基于无迹卡尔曼滤波的移动机器人室内定位算法研究

摘要..................................................................................................................I ABSTRACT.......................................................................................................... II

第1章绪论 (1)

1.1课题研究目的及意义 (1)

1.2移动机器人研究的发展 (1)

1.3移动机器人室内定位方法现状 (5)

1.3.1室内定位方法概述 (5)

1.3.2特征提取与匹配算法 (7)

1.3.3多传感器定位的信息融合算法 (9)

1.4本文研究内容 (11)

第2章多传感器移动机器人系统搭建 (12)

2.1弓 (12)

2.2硬件平台设计与搭建 (12)

2.2.1机械结构设计 (12)

2.2.2传感器选型 (15)

2.3多传感器系统软件开发 (17)

2.3.1运动控制模块 (18)

2.3.2基于里程计建立移动机器人运动学模型 (19)

2.3.3基于激光测距仪数据建立特征地图 (22)

2.3.4基于动态阈值的特征提取 (23)

2.3.5传感器数据的特征匹配 (28)

2.4基于Q t架构的上位机界面程序开发 (32)

2.5本章小结 (33)

第3章基于无迹卡尔曼冗余测量参数的室内定位算法 (35)

3.1引言 (35)

3.2 Kalman滤波的基本原理 (35)

3.3无迹Kalman滤波的基本原理 (36)

- III -

3.4移动机器人传感器系统误差分析 (38)

3.4.1里程计误差分析 (38)

3.4.2激光测距仪误差分析 (39)

3.5基于冗余测量参数的数据融合 (40)

3.6基于冗余测量参数的室内定位算法的仿真 (43)

3.7本章小结 (45)

第4章基于U K F的冗余测量参数的室内定位算法实验 (46)

4.1实验环境的布置 (46)

4.2室内定位算法实验 (46)

4.2.1绕地图运动一周回到起点位置测试实验 (47)

4.2.2经过标记点绕地图一周测试实验 (50)

4.2.3增大里程计误差检验算法效果 (50)

4.2.4匹配误差衡量定位效果实验 (51)

4.3实验结果分析 (53)

4.4 m g (53)

结论 (54)

参考文献 (55)

攻读硕士学位期间发表的论文 (59)

哈尔滨工业大学学位论文原创性声明和使用权限 (60)

致谢 (61)

-I V-

第1章绪论

1.1课题研究目的及意义

本课题的目的是在多传感器信息下，通过对信息融合算法的优化，在原有的基础上实现移动机器人更加准确和稳定的室内定位方法，为该领域更加深入的研究提供新的思路和想法。

多传感器信息融合针对的是含有多个传感器的系统。当系统所处的环境或者系统本身比较复杂的时候，仅仅通过单一的传感器，得到的关于环境或者系统本身的信息不够全面并且充满不确定性，再加上传感器自身也存在误差等因素，最终导致其无法实现准确的定位。因此，系统往往会配备多个同种或者不同种的传感器。

经过传感器技术和处理器的计算水平的飞速发展，传感器的性能不再是定位的关键，算法成为了移动机器人定位的瓶颈。移动机器人室内定位的算法主要有两个方面，一是对传感器数据的预处理，包括对环境特征点的提取和匹配的算法。二是不同传感器数据的信息融合算法。

不同的传感器具有不同的特征，对于系统和环境的描述在尺度、层次等方面存在一定差异，甚至很大的差异。信息融合算法就是要将这些数据进行组合，提高传感器的整体效能。

定位，对于移动机器人而言至关重要，定位的效果影响着其是否能够顺利进行下一步的任务。扫地机器人在打扫卫生的过程中需要知道每个时刻所处的位置，才能够识别出哪些地方已经打扫过，哪些地方还需要打扫；无论是分拣还是运动，只有知道自身所处的位置，才能够按照要求到达起点、任务点和终点。

随着移动机器人在生产和生活中越来越普及，其对定位的准确度和稳定性的要求也越来越高。同时，越来越精确的室内定位也会不断促进着移动机器人领域的进一步蓬勃发展。

1.2移动机器人研究的发展

移动机器人是一项涉及了机械、电子、计算机、自动化及人工智能等多学科的工程，由于其在工业生产以及生活中广泛且深远的影响，一直以来移动机器人都是非常活跃的研究领域。并且随着最新技术和理论研究成果被不断应用到移动机器人上，它的应用范围从国防、工业不断扩展到农业、医疗以及服务业等领域中，现

-1-