CN109507639A - 一种提高超宽带传感器的定位精度的方法 - Google Patents

Abstract

本发明公开了一种提高超宽带传感器的定位精度的方法，其特征是：所述方法包括以下步骤：1）建立机器人运动模型，设定参数；2）根据运动模型，利用上一时刻定位数据和预测误差，预测下一时刻定位数据和下一时刻预测误差，计算卡尔曼增益；3）结合超宽带定位数据和卡尔曼增益修正运动模型的定位预测值，得到最优估计值；4）根据最优估计值计算预测误差迭代计算。本发明的有益效果是，通过建立机器人运动模型，得到估计定位数据，再与超宽带传感器的定位数据进行卡尔曼滤波，最后根据两个定位数据融合到一起，获得最优的定位坐标，本发明解决了超宽带传感器定位数据的漂移，提高定位精度。

Description

一种提高超宽带传感器的定位精度的方法

技术领域

本发明涉及机器人领域，尤其涉及一种提高超宽带传感器的定位精度的方法。

背景技术

现有的机器人超宽带定位传感器的定位数据存在一定误差，不能给出一个精确的坐标，定位数据在一定范围内不断浮动。

发明内容

为了克服上述缺点, 本发明提供了一种提高超宽带传感器的定位精度的方法。

本发明为实现上述目的所采用的技术方案是：

一种提高超宽带传感器的定位精度的方法，其特征是：所述方法包括以下步骤：

1）建立机器人运动模型，设定参数；

2）根据运动模型，利用上一时刻定位数据和预测误差，预测下一时刻定位数据和下一时刻预测误差，计算卡尔曼增益；

3）结合超宽带定位数据和卡尔曼增益修正运动模型的定位预测值，得到最优估计值；

4）根据最优估计值计算预测误差，再进行迭代计算。

本发明的有益效果是，本发明解决了超宽带传感器定位数据的漂移问题，提高定位精度。

附图说明

下面结合附图和实施对本发明进一步说明。图1是本发明的流程图。

具体实施方式

在图1中，一种提高超宽带传感器的定位精度的方法，其特征是：

通过建立机器人运动模型，得到估计定位数据，再与超宽带传感器的定位数据进行卡尔曼滤波，最后根据两个定位数据融合到一起，获得最优的定位坐标，所述方法包括以下步骤：

1）建立机器人运动模型，设定参数；

2）根据运动模型，利用上一时刻定位数据和预测误差，预测下一时刻定位数据和下一时刻预测误差，计算卡尔曼增益；

3）结合超宽带定位数据和卡尔曼增益修正运动模型的定位预测值，得到最优估计值；

4）根据最优估计值计算预测误差，再进行迭代计算。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，任何未脱离本发明方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (1)

1.一种提高超宽带传感器的定位精度的方法，其特征是：所述方法包括以下步骤：

1）建立机器人运动模型，设定参数；

2）根据运动模型，利用上一时刻定位数据和预测误差，预测下一时刻定位数据和下一时刻预测误差，计算卡尔曼增益；

3）结合超宽带定位数据和卡尔曼增益修正运动模型的定位预测值，得到最优估计值；

4）根据最优估计值计算预测误差，再进行迭代计算。