CN103487050B - 一种室内移动机器人定位方法 - Google Patents
一种室内移动机器人定位方法 Download PDFInfo
- Publication number
- CN103487050B CN103487050B CN201310469003.5A CN201310469003A CN103487050B CN 103487050 B CN103487050 B CN 103487050B CN 201310469003 A CN201310469003 A CN 201310469003A CN 103487050 B CN103487050 B CN 103487050B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- robot
- information
- time
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000004807 localization Effects 0.000 title abstract description 4
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000000644 propagated effect Effects 0.000 claims 1
- 230000001186 cumulative effect Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 19
- 239000010410 layer Substances 0.000 description 12
- 238000005259 measurement Methods 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 8
- 238000005070 sampling Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
一种室内移动机器人定位方法，属于移动机器人定位技术领域。本发明提供一种基于单超声波传感器、编码器和电子罗盘等多传感器融合的异步时间到达（ATOA）室内定位方法，并提出了一种双层卡尔曼滤波（DLKF）的数据融合模型。基于DLKF模型，ATOA方法能有效消除航迹推算中的累计误差，获得较高的定位精度，极大地降低了定位所需的超声波传感器数量，有效地克服了采用超声波传感器定位时存在盲区的缺点。基于DLKF模型，ATOA方法能有效消除航迹推算中的累计误差，获得较好的定位精度，极大地降低了定位所需的超声波传感器数量。
Description
技术领域
本发明属于移动机器人定位技术领域，涉及一种机器人室内定位方法。
背景技术
作为机器人导航的基础，定位问题一直是机器人研究领域的热点之一。室内定位方法可分为相对定位和绝对定位，相对定位主要是利用安装在机器人上的编码器根据最初位姿进行航迹推算（Dead-Reckoning），但随着机器人航行距离的增大，定位误差会累积，需要引入绝对定位手段辅助。绝对定位是利用超声波传感器、视觉传感器、激光雷达等一种或多种外部传感器检测得到的周围环境特征对机器人在参考坐标系中的绝对位姿进行估算。相对于其他环境感知传感器，超声波传感器因其价格低廉、硬件易实现并且技术成熟等优点，已被广泛应用于移动机器人的室内定位。
目前，基于超声波测距的定位一般是机器人同时接收至少三个超声波传感器测得的距离信息经计算得到机器人绝对坐标，而后与航迹推算得到的相对坐标进行信息融合。这些方法存在超声波传感器数量多、定位误差大、存在盲区等缺点。
发明内容
本发明的目的是提供一种基于单超声波传感器、编码器和电子罗盘等多传感器融合的异步时间到达（AsynchronousTimeofArrival，ATOA）室内定位方法，并提出了一种双层卡尔曼滤波（Double-layerKalmanFilter，DLKF）的数据融合模型。基于DLKF模型，ATOA方法能有效消除航迹推算中的累计误差，获得较高的定位精度，极大地降低了定位所需的超声波传感器数量，有效地克服了采用超声波传感器定位时存在盲区的缺点。
本发明采用超声波网络定位系统对室内移动机器人进行定位，超声波网络定位系统主要分为三个模块：控制模块、超声波发射模块和超声波接收模块。将超声波接收模块安装在室内天花板上，超声波接收模块的坐标已事先通过测量获得，并将超声波接收模块的坐标数据存储在控制模块中。控制模块与超声波发射模块通过串口相连接，固定安装在移动机器人上。其具体定位过程如下：
(1)启动一个安置在天花板的超声波接收模块，超声波接收模块进入射频信号和超声波信号接收状态；
(2)控制模块向超声波发射模块发出定位请求，超声波发射模块发送射频信号和超声波信号，其中射频信号携带发射模块的身份标识ID信息；
(3)接收模块接收到射频信号后，检测接收到的ID信息与发射模块的ID信息是否一致，若不一致则放弃，返回等待射频信号接收状态，执行步骤(3)；若一致，则执行步骤(4)；
(4)接收模块开始计时，直到检测到超声波信号或超过预定的检测时间后停止计时，并将接收模块、时间信息打包成数据包，将数据包通过射频通讯的形式发送给超声波发射模块；
(5)超声波发射模块将接收到的数据包和检测的温度信息通过串口通讯的方式发送给控制模块；
(6)控制模块根据超声波在一定温度下空气中的传播速度和各接收模块的时间信息，计算出超声波接收模块与超声波发射模块之间的距离；并根据超声波接收模块坐标和超声波接收模块与超声波发射模块之间的距离，计算出移动机器人的平面坐标，完成一次定位。定位流程图如图1所示，超声波发射模块和超声波接收模块的流程图如图2、3所示。
ATOA方法旨在通过利用几次从同一个超声波接收模块接收得到的距离信息运算获得机器人的坐标，从而降低定位所需超声波节点的数量，具体步骤如下：
1、当机器人第一次获得指定超声波距离信息时，保持左右轮一定转速差的情况下在超声波接受模块信号覆盖区域圆周行驶。保持恒定速差的差动行驶具有自动定心的功能，实际转速差可根据圆周大小确定。
2、选取行驶过程中，每到达圆周上的一个等分点，找出如图7中构成一个等腰直角三角形，运用ATOA方法进行一次计算估计出机器人的当前位置作为后面DLKF的观测值。
3、DLKF通过之前的位置估计（即：DLKF内的上一次估计，即前一次DLKF的后验位姿估计）结合里程计及电子罗盘信息运算得到的位移矢量推算得到机器人这一时刻的先验位姿估计数据。
4、通过前一次ATOA方法所获得的观测值对DLKF得到的先验位姿估计进行修正，得到机器人此时刻的后验位姿估计。
5、当到达下一个点时，再次找出一组三个点（即选择上组的三个点逆时针相邻的三个点构成一个等腰直角三角形），运用步骤3-4得到最新的机器人的位姿估计。而后每到达一个新的等分点，即重复步骤2-4，直到机器人的位姿估计方差小于所需的精度。
6、机器人停止行驶，DLKF最终的位姿估计即为此时机器人的位姿，机器人位姿初始化结束。
本发明提出的ATOA定位是一种新的移动机器人定位方法，其主要特点是只利用单超声波传感器测距信息与航迹推算信息来确定机器人坐标。但是ATOA单次测算误差较大，结果不宜直接使用，故通过DLKF将圆周定位中多次ATOA测算结果进行数据融合，最终达到要求的精度。其最显著的优势就是降低了定位所需的超声波传感器节点铺设密度。而且，ATOA定位方法同样可以被应用到多个超声波传感器节点存在的情况。此时机器人的运动轨迹不受到单超声波ATOA定位条件的约束。此外，任何测距传感器如激光传感器，无线射频传感器都可以采用ATOA方法定位，所以ATOA定位方法具有较大的实际应用价值。基于DLKF模型，ATOA方法能有效消除航迹推算中的累计误差，获得较好的定位精度，极大地降低了定位所需的超声波传感器数量。
附图说明
图1为定位流程图；
图2为超声波发射模块的流程图；
图3为超声波接收模块的流程图；
图4为三个超声波传感器节点定位平面示意图；
图5为三个超声波传感器节点定位三维示意图；
图6为单超声波传感器节点定位示意图；
图7为圆周定位方法示意图；
图8为机器人运动模型示意图；
图9为双层卡尔曼滤波关系图；
图10为机器人轨迹跟踪（全局）；
图11为机器人轨迹跟踪(t=40s~90s)；
图12为坐标误差平方和变化（全局）；
图13为坐标误差平方和变化(t=18s~68s)（局部）。
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明，但并不局限如此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。
本发明采用被动式超声波网络定位系统对室内移动机器人进行定位，超声波网络定位系统主要分为三个模块：控制模块、超声波发射模块和超声波接收模块。超声波发射模块和接收模块都含有射频模块，可发射和接收射频信号。超声波发射模块和接收模块之间的距离通过超声波发射模块发射的超声波信号测得。将超声波接收模块安装在室内天花板上，接收模块的坐标已事先通过测量获得，并将接收模块的坐标数据存储在控制模块中。控制模块与超声波发射模块通过串口相连接，固定安装在移动机器人上。其具体定位过程如下：
(1)启动一个安置在天花板的超声波接收模块，超声波接收模块进入射频信号和超声波信号接收状态；
(2)控制模块向超声波发射模块发出定位请求，发射模块同时发送射频信号和超声波信号，其中射频信号携带发射模块的身份标识ID信息；
(3)接收模块接收到射频信号后，检测接收到的ID信息与发射模块的ID信息是否一致。若不一致则放弃，返回等待射频信号接收状态，执行步骤(3)；若一致，则执行步骤(4)；
(4)接收模块开始计时，直到检测到超声波信号后或超过预定的检测时间停止计时，并将时间信息打包成数据包，将数据包通过射频通讯的形式发送给发射模块；
(5)发射模块将接收到的数据包和检测的温度信息通过串口通讯的方式发送给控制模块；
(6)控制模块根据超声波在一定温度下空气中的传播速度和接收模块的时间信息，计算出接收模块与发射模块之间的距离；并根据接收模块坐标和接收模块与发射模块之间的距离，计算出移动机器人的平面坐标，完成一次定位。定位流程图如图1所示，超声波发射模块和超声波接收模块的流程图如图2、3所示。
在步骤(4)中，预先设定的检测时间内检测超声波信号是否到达，若检测到超声波信号到达，则记录此刻时间为，并等待检测时间结束；在检测时间结束时，若未检测到超声波信号，则令，为无效数据。预定的检测时间是根据超声波发射模块发射的超声波在接收模块接收灵敏度范围内所传播的最远距离而消耗的时间确定，由式(2-10)求得。设定检测时间可有效地避免超声波传感器之间的串扰和超声波信号的多次反射问题。
(2-10)
其中为所用超声波传感器的发射角，为超声波发射端到超声波接收端的垂直距离，为超声波的传播速度。
当接收模块将数据包通过射频信号发送给发射模块时，各个模块发射射频信号时间间隔定为当接收模块将数据包通过射频信号发送给发射模块时，各个模块发射射频信号时间间隔定为，大于通过实验测得的单次射频信号收发的时间。
目前基于超声波网络的定位方法都要求机器人在任意时刻都能接收到至少三个超声波传感器的测距信息。为了满足定位基本条件及定位精度要求，定位区域需要安装大量的超声波接收模块，增加了定位系统的成本，对安装及维护造成极大的不便。基于以上问题，本发明提出了一种基于单超声波传感器、编码器和电子罗盘等多传感器融合的异步时间到达（AsynchronousTimeofArrival，ATOA）室内定位方法。具体阐述如下：
1、超声波传感器网络定位方法
采用的超声波网络具有两种定位模式：主动式和被动式。主动式是指机器人作为超声波移动发射节点，超声波接受节点固定在室内且坐标已知；被动式则相反。如图4所示的二维平面定位（三维定位见图5），TOA要求同一时刻至少要得到三个距离d 1 ,d 2 ,d 3，对应方程组
(i=1,2,3)(1-3)；
其中表示机器人的坐标，表示第i个超声波接收节点坐标，(z-Z i )=h表示超声波发射和接收节点间的垂直距离。(3)和(2)分别减去(1)，得到线性方程组
(4)；
其中，，， 。
由(4)可以很容易解出机器人的位置坐标。
2、单超声波传感器定位
2.1ATOA定位模型
考虑如图6情景：已知机器人在k-1,k,k+1时刻距离超声波传感器节点的距离分别为d k-1 ,d k ,d k+1，实际坐标位置分别为P i (x i ,y i ),(i=k-1,k,k+1)；超声波传感器节点在全局坐标系X0O0Y0中的坐标位置为(X,Y)，机器人相邻位置点的相对位移为：
；
，，。
根据第1节所述，有：
；
为简化等式，令X=Y=0。可以证明这将不影响我们得到机器人的真实坐标值。化简(7)-(9)得到线性方程组：
(10)；
其中，,。
机器人在全局坐标系中的真实坐标为x k =x’ k +[X,Y]T。
本发明中，ATOA定位方法表述为：通过一个超声波传感器相邻时刻测得的绝对距离信息和航迹推算得到的相对距离信息计算期间某一时刻的机器人坐标。这里相对距离信息是由里程计和电子罗盘测量获得的。此外，ATOA定位方法同样适用于其他基于传感器测距的定位方法。
2.2ATOA误差分析
尽管航迹推算在短距离内有较高的精度，但误差将随路程增加而增大直到不可忽略，故需对ATOA计算误差定量分析。设里程计测量一段距离的相对距离测距误差为，超声波测距误差，舍去误差平方项并化简得到偏差矩阵和偏差向量分别为：
，；
于是，(10)可以重写成：
(11)；
控制机器人使：机器人先向某个方向前进l后原地转动一定角度，再前进同样距离l。舍去误差平方项和分母中的微小项，计算得到坐标误差：
(12)；
其中，，，，，，，，，。
由于，故ATOA计算结果是绝对坐标的无偏估计。式(12)表示ATOA计算误差是里程计与电子罗盘测得的相对距离误差和超声波测得的绝对距离误差的线性组合，两种类型误差对最终结果误差的贡献比重不同。由第1节分析知，使将有利于降低计算结果对这两种误差扰动的敏感度。
根据文献[K.S.Chong,LindsayKleeman,AccurateOdometryandErrorModelingforaMobileRobot[C],IEEEInternationalConferenceonRoboticsandAutomation,AlbuquerqueUSA,April1997:2783-2788]有：，式中表示移动的距离，是单位为的常量。
定义残差平方和：
；
Tr为对矩阵求迹运算，；为航迹推算的单位距离测量误差和超声波的测距误差组成的误差向量，满足，实际值可由实验测得。从J中可以看出，增大尽管会减小超声波测距误差的影响（第二项误差项）；但又会引入较大的里程计与电子罗盘累积误差。
3、圆周定位方法
机器人在未知环境中启动，或突然被转移到一个未知环境，机器人需要获得在某个确定的全局坐标系O下的绝对坐标。ATOA的单次测算结果误差过大，我们需要一种方法产生ATOA所需的多组数据并融合。圆周运动天然地符合了第2节和的要求。如图7中，控制机器人作半径为R的圆周运动，有，。
N表示ATOA两个相邻计算点间包含的超声波采样数目（含一个端点）。N与绕转一周所需时间关系为：，表示里程计与电子罗盘采样周期，表示超声波传感器和里程计与电子罗盘的采样频率比。圆周半径R通过如下计算确定：
对于如图8所示的两轮差动机器人，平均线速度，角速度：
(14)；
b为两轮间轴长。当确定时，旋转半径R由两轮平均线速度决定：
(15)；
l为ATOA所要求的相邻计算点间距，可取。联立(14),(15)两式，解出。
保持左右轮恒定转速差，机器人即能自动定心转动，并得到图7所示一系列如的等腰直角三角形。每一个等腰直角三角形都可通过ATOA定位方法算得一组机器人当前位置坐标。若定位精度已满足要求，机器人可在转动半周后的某个时间停止。圆周定位的绕转一周时间和停止之前转过角度可因机器人系统和超声传感器测距精度的不同而不同。
4、双层卡尔曼滤波
考虑到圆周定位中ATOA计算过程的特殊性，本发明提出了一种双层卡尔曼滤波（DLKF）以融合多组ATOA的计算结果。
DLKF由两部分组成：虚拟层(VirtualLayer)和真实层(RealLayer)。虚拟层采用EKF模型，以里程计信号作为基本状态更新，以电子罗盘获得的全局角度信息作为观测值对先验估计修正得到后验估计。通常情况下，电子罗盘与里程计的采样频率相近，我们以此频率作为虚拟层EKF的更新频率。由于虚拟层只用作提取ATOA所需的相对位置信息，所以可以选取任意坐标系。真实层采用稳态卡尔曼滤波模型，以虚拟层中每个超声波观测周期内位移变化量作为基本状态更新的输入，以圆周定位中ATOA计算得到的当前坐标作为观测更新。两层卡尔曼滤波的关系可以用图9表示。
采用DLKF的优点在于：
1)有效解决了超声波采样频率和电子罗盘采样频率相差较大时的数据融合问题；
2)有效避免了单层EKF中因为状态空间中估计值大幅度修正而导致的相对距离提取错误。
4.1、虚拟层拓展卡尔曼滤波
为了得到一个超声波观测周期内机器人相对位置变化情况，我们对状态空间r=[x,y,]T增广后得到：
(16)；
其中，，，，，，，，，，，，。采用圆周定位方法时，在为定值。
虚拟层的观测为：
(17)；
其中，，即实际只有角度信息被电子罗盘测量到。每次当时，机器人CPU记录下状态空间中，传递给真实层作为状态输入，并计算。
故ATOA中的相对位移长度。由于我们并不关心绝对坐标是否准确，所以对虚拟层EKF初始化如下：
；
当机器人开始定位时，用此时电子罗盘的测量角度值作为初始状态空间中的角度信息，则电子罗盘的测量方差即为其初始不确定度。对虚拟层EKF更新如下：
(18)；
(19)；
(20)；
(21)；
(22)；
其中上角标‘-’表示先验估计，‘+’表示后验估计，，，，为内的不确定度，将被传递至真实层。
4.2、真实层稳态卡尔曼滤波
通常卡尔曼滤波（KF）的观测噪声为零均值的高斯白噪声(GWN)，而真实层KF由于采用了ATOA计算结果作为观测值，相邻观测噪声之间并不是不相关的。这点可以从图4看出：在第k次和第k-1次使用ATOA，相对位置偏移及公共部分为，这部分噪声将同时影响相邻两次的观测值。另外，又包含作为第k次状态更新的输入值，故过程噪声与观测噪声也是相关的。所以，我们通过状态空间增广进行相关噪声白化处理。
采用圆周定位时有：
，，，；
由(12)整理可得第K次ATOA的估计残差为：
(23)；
其中，，，表示由超声波测距误差引起的白色观测偏差，满足；表示由于里程计与电子罗盘误差造成的有色观测偏差：，表示噪声关联度，为噪声不相关部分，满足：
；
其中。
真实层KF系统为：
(24)；
(25)；
其中，，，，，，
,。
当机器人做圆周运动半周后（即第一次使用ATOA条件满足，故始终有），对真实层KF初始化如下：
；
由(12)知：是由测距误差和相对位移分别引起的坐标误差的方差。对状态空间更新如下：
(26)；
；(27)；
；(28)；
；(29)；
(30)。
5、仿真实验结果
使用Matlab仿真圆周定位，代入表1中数据运行DLKF来融合ATOA计算结果，得到机器人轨迹跟踪如图10、11所示结果，坐标误差平方和变化如图12、13所示。
表1.Matlab仿真参数
图10显示，由于没有任何先验信息，机器人的初始位置估计是完全不准确的。约在10s左右，第一个ATOA计算结果到达，误差显著下降，但是误差依旧很大。这是超声波测距误差和里程计与电子罗盘测得相对位置误差导致的ATOA单次计算结果不完全准确。随着ATOA计算结果的增加，坐标误差平方和逐渐减小并最终保持在(2000~4000)mm2的范围内小幅波动。约在30s左右时，即机器人大约完成一次圆周运动后，坐标的平均相对误差已经小于5%。为了提高计算结果稳定性，采用DLKF时，人为地在观测值中加入一个虚拟观测噪声，即降低观测值的置信度。图12、13中的曲线分别显示出了加入虚拟观测噪声前后的滤波效果。其中，曲线1一直在小范围内的波动，而曲线2在一定时间后一直稳定在非常低的水平。这说明加入的虚拟观测噪声具有稳定计算结果的作用。
Claims (3)
1.一种室内移动机器人定位方法，其特征在于所述定位方法步骤如下：
(1)启动一个安置在天花板的超声波接收模块，超声波接收模块进入射频信号和超声波信号接收状态；
(2)控制模块向超声波发射模块发出定位请求，超声波发射模块发送射频信号和超声波信号，其中射频信号携带发射模块的身份标识ID信息；
(3)接收模块接收到射频信号后，检测接收到的ID信息与发射模块的ID信息是否一致，若不一致则放弃，返回等待射频信号接收状态，执行步骤(3)；若一致，则执行步骤(4)；
(4)接收模块开始计时，直到检测到超声波信号或超过预定的检测时间TS后停止计时，并将时间信息打包成数据包，将数据包通过射频通讯的形式发送给超声波发射模块；
(5)超声波发射模块将接收到的数据包和检测的温度信息通过串口通讯的方式发送给控制模块；
(6)控制模块根据超声波在一定温度下空气中的传播速度和各接收模块的时间信息，计算出超声波接收模块与超声波发射模块之间的距离；
(7)当机器人第一次获得指定超声波距离信息时，保持左右轮一定转速差的情况下在超声波接受模块信号覆盖区域圆周行驶；
(8)选取行驶过程中，每到达圆周上的一个等分点Pk，找出由PkPk-NPk-2N构成的等腰直角三角形，运用多传感器融合的异步时间到达方法进行一次计算估计出机器人的当前位置Pk作为后面双层卡尔曼滤波的观测值；
(9)双层卡尔曼滤波通过之前的位置估计结合里程计及电子罗盘信息运算得到的位移矢量推算得到机器人的这一时刻的先验位姿估计数据；
(10)通过前一次多传感器融合的异步时间到达方法所获得的观测值对双层卡尔曼滤波得到的先验位姿估计进行修正，得到机器人的此时刻的后验位姿估计；
(11)当到达下一个点Pk+1时，再次找出Pk+1Pk-N+1Pk-2N+1一组三个点，运用步骤(9)-(10)得到最新的机器人的位姿估计，而后每到达一个新的等分点，即重复步骤(8)-(10)，直到机器人的位姿估计方差小于所需的精度；
(12)机器人停止行驶，双层卡尔曼滤波最终的位姿估计即为此时机器人的位姿，机器人位姿初始化结束。
2.根据权利要求1所述的室内移动机器人定位方法，其特征在于所述预定的检测时间TS是根据超声波发射模块发射的超声波在接收模块接收灵敏度范围内所传播的最远距离S而消耗的时间确定，由下式求得：
其中为所用超声波传感器的发射角，H为超声波发射端到超声波接收端的垂直距离，v为超声波的传播速度。
3.根据权利要求1所述的室内移动机器人定位方法，其特征在于所述多传感器融合的异步时间到达方法表述为：通过一个超声波传感器相邻时刻测得的绝对距离信息和航迹推算得到的相对距离信息计算期间某一时刻的机器人坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310469003.5A CN103487050B (zh) | 2013-10-10 | 2013-10-10 | 一种室内移动机器人定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310469003.5A CN103487050B (zh) | 2013-10-10 | 2013-10-10 | 一种室内移动机器人定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103487050A CN103487050A (zh) | 2014-01-01 |
| CN103487050B true CN103487050B (zh) | 2015-12-02 |
Family
ID=49827462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310469003.5A Expired - Fee Related CN103487050B (zh) | 2013-10-10 | 2013-10-10 | 一种室内移动机器人定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103487050B (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104020447A (zh) * | 2014-05-27 | 2014-09-03 | 美新半导体（无锡）有限公司 | 一种室内组合定位系统及其定位方法 |
| CN104035067A (zh) * | 2014-06-13 | 2014-09-10 | 重庆大学 | 一种基于无线传感器网络的移动机器人自动定位算法 |
| CN105427652A (zh) * | 2014-09-18 | 2016-03-23 | 上海理工大学 | 一种无人停车场自动泊车管理系统 |
| CN104390642A (zh) * | 2014-11-20 | 2015-03-04 | 天津市中环电子计算机有限公司 | 可远程监控的全向测距室内自主侦测导航设备 |
| CN104750108B (zh) * | 2015-03-26 | 2017-12-12 | 南开大学 | 一种具有全方位测距功能的移动平台及其测距方法 |
| CN104864867B (zh) * | 2015-05-18 | 2017-07-14 | 南京邮电大学 | 适用gnss的车辆在vsyr盲区定位误差修正方法 |
| CN104931045B (zh) * | 2015-05-18 | 2018-04-17 | 哈尔滨工程大学 | 全方位移动机器人基于定位码盘的定位方法 |
| CN105372646A (zh) * | 2015-11-18 | 2016-03-02 | 广东欧珀移动通信有限公司 | 一种定位方法、定位系统、信号检测装置及主控装置 |
| CN105758408A (zh) * | 2016-01-05 | 2016-07-13 | 福州华鹰重工机械有限公司 | 局部地图构建方法及装置 |
| CN106358286A (zh) * | 2016-08-31 | 2017-01-25 | 广西科技大学 | 基于声波和无线定位的移动目标检测方法 |
| CN106483495B (zh) * | 2016-09-09 | 2019-04-05 | 电子科技大学 | 一种室内运动标签的定位和测速方法 |
| CN108007465A (zh) * | 2017-12-11 | 2018-05-08 | 南京工程学院 | 基于dsp与超声波的室内小距离移动机器人定位方法 |
| CN108362340A (zh) * | 2018-04-25 | 2018-08-03 | 福建（泉州）哈工大工程技术研究院 | 一种高速移动轨道式小车的定位测速系统及方法 |
| CN110455283A (zh) * | 2018-05-08 | 2019-11-15 | 信帧科技（北京）有限公司 | 一种室内机器人智能导航系统及方法 |
| CN109571408B (zh) * | 2018-12-26 | 2020-03-10 | 北京极智嘉科技有限公司 | 一种机器人、库存容器的角度校准方法及存储介质 |
| CN110132270B (zh) | 2019-06-13 | 2021-08-31 | 深圳汉阳科技有限公司 | 自动扫雪装置定位方法 |
| CN110398251B (zh) * | 2019-08-16 | 2021-02-09 | 北京邮电大学 | 一种基于多传感器融合的无轨导航agv定位系统及其定位方法 |
| CN110764510A (zh) * | 2019-11-12 | 2020-02-07 | 西南交通大学 | 一种用于室内移动机器人的超声波定位系统和定位方法 |
| CN111474944A (zh) * | 2020-05-18 | 2020-07-31 | 北京益康生活智能科技有限公司 | 智能护理系统及其控制方法 |
| CN111879323B (zh) * | 2020-06-29 | 2022-02-22 | 福建（泉州）哈工大工程技术研究院 | 一种基于前端融合的航向角计算方法 |
| CN113311387A (zh) * | 2021-05-30 | 2021-08-27 | 重庆长安新能源汽车科技有限公司 | 一种车辆位置定位方法及装置 |
| CN116382101B (zh) * | 2023-06-05 | 2023-09-01 | 成都信息工程大学 | 考虑不确定性的轮式移动机器人自适应控制方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10228639A1 (de) * | 2001-06-26 | 2003-01-02 | Sagem | Hybrid-Trägheitsnavigationsverfahren und -Vorrichtung |
| EP1460378A2 (de) * | 2003-03-17 | 2004-09-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zum Ausführen einer Objektverfolgung |
| CN101750060A (zh) * | 2008-12-22 | 2010-06-23 | 财团法人工业技术研究院 | 利用感测元件的定位与检测的系统与方法 |
| CN101922928A (zh) * | 2009-06-16 | 2010-12-22 | 纬创资通股份有限公司 | 智能型手持装置测距、辨识位置的方法、装置及电子装置 |
| CN101957447A (zh) * | 2009-07-16 | 2011-01-26 | 北京石油化工学院 | 基于有源rfid的室内移动机器人定位系统和方法 |
| CN102279404A (zh) * | 2010-06-13 | 2011-12-14 | 上海伽利略导航有限公司 | 一种无缝定位方法及装置 |
| CN102721972A (zh) * | 2012-06-13 | 2012-10-10 | 北京邮电大学 | 定位的方法和装置 |
| CN102927980A (zh) * | 2012-10-12 | 2013-02-13 | 深圳市宇恒互动科技开发有限公司 | 一种基于三维多点无线与微惯导的室内定位系统、方法 |
-
2013
- 2013-10-10 CN CN201310469003.5A patent/CN103487050B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10228639A1 (de) * | 2001-06-26 | 2003-01-02 | Sagem | Hybrid-Trägheitsnavigationsverfahren und -Vorrichtung |
| EP1460378A2 (de) * | 2003-03-17 | 2004-09-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zum Ausführen einer Objektverfolgung |
| CN101750060A (zh) * | 2008-12-22 | 2010-06-23 | 财团法人工业技术研究院 | 利用感测元件的定位与检测的系统与方法 |
| CN101922928A (zh) * | 2009-06-16 | 2010-12-22 | 纬创资通股份有限公司 | 智能型手持装置测距、辨识位置的方法、装置及电子装置 |
| CN101957447A (zh) * | 2009-07-16 | 2011-01-26 | 北京石油化工学院 | 基于有源rfid的室内移动机器人定位系统和方法 |
| CN102279404A (zh) * | 2010-06-13 | 2011-12-14 | 上海伽利略导航有限公司 | 一种无缝定位方法及装置 |
| CN102721972A (zh) * | 2012-06-13 | 2012-10-10 | 北京邮电大学 | 定位的方法和装置 |
| CN102927980A (zh) * | 2012-10-12 | 2013-02-13 | 深圳市宇恒互动科技开发有限公司 | 一种基于三维多点无线与微惯导的室内定位系统、方法 |
Non-Patent Citations (2)
| Title |
|---|
| 室内环境下同步定位与地图创建改进算法;赵立军 等;《机器人》;20090930;第31卷(第5期);第438-444页 * |
| 自主移动机器人定位方法的研究现状;陈延国 等;《应用科技》;20021130;第29卷(第11期);第41-43页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103487050A (zh) | 2014-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103487050B (zh) | 一种室内移动机器人定位方法 | |
| CN110375730B (zh) | 基于imu和uwb融合的室内定位导航系统 | |
| US11506512B2 (en) | Method and system using tightly coupled radar positioning to improve map performance | |
| CN101900558B (zh) | 集成声纳微导航的自主式水下机器人组合导航方法 | |
| CN111536967B (zh) | 一种基于ekf的多传感器融合温室巡检机器人跟踪方法 | |
| CN103257348B (zh) | 一种飞行器相对高度和相对姿态的测量系统及其测量方法 | |
| CN102419180B (zh) | 一种基于惯性导航系统和wifi的室内定位方法 | |
| EP2816374B1 (en) | Vehicle positioning in high-reflection environments | |
| CN108614258B (zh) | 一种基于单水声信标距离量测的水下定位方法 | |
| EP2856273B1 (en) | Pose estimation | |
| Bonnifait et al. | Design and experimental validation of an odometric and goniometric localization system for outdoor robot vehicles | |
| CN102636166B (zh) | 基于航向角的wsn/ins组合导航系统的控制方法 | |
| US10557711B2 (en) | Apparatus for inferring pedestrian position based on pedestrian movement detection, and method therefor | |
| CN104019828A (zh) | 高动态环境下惯性导航系统杆臂效应误差在线标定方法 | |
| CN107014375B (zh) | 超低部署的室内定位系统及方法 | |
| CN104062633A (zh) | 一种基于超声波的室内定位系统及方法 | |
| CN110779496B (zh) | 三维地图构建系统、方法、设备和存储介质 | |
| CN113048983B (zh) | 一种异时序贯量测的改进分层式auv协同导航定位方法 | |
| CN104251702A (zh) | 一种基于相对位姿测量的行人导航方法 | |
| CN104316058B (zh) | 一种采用交互多模型的移动机器人wsn/ins组合导航方法 | |
| CN114545472B (zh) | 一种gnss/ins组合系统的导航方法和装置 | |
| CN104280024B (zh) | 一种深水机器人组合导航装置和方法 | |
| CN105371853A (zh) | 基于tds与轨道器的火星动力下降段导航方法 | |
| CN106896361A (zh) | 一种深水机器人多模型ekf组合导航装置及方法 | |
| CN113029173A (zh) | 车辆导航方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151202 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |