论文部分内容阅读
移动机器人在避障导航时需要准确知道机器人当前位置,为了提高移动机器人在避障导航时的定位精度,弥补使用单个定位传感器的缺陷,需要使用多传感器融合定位的方法。目前国内外较多使用精度高、价格昂贵的定位传感器进行融合定位,对于使用低精度、低成本的传感器进行定位的研究尚有许多理论和技术问题有待解决和完善。本文研究建立基于卡尔曼滤波算法的低精度、低成本多传感器融合定位方案,分别研究了低成本AHRS与里程计融合定位方法和低精度GPS、低成本AHRS与里程计融合定位方法。 本文分析了GPS、AHRS传感器和里程计的工作原理和特点,对几种常用的定位传感器进行了误差分析研究。误差分析的定位传感器包括基于VRS技术的Trimble5700 GPS、Trimble5700 GPS单机、MTi AHRS传感器和移动机器人里程计。基于VRS的Trimble5700 GPS静止时定位均方根误差在1cm内,最大误差在3cm内;Trimble5700 GPS单机静止时定位均方根误差在1.1m内,最大误差在1.6m内,运动时定位均方根误差在1.3m内,最大误差在3.2m内;MTi AHRS传感器静止时测量航向角、转向角速度和车体纵向加速度的误差范围如下:航向角漂移幅度在1.1°内,标准差在0.4°内,转向角速度均方根误差在0.4°内,最大误差在1.4°内,车体纵向加速度均方根误差在140mm/s2内,最大误差在170 mm/s2内;移动机器人里程计在人造草坪上行驶约25m×12m长方形轨迹时,定位均方根误差在1.5m内,最大误差在3m内,以约250mm/s的速度匀速直线行走时,RTK-GPS测量速度作为参考标准,测量速度误差为21mm/s。 由于多项式拟合在基于卡尔曼滤波算法的移动机器人定位试验研究中应用尚较少见,本文研究了一种基于多项式卡尔曼滤波器的移动机器人定位方法,通过多项式拟合对非线性系统建模建立多项式卡尔曼滤波器进行移动机器人多传感器融合定位试验。分析了多项式的阶数对多项式卡尔曼滤波器的影响和多项式卡尔曼滤波器的工作性能评价方法;在移动机器人定位常用的里程计航位推算公式的基础上分别使用0阶、1阶和2阶多项式对机器人纵向速度和航向角进行拟合,建立0阶、1阶和2阶多项式卡尔曼滤波器。在Pioneer3-AT移动机器人平台上进行试验,多项式卡尔曼滤波器融合信息来源于低成本AHRS传感器和里程计,同时将卡尔曼滤波理论误差和实际误差进行对比验证了多项式卡尔曼滤波器的工作性能。试验结果显示,所建立的多项式卡尔曼滤波器工作性能正常,定位精度均明显优于里程计航位推算法;1阶多项式卡尔曼滤波器定位精度优于0阶,2阶的定位精度优于0阶但差于1阶。 已有融合定位方法使用高精度RTK-GPS融合惯导传感器或者使用低价格低精度GPS融合高精度惯性传感器,对使用低精度GPS融合低成本AHRS传感器的研究较少见。本文研究了一种基于无味卡尔曼滤波算法的低精度、低成本传感器信息融合定位方法。研究给出了用于多传感器融合定位的移动机器人运动学模型,建立了无味卡尔曼滤波器对低精度GPS、低成本AHRS传感器和里程计进行融合定位;在Pioneer3-AT移动机器人平台上进行试验,无味卡尔曼滤波器融合信息来源于非RTK-GPS测量轨迹、MTi AHRS传感器测量转向角速度和航向角以及移动机器人里程计测量速度,以RTK-GPS测量值作为参考轨迹。通过长方形轨迹试验和随机行走轨迹试验,验证了无味卡尔曼滤波器的融合定位性能和非线性状态估计性能。试验结果显示,所建立无味卡尔曼滤波器对低精度GPS测量信息融合后能明显抑制其测量误差,定位精度明显优于低精度GPS定位和里程计航位推算定位,定位精度从融合前的米级提高到融合后的亚米级;试验同时显示,在增加系统中的航向角和转向角速度变化的非线性因素影响后,无味卡尔曼滤波器能维持良好的非线性状态估计性能。