了主动轮的角速度以及用激光扫描仪测量的距离和角度。 相关噪声变量的标准偏差和完整协方差矩阵是从这些寄存器中计算出来的。 计算所需雅可比数。 雅各宾派依靠里程测量: J型 f、 X(X) 和 J型 f、 W公司 ; 以及关于激光测量的内容: J型 g、 Z轴 和 J型 g、 V(V) .
4.实验结果
5.结论
致谢
工具书类
Haoyao,C.走向多机器人编队:基于视觉的定位系统研究。 博士论文,。 香港大学:中国香港,2009年4月。 在线提供: http://hdl.handle.net/2031/5836 (2011年7月1日加入)。 [ 谷歌学者 ] 桑托斯,C; 埃斯皮诺萨,F; 皮萨罗,D; 瓦尔德斯,F; 桑提索,E; Díaz,I.机器人编队非线性轨迹制导的模糊分散控制。 2010年9月13日至16日,西班牙毕尔巴鄂,第15届IEEE新兴技术和工厂自动化国际会议(ETFA'10)会议记录。 Aulinas,J; 佩蒂略,Y; 萨尔维,J; Lladó,X.SLAM问题:一项调查。 加泰罗尼亚人工智能协会第十一届国际会议记录,西班牙圣马丁·德恩普里,2008年10月22日至24日。 Borenstein,J; 人力资源部埃弗雷特; 冯,L; Wehe,D.移动机器人定位:传感器和技术。 J.罗布。 系统 1997 , 14 , 231–249. [ 谷歌学者 ] 费尔南德斯,我; 马祖,M; 拉扎罗,JL; 皮萨罗,D; 桑提索,E; 马丁,P; Losada,C.使用位于环境中的一组静态摄像机引导移动机器人。 自动机器人 2007 , 23 , 305–324. [ 谷歌学者 ] 加藤,S; Tsugawa,S; 德田,K; 松井,T; Fujii,H.与自动化车辆和车间通信协作驾驶的车辆控制算法。 IEEE传输。 智力。 运输。 系统 2002 , 三 ,155–161。 [ 谷歌学者 ] 斯坦科维奇,SS; Stanojevic,MJ; DD西尔雅克。一排车辆的分散重叠控制。 IEEE传输。 控制系统。 Technol公司 2000 , 8 , 816–832. [ 谷歌学者 ] 赫佩,X; 德拉方丹,J; 博瑞德,M; Michaud,F.适应不断变化的环境条件的车辆排的制导和控制。 IEEE系统、人与控制论国际会议论文集,美国华盛顿特区,2003年10月5日至8日; 4,第3091-3096页。 埃斯皮诺萨,F; 阿沃德,AMH; 小马祖; 罗德里格斯,JM; 博科斯,A; Manzano,M.通过分散重叠控制减少车辆排的横向和纵向振动。 2007年12月12日至14日,美国洛杉矶新奥尔良,第46届IEEE决策与控制会议记录。 罗德里格斯,M; 伊格莱西亚斯,R; 埃斯皮诺萨,F; 昆蒂亚,P; Regueiro,简历; Valdes,F.基于协作任务强化的学习建议:机器人车队编队。 第四届欧洲移动机器人会议记录,2009年9月23日至25日,克罗地亚姆里尼/杜布罗夫尼克。 Cho,YK; Youn,J-H.室内施工现场安全用无线传感器驱动智能导航机器人。 2006年10月3日至5日在日本东京举行的第23届建筑自动化和机器人国际研讨会论文集; 第493-498页。 Sequeira,G.移动机器人基于视觉的领导-跟随编队控制。 硕士论文,。 密苏里罗拉大学:罗拉,密苏里州,美国。 在线提供: http://scholarsmine.mst.edu/thesis/pdf/Sequeira_09007dcc804429d4.pdf (2011年7月1日查阅)。 [ 谷歌学者 ] 桥本,M; 奥巴,F; Tomiie,T.使用彩色招牌定位移动机器人。 机电一体化J 1999 , 9 ,633–656页。 [ 谷歌学者 ] 新墨西哥州法林顿; Nguyen,HG; Pezeshkian,N.在未知环境中运行的室内移动机器人车队的智能行为。 程序SPIE 2004 , 164–172. [ 谷歌学者 ] Nguyen,HG公司; 法林顿,N; 北京,N。 战术地面机器人通信链路的维护 ; A692624; AUVSI无人系统北美:美国加利福尼亚州阿纳海姆; 八月; 2004. [ 谷歌学者 ] 测距激光扫描仪URG-04LX。 在线提供: http://www.acroname.com/robots/parts/R283-HOKUYO-LASER1.html (2011年7月1日查阅)。 瓦兹奎兹·马汀,R; 努涅斯,P; 班德拉,A; Sandoval,F.使用激光测距传感器进行机器人导航的基于曲率的环境描述。 传感器 2009 , 9 , 5894–5918. [ 谷歌学者 ] 移动机器人。 P3-DX装置 ,在线提供: http://www.mobilerobots.com/researchrobots/researchrobots/pioneerp3dx.aspx (2011年7月1日查阅)。 皮萨罗,D; 马祖,M; 桑提索,E; 马龙,M; Jimenez,D; 科布雷斯,S; Losada,C.使用里程表和外部视觉传感器定位移动机器人。 传感器 2010 , 10 , 3655–3680. [ 谷歌学者 ] 埃斯皮诺萨,F; 萨拉查,M; 博科斯,A; 瓦尔德斯,F; Iglesias,R.《基于玩家/舞台的P3-DX远程机器人操作通信体系结构的设计与实现》。 2008年5月19日至23日,美国加利福尼亚州帕萨迪纳市,IEEE机器人与自动化国际会议论文集:远程机器人的新愿景和挑战; 第65-70页。 埃斯皮诺萨,F; 萨拉查,M; 皮萨罗,D; Valdés,F.关于P3-DX装置远程机器人操作的电子提案。 在 远程和远程机器人 ; Mollet,N,编辑。; InTech:克罗地亚里耶卡,2010年。 [ 谷歌学者 ] COVE研究项目 ,在线提供: http://www.geintra-uah.org/idi/demostraciones/demostraciones (2011年7月1日查阅)。 佐治亚州特雷贾努。 扩展卡尔曼滤波器教程 ; 技术报告;。 布法罗大学计算机科学与工程系:布法罗,纽约,美国。 在线提供: http://users.ices.utexas.edu/ ~terejanu/files/tutorialEKF.pdf (2011年7月1日查阅)。 萨西亚德克,JZ; Hartana,P.使用卡尔曼滤波器的传感器数据融合。 第三届信息融合国际会议记录,2000年7月10日至13日,法国巴黎,Fusion 2000。 基里,E; M.布勒。 移动机器人定位的三状态扩展卡尔曼滤波器 ; 技术报告; 麦吉尔大学智能机器中心:加拿大魁北克省蒙特利尔; 12; 4月; 2002. [ 谷歌学者 ] Smyth,A; Wu,M.动态系统监测中位移和加速度响应测量数据融合的多速率卡尔曼滤波。 机械。 系统。 信号处理 2007 , 21 ,706–723页。 [ 谷歌学者 ] 博科斯,A; 埃斯皮诺萨,F; 萨拉查,M; Valdés,F.基于机器人遥操作TVKF最优估计器的信道丢包补偿。 2008年5月19日至23日在美国加利福尼亚州帕萨迪纳举行的机器人与自动化国际会议记录(ICRA 2008); 第16-20页。