论文部分内容阅读
定位问题是移动机器人的一个非常重要的研究内容,是实现移动机器人自主导航的前提,因此,受到国内外学者的广泛关注和研究。为了实现移动机器人的定位,人们研制出各种定位传感器,如里程计、超声波、激光雷达、视觉传感器、GPS等。但传统的单一传感器定位方法无法满足移动机器人高精度、高可靠的定位要求,而基于多传感器信息融合定位方法避免了单一传感器的不足,得到了越来越多的研究和应用。在该类融合方法中,一般先建立系统的运动模型及传感器的观测模型,然后根据传感器的观测值以及系统的预测信息,利用迭代Bayes优化估计方法得到机器人位姿的实时估计。对于移动机器人而言,在已有的传感器观测条件下,如何获得更高精度的估计结果,是一个非常值得探索的问题。从优化估计的角度,通过考虑系统中的各种约束来提高估计精度是一种非常有效的方法。在移动机器人定位问题中,相关的研究还比较少。本文对移动机器人运动过程中的相关约束条件进行分析,主要考虑利用环境约束进一步提高优化估计精度的方法。为了消除里程计定位存在的累积误差,采用扩展卡尔曼滤波(EKF)实现里程计和全球卫星导航系统(GNSS)融合的定位方法,建立了基于EKF的GNSS/里程计融合定位模型,通过EKF算法将GNSS观测信息和里程计状态预测信息进行配准和位姿更新,从而实现对里程计累积误差的周期性校正。针对EKF位姿优化估计时由于系统参数和传感器观测不确定性引起的误差累积问题,提出了一种基于状态约束EKF的GNSS/里程计融合定位算法,状态约束的引入相当于在滤波估计中引入了“隐式局部地图”,从而可以显著提高移动机器人的位姿优化估计精度。论文针对线性约束和非线性约束两种不同场景,分别建立了基于状态约束EKF算法的GNSS/里程计融合定位模型。通过仿真和实际实验,验证了算法的有效性。为了对提出的融合定位算法进行实验验证,设计了基于多传感器的移动机器人实验平台。在对系统进行整体需求分析的基础上,完成了移动机器人硬件平台的搭建和相关软件的设计。硬件平台主要包括系统电源模块设计、基于STM32F407的嵌入式系统设计和基于Zigbee的无线控制器设计。软件平台主要包括基于FreeRTOS操作系统和LwIP网络协议栈的嵌入式系统软件设计,以及上位机GUI界面设计。通过室外环境的测试,验证了平台的可靠性和稳定性。