CN107063305B - 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 - Google Patents
用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 Download PDFInfo
- Publication number
- CN107063305B CN107063305B CN201710229436.1A CN201710229436A CN107063305B CN 107063305 B CN107063305 B CN 107063305B CN 201710229436 A CN201710229436 A CN 201710229436A CN 107063305 B CN107063305 B CN 107063305B
- Authority
- CN
- China
- Prior art keywords
- robot
- time
- suspended
- angle
- rear wheel
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明属于机器人自定位技术领域，具体是用惯导、压力传感器修正下坡悬空后轮里程计误差的方法来测量机器人当前姿态，当判断为机器人正在下坡时读取压力传感器的数据，判断左右轮是否出现悬空的状况，当悬空时采用修正后的算法公式对里程计产生的空转误差进行修正的方法。本发明与现有技术相比，有益效果在于：可以实时监测机器人是否处于下坡的状态中，当机器人在下坡时通过压力传感器监测后轮是否在悬空，当监测出有后轮已悬空时改变对机器人行走距离增量(Δx,Δy,Δθ)的计算方法，从而减少因一个轮悬空造成的里程计误差对机器人位姿增量的影响。
Description
技术领域
本发明属于机器人自定位技术领域，涉及一种用惯导、压力传感器修正下坡悬空后轮里程计误差的方法。
背景技术
机器人定位，是根据先验环境地图信息、物体位姿的当前估计以及传感器的观测数据等输入信息，经过一定的分析和计算，得到更为准确的物体位姿的估计。测量机器人行驶距离的传感器主要有里程计、陀螺仪、加速度传感器等。虽然每一个传感器都具有测量行驶距离的功能，但是单一传感器的测量总会存在一些不足，如里程计存在累计误差和后轮悬空空转造成的误差，而陀螺仪和加速度传感器随时间有漂移，积分之后任何小的常数误差都会无限增长，不适合长时间的精确定位。
在实际的机器人定位导航实验中，当机器人下坡时重心前移，可能只存在有三个轮子即两个前轮和一个后轮同时着地的情形，三个轮和地面的接触点组成一个平面，第四个轮处在斜坡上必然会悬空，如图1所示。在后轮悬空空转状态下，里程计的测量与实际机器人位置的偏移量会有较大的偏差，有可能直接导致机器人位置丢失，定位失败。
利用陀螺仪和加速度传感器可以实时检测出机器人的姿态，通过姿态角可以判断出机器人是否处于下坡的过程中，但是机器人在下坡的过程中，不一定都是后轮出现悬空的状况，有可能是前轮出现悬空，这取决于轮椅的重心位置，所以仅仅检测出机器人的姿态还不足以判断后轮是否处于悬空的状态中。利用压力传感器可以实时检测出后轮对于机器人支架压力的变化，但是仅仅利用压力传感器信号的变化不足以判断机器人的后轮出现悬空，因为机器人负载的变化也会导致压力的变化。
发明内容
本发明所要解决的技术问题是提供一种利用惯导器件来测量机器人当前姿态，当判断为机器人正在下坡时读取压力传感器的数据，判断左右轮是否出现悬空的状况，当悬空时采用修正后的算法公式对里程计产生的空转误差进行修正的方法。
用惯导、压力传感器修正下坡悬空后轮里程计误差的方法，采用陀螺仪和加速度传感器实时检测机器人的姿态，以判断机器人是否正在下坡，当由机器人的姿态判断出机器人处于下坡的过程中时，再利用压力传感器检测机器人的后轮是否悬空，
当由姿态判断出机器人处于平面行驶时，或者虽然处于下坡状态，但后轮均未悬空时，采用下式进行行走距离增量(△x,△y,△θ)的计算：
式中：(△x,△y,△θ)＝前一次采样间隔走过的路径；△x机器人x方向位置增量，△y为机器人y方向位置增量，△s为机器人的位置增量，△sr,△sl分别为右轮、左轮行走的距离；b为差动驱动机器人两个轮子之间的距离；θ为机器人的朝向；
当检测出一个后轮已悬空时，忽略两个影响：
(1)后轮转速的强闭环控制使速度不受重力加速度的影响；
(2)忽略前轮的方向对于单后轮驱动直线行驶的影响；这样机器人只受一个后轮的驱动按直线行驶；
左轮悬空时，机器人行走距离增量(△x,△y,△θ)按照下面的修正公式进行计算：
右轮同理。
陀螺仪和加速度传感器均设于机器人底盘的中央位置，陀螺仪用于检测机器人的角速度变化；加速度传感器用于检测机器人的速度变化；压力传感器有两个，两个压力传感器分别用于检测两个后轮对于机器人支架的压力；机器人上还设有两个光电编码器、激光传感器和工控机；两个光电编码器分别安装在两个后轮上作为里程计使用；激光传感器用于检测周边环境的信息进行定位导航；工控机作为车载控制器，用于接收陀螺仪、加速度传感器、压力传感器、光电编码器和激光传感器的数据，进行定位导航的运算。
利用陀螺仪和加速度传感器数据计算机器人姿态角，判断机器人是否在下坡的步骤如下：
步骤(1)：系统建模，系统的状态方程为：
X(k+1)＝AX(k)+Bu(k)+v(k)； (7)
式中，k为时刻，X(k+1)为机器人在(k+1)时刻状态，A为状态转移矩阵，X(k)为机器人在k时刻状态，B为系统控制矩阵，u(k)为k时刻系统输入量，v(k)为系统过程噪声，
输出方程为：
Y(k)＝CX(k)+w(k)； (8)
式中，Y(k)为k时刻系统输出量，C为观测矩阵，w(k)为观测噪声，
步骤(2)：计算陀螺仪测量到的姿态角预估计值与加速度传感器之间的偏差：
error(k)＝angle_g(k)-angle_a(k)； (9)
式中，error(k)为在k时刻的姿态角偏差，angle_g(k)为k时刻陀螺仪计算到的姿态角，angle_a(k)为k时刻加速度传感器测得的姿态角，
步骤(3)：计算Kalman增益K(k)：
K(k)＝P(k-1)·CT/[C·P(k-1)·CT+R(k)]； (10)
式中，P(k-1)为状态估计，R(k)为旋转矩阵，
步骤(4)：计算k时刻机器人姿态角的最终输出值angle_final(k)：
angle_final(k)＝angle_g(k)+K(k)·error(k)； (11)
步骤(5)：计算k+1时刻的滤波协方差P(k+1)：
P(k|k)＝(I-K(k)·C)P(k|k-1)； (12)
式中，P(k|k)为k时刻状态估计，I为单位矩阵，P(k|k-1)为(k-1)时刻状态估计，
至此就完成了k时刻对机器人姿态所有的Kalman滤波计算，当k+1时刻的陀螺仪角速度数据输入到机器人中，回到步骤(1)进行计算，这样不停的迭代运行以输出机器人的姿态信息，
在得到机器人的姿态信息后，判断angle_final(k)和根据斜坡斜率得出的可判断机器人正在下坡的临界角度critical_angle，下坡的临界角度critical_angle根据机器人结构设计由人工人为设定，当angle_final(k)>critical_angle时，判断机器人正在下坡，不然判断机器人在正常的行驶；
检测机器人的后轮是否悬空的方法如下：在k时刻判断机器人正在下坡时，此时不停的读取i、i≥k时刻两个后轮压力传感器的数据p_right(i)和p_left(i)来判断是否有后轮处于悬空的状态，记k-1时刻机器人仍在正常行驶时的两个后轮压力传感器的数据是p_right(k-1)与p_left(k-1)，通过压力传感器变化的临界值critical_p来判断后轮是否悬空，即当p_right(k-1)-p_right(i)>critical_p时，判断机器人的右后轮已处于悬空的状态中，当p_left(k-1)-p_left(i)>critical_p时，判断机器人的左后轮已处于悬空的状态中。
本发明的有益效果是，可以实时监测机器人是否处于下坡的状态中，当机器人在下坡时通过压力传感器监测后轮是否在悬空，当监测出有后轮已悬空时改变对机器人行走距离增量(△x,△y,△θ)的计算方法，从而减少因一个轮悬空造成的里程计误差对机器人位姿增量的影响。
附图说明
图1是机器人处于下坡转态且后轮悬空时的结构示意图；
图2是用惯导、压力传感器修正下坡悬空后轮里程计误差的方法的逻辑流程图；
图3是采用卡尔曼滤波算法对集陀螺仪数据和加速度传感器数据进行融合得到最优估计的流程示意图。
1-机器人，2-压力传感器，3-惯性导航传感器。
具体实施方式
结合附图，说明本发明的具体实施方式。
图1展现了机器人在下坡时右后轮处于悬空中的状态，此时只有左轮的里程计是准确的，右轮里程计需要被抛弃使用。惯性导航传感器包括陀螺仪和加速度传感器，图1同时显示了压力传感器和惯导传感器的安装位置。陀螺仪和加速度传感器均设于机器人底盘的中央位置，陀螺仪用于检测机器人的角速度变化；加速度传感器用于检测机器人的速度变化；压力传感器有两个，两个压力传感器分别用于检测两个后轮对于机器人支架的压力，测量机器人在俯仰角pitch和翻滚角roll两个方向上的角速度和加速度。
机器人上还设有两个光电编码器、激光传感器和工控机；两个光电编码器分别安装在两个后轮上作为里程计使用；激光传感器用于检测周边环境的信息进行定位导航；工控机作为车载控制器，用于接收陀螺仪、加速度传感器、压力传感器、光电编码器和激光传感器的数据，进行定位导航的运算。
图2是用惯导、压力传感器修正下坡悬空后轮里程计误差的方法的逻辑流程图，显示了本发明方法的具体执行顺序，利用惯导计算姿态角判断是否下坡，判断结果为未下坡，则按原公式计算位移，判断结果为下坡，继续判断后轮是否悬空，判断结果为未悬空，则按原公式计算位移，判断结果为悬空，则按修正公式计算位移。
图3显示了用卡尔曼滤波器将陀螺仪数据和加速度传感器数据融合的过程，最后得到了机器人的姿态角。
当机器人在平面上运动时，姿态角小于设定的临界角度，此时采用里程计进行航迹的推演得到粗定位，之后用激光传感器对于得到的粗定位进行校正，得到精确的定位。
当机器人的姿态角大于某个临界的角度(视下坡斜率的大小而定)，即判别机器人正在下坡，此时读取压力传感器的数据，同平地上行驶时的数据进行对比，当出现了明显的减小，两者差值大于设定的临界值(视机器人空载及负载的重量而定)，此时即可判断机器人的后轮出现了悬空的状况，那么里程计的数据因为后轮的空转产生很大的偏差，此时再使用里程计传统的算法公式进行粗定位将会出现很大的偏差，此时抛弃悬空那个轮的里程计数据，只使用依然在地面行驶的一个里程计数据，采取修正后的算法公式进行机器人位置偏移的计算，之后同样采用激光传感器对粗定位进行校正。
本发明的具体方法实现是，采集陀螺仪的数据和加速度传感器的数据，采用卡尔曼滤波算法对两者数据进行融合得到最优估计，获得准确的机器人的俯仰角pitch和翻滚角roll的姿态。
具体包括以下五个步骤：
步骤(1)：系统建模，系统的状态方程为：
X(k+1)＝AX(k)+Bu(k)+v(k)； (1)
式中，k为时刻，X(k+1)为机器人在(k+1)时刻状态，A为状态转移矩阵，X(k)为机器人在k时刻状态，B为系统控制矩阵，u(k)为k时刻系统输入量，v(k)为系统过程噪声，
输出方程为：
Y(k)＝CX(k)+w(k)； (2)
式中，Y(k)为k时刻系统输出量，C为观测矩阵，w(k)为观测噪声，
步骤(2)：计算陀螺仪测量到的姿态角预估计值与加速度传感器之间的偏差：
error(k)＝angle_g(k)-angle_a(k)； (3)
其中，angle_g(k)为k时刻陀螺仪计算到的姿态角，angle_a(k)为k时刻加速度传感器测得的姿态角，error(k)为在k时刻的姿态角偏差。
步骤(3)：计算Kalman增益K(k)：
K(k)＝P(k-1)·CT/[C·P(k-1)·CT+R(k)]； (4)
式中，P(k-1)为状态估计，R(k)为旋转矩阵，
步骤(4)：计算k时刻机器人姿态角的最终输出值：
angle_final(k)＝angle_g(k)+K(k)·error(k)； (5)
步骤(5)：计算k+1时刻的滤波协方差P(k+1)：
P(k|k)＝(I-K(k)·C)P(k|k-1)； (6)
式中，P(k|k)为k时刻状态估计，I为单位矩阵，P(k|k-1)为(k-1)时刻状态估计，
至此就完成了k时刻对机器人姿态所有的Kalman滤波计算。当k+1时刻的陀螺仪角速度数据输入到机器人中，回到步骤(1)进行计算，这样不停的迭代运行以输出机器人的姿态信息。
在得到机器人的姿态信息后，
在得到机器人的姿态信息后，判断angle_final(k)和根据斜坡斜率得出的可判断机器人正在下坡的临界角度critical_angle，下坡的临界角度critical_angle根据机器人结构设计由人工人为设定，当angle_final(k)>critical_angle时，判断机器人正在下坡，不然判断机器人在正常的行驶；
检测机器人的后轮是否悬空的方法如下：在k时刻判断机器人正在下坡时，此时不停的读取i、i≥k时刻两个后轮压力传感器的数据p_right(i)和p_left(i)来判断是否有后轮处于悬空的状态，记k-1时刻机器人仍在正常行驶时的两个后轮压力传感器的数据是p_right(k-1)与p_left(k-1)，通过压力传感器变化的临界值critical_p来判断后轮是否悬空，即当p_right(k-1)-p_right(i)>critical_p时，判断机器人的右后轮已处于悬空的状态中，当p_left(k-1)-p_left(i)>critical_p时，判断机器人的左后轮已处于悬空的状态中。
当由姿态判断出机器人处于平面行驶时，或者虽然处于下坡状态，但后轮均未悬空时，采用下式进行行走距离增量(△x,△y,△θ)的计算：
式中：(△x,△y,△θ)＝前一次采样间隔走过的路径；△x为机器人x方向位置增量，△y为机器人y方向位置增量，△s为机器人的位置增量，△sr,△sl分别为右轮、左轮行走的距离；b为差动驱动机器人两个轮子之间的距离；θ为机器人的朝向；
当后轮出现悬空的状态时，机器人行走距离的增量(△x,△y,△θ)就不能再按照式(7)进行计算：当后轮出现悬空的状态时，只剩一个轮作为驱动轮，两个前轮作为随动轮，这样只受一个后轮驱动，
当检测出一个后轮已悬空时，忽略两个影响：
(1)后轮转速的强闭环控制使速度不受重力加速度的影响；
(2)忽略前轮的方向对于单后轮驱动直线行驶的影响；这样机器人只受一个后轮的驱动按直线行驶；
左轮悬空时，机器人行走距离增量(△x,△y,△θ)按照下面的修正公式进行计算：
右轮同理。
Claims (4)
1.用惯导、压力传感器修正下坡悬空后轮里程计误差的方法，其特征在于：采用陀螺仪和加速度传感器实时检测机器人的姿态，以判断机器人是否正在下坡，当由机器人的姿态判断出机器人处于下坡的过程中时，再利用压力传感器检测机器人的后轮是否悬空；
当由姿态判断出机器人处于平面行驶时，或者虽然处于下坡状态，但后轮均未悬空时，采用下式进行行走距离增量(△x,△y,△θ)的计算：
式中：(△x,△y,△θ)＝前一次采样间隔走过的路径；△x为机器人x方向位置增量，△y为机器人y方向位置增量，△s为机器人的位置增量，△sr,△sl分别为右轮、左轮行走的距离；b为差动驱动机器人两个轮子之间的距离；θ为机器人的朝向；
当检测出一个后轮已悬空时，忽略两个影响：
(1)后轮转速的强闭环控制使速度不受重力加速度的影响；
(2)忽略前轮的方向对于单后轮驱动直线行驶的影响；这样机器人只受一个后轮的驱动按直线行驶；
左轮悬空时，机器人行走距离增量(△x,△y,△θ)按照下面的修正公式进行计算：
右轮同理。
2.根据权利要求1所述的用惯导、压力传感器修正下坡悬空后轮里程计误差的方法，其特征在于：陀螺仪和加速度传感器均设于机器人底盘的中央位置，陀螺仪用于检测机器人的角速度变化；加速度传感器用于检测机器人的速度变化；压力传感器有两个，两个压力传感器分别用于检测两个后轮对于机器人支架的压力；机器人上还设有两个光电编码器、激光传感器和工控机；两个光电编码器分别安装在两个后轮上作为里程计使用；激光传感器用于检测周边环境的信息进行定位导航；工控机作为车载控制器，用于接收陀螺仪、加速度传感器、压力传感器、光电编码器和激光传感器的数据，进行定位导航的运算。
3.根据权利要求1所述的用惯导、压力传感器修正下坡悬空后轮里程计误差的方法，其特征在于：利用陀螺仪和加速度传感器数据计算机器人姿态角，判断机器人是否在下坡的步骤如下：
步骤(1)：系统建模，系统的状态方程为：
X(k+1)＝AX(k)+Bu(k)+v(k)； (1)
式中，k为时刻，X(k+1)为机器人在(k+1)时刻状态，A为状态转移矩阵，X(k)为机器人在k时刻状态，B为系统控制矩阵，u(k)为k时刻系统输入量，v(k)为系统过程噪声，
输出方程为：
Y(k)＝CX(k)+w(k)； (2)
式中，Y(k)为k时刻系统输出量，C为观测矩阵，w(k)为观测噪声，
步骤(2)：计算陀螺仪测量到的姿态角预估计值与加速度传感器之间的偏差：
error(k)＝angle_g(k)-angle_a(k)； (3)
式中，error(k)为在k时刻的姿态角偏差，angle_g(k)为k时刻陀螺仪计算到的姿态角，angle_a(k)为k时刻加速度传感器测得的姿态角，
步骤(3)：计算Kalman增益K(k)：
K(k)＝P(k-1)·CT/[C·P(k-1)·CT+R(k)]； (4)
式中，P(k-1)为状态估计，R(k)为旋转矩阵，
步骤(4)：计算k时刻机器人姿态角的最终输出值angle_final(k)：
angle_final(k)＝angle_g(k)+K(k)·error(k)； (5)
步骤(5)：计算k+1时刻的滤波协方差P(k+1)：
P(k|k)＝(I-K(k)·C)P(k|k-1)； (6)
式中，P(k|k)为k时刻状态估计，I为单位矩阵，P(k|k-1)为(k-1)时刻状态估计，至此就完成了k时刻对机器人姿态所有的Kalman滤波计算，当k+1时刻的陀螺仪角速度数据输入到机器人中，回到步骤(1)进行计算，这样不停的迭代运行以输出机器人的姿态信息，
在得到机器人的姿态信息后，判断angle_final(k)和根据斜坡斜率得出的可判断机器人正在下坡的临界角度critical_angle，下坡的临界角度critical_angle根据机器人结构设计由人工人为设定，当angle_final(k)>critical_angle时，判断机器人正在下坡，不然判断机器人在正常的行驶。
4.根据权利要求3所述的用惯导、压力传感器修正下坡悬空后轮里程计误差的方法，其特征在于：检测机器人的后轮是否悬空的方法如下：在k时刻判断机器人正在下坡时，此时不停的读取i、i≥k时刻两个后轮压力传感器的数据p_right(i)和p_left(i)来判断是否有后轮处于悬空的状态，记k-1时刻机器人仍在正常行驶时的两个后轮压力传感器的数据是p_right(k-1)与p_left(k-1)，通过压力传感器变化的临界值critical_p来判断后轮是否悬空，即当p_right(k-1)-p_right(i)>critical_p时，判断机器人的右后轮已处于悬空的状态中，当p_left(k-1)-p_left(i)>critical_p时，判断机器人的左后轮已处于悬空的状态中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710229436.1A CN107063305B (zh) | 2017-04-10 | 2017-04-10 | 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710229436.1A CN107063305B (zh) | 2017-04-10 | 2017-04-10 | 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107063305A CN107063305A (zh) | 2017-08-18 |
| CN107063305B true CN107063305B (zh) | 2020-03-27 |
Family
ID=59602071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710229436.1A Active CN107063305B (zh) | 2017-04-10 | 2017-04-10 | 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107063305B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109866217B (zh) * | 2017-12-01 | 2021-09-17 | 深圳市优必选科技有限公司 | 机器人里程定位方法、装置、终端设备及计算机存储介质 |
| CN110873562A (zh) * | 2018-08-29 | 2020-03-10 | 香港商女娲创造股份有限公司 | 机器人导航系统 |
| CN111557619B (zh) * | 2020-04-24 | 2021-05-25 | 珠海格力电器股份有限公司 | 扫地机器人防跌落方法、扫地机器人及计算机可读介质 |
| CN112596527B (zh) * | 2020-12-17 | 2023-10-24 | 珠海一微半导体股份有限公司 | 基于斜坡结构的机器人卡住检测方法、芯片及清洁机器人 |
| CN112971618B (zh) * | 2021-02-07 | 2022-10-11 | 深圳市无限动力发展有限公司 | 扫地机器人的脱困方法、装置和计算机设备 |
| CN114383610B (zh) * | 2021-12-24 | 2024-07-16 | 郑州恒达智控科技股份有限公司 | 一种基于移动三维扫描技术的抖动检测分段滤波方法 |
| CN114281081B (zh) * | 2021-12-24 | 2023-10-24 | 杭州申昊科技股份有限公司 | 地铁车辆巡检机器人的导航系统和导航方法、机器人 |
| CN114935347B (zh) * | 2022-07-25 | 2022-11-08 | 季华实验室 | 一种轮式机器人的里程计校正方法、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104359492A (zh) * | 2014-11-03 | 2015-02-18 | 中国科学院合肥物质科学研究院 | 惯性导航和轮速计组成的航迹推算定位系统误差估算算法 |
| CN106393104A (zh) * | 2016-08-25 | 2017-02-15 | 北京创想智控科技有限公司 | 一种移动机器人的行程校准方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008250906A (ja) * | 2007-03-30 | 2008-10-16 | Sogo Keibi Hosho Co Ltd | 移動ロボット、自己位置補正方法および自己位置補正プログラム |
| CN102519481B (zh) * | 2011-12-29 | 2013-09-04 | 中国科学院自动化研究所 | 一种双目视觉里程计实现方法 |
| CN104864889B (zh) * | 2015-05-29 | 2018-05-29 | 山东鲁能智能技术有限公司 | 一种基于视觉的机器人里程计校正系统及方法 |
| CN106370160A (zh) * | 2016-08-31 | 2017-02-01 | 杭州国辰牵星科技有限公司 | 一种机器人室内定位系统和方法 |
| CN106289327B (zh) * | 2016-11-08 | 2019-05-21 | 成都通甲优博科技有限责任公司 | 一种差分移动机器人里程计标定方法 |
-
2017
- 2017-04-10 CN CN201710229436.1A patent/CN107063305B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104359492A (zh) * | 2014-11-03 | 2015-02-18 | 中国科学院合肥物质科学研究院 | 惯性导航和轮速计组成的航迹推算定位系统误差估算算法 |
| CN106393104A (zh) * | 2016-08-25 | 2017-02-15 | 北京创想智控科技有限公司 | 一种移动机器人的行程校准方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107063305A (zh) | 2017-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107063305B (zh) | 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 | |
| KR102502219B1 (ko) | 로봇 운동시 카펫으로 인한 드리프트 제어방법, 칩 및 청소 로봇 | |
| JP5393432B2 (ja) | ロール角推定装置および輸送機器 | |
| CN106568449B (zh) | 一种基于mems的车辆模型辅助和约束的gnss/ins组合导航方法 | |
| CN112014849B (zh) | 一种基于传感器信息融合的无人车定位修正方法 | |
| CN104061899A (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
| CN111474938A (zh) | 一种惯性导航自动导引小车及其航迹确定方法 | |
| CN114475581B (zh) | 基于轮速脉冲和imu卡尔曼滤波融合的自动泊车定位方法 | |
| JP4149913B2 (ja) | 慣性オドメータ補正による統合慣性ｖｍｓ航法 | |
| KR100520144B1 (ko) | 가속도계를 이용한 이동체의 속력측정 및 그 장치 | |
| CN115303265A (zh) | 车辆避障控制方法、装置及车辆 | |
| KR101226767B1 (ko) | 주행 장치를 위한 위치측정 시스템 및 방법 | |
| Reina et al. | Odometry correction using visual slip angle estimation for planetary exploration rovers | |
| JP2001510890A (ja) | 自律的移動ユニットの回転状態の検出のための方法及び自律的移動ユニット | |
| CN112697153A (zh) | 自主移动设备的定位方法、电子设备及存储介质 | |
| JP6981459B2 (ja) | センサ誤差補正装置 | |
| CN110489807B (zh) | 一种摇臂悬架结构巡视器的局部精确定位方法 | |
| Zunaidi et al. | Positioning system for 4-wheel mobile robot: encoder, gyro and accelerometer data fusion with error model method | |
| US20240077880A1 (en) | Slope location correction method and apparatus, robot and readable storage medium | |
| CN116338719A (zh) | 基于b样条函数的激光雷达-惯性-车辆融合定位方法 | |
| CN112577513A (zh) | 一种状态量误差确定方法及车载终端 | |
| EP1206683B1 (en) | Integrated inertial/vms navigation system | |
| CN113048987A (zh) | 一种车载导航系统定位方法 | |
| JP2021142969A (ja) | センサ誤差補正装置 | |
| KR20090036325A (ko) | 네비게이션 장치에서의 이동체의 이동 속도를 측정하는장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |