CN113324544B - 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 - Google Patents
一种基于图优化的uwb/imu的室内移动机器人协同定位方法 Download PDFInfo
- Publication number
- CN113324544B CN113324544B CN202110421274.8A CN202110421274A CN113324544B CN 113324544 B CN113324544 B CN 113324544B CN 202110421274 A CN202110421274 A CN 202110421274A CN 113324544 B CN113324544 B CN 113324544B
- Authority
- CN
- China
- Prior art keywords
- robot
- uwb
- imu
- data
- pose
- 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
- 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
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
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)
Abstract
本发明公开了一种基于图优化的UWB/IMU的室内移动机器人定位方法,包括机器人运动控制系统,机器人通讯系统,UWB系统,IMU惯性测量单元,所述UWB系统包括2个及以上标签与IMU,4个及以上基站,所述标签将接收基站所发送的信号,通过TOF的方法测得标签与基站之间的距离。所述标签与IMU皆搭设于机器人。本发明利用UWB系统,IMU惯性测量单元,通过IMU数据初步校验UWB数据,判断数据是否受到NLOS影响,使用柯西鲁棒核函数,列文伯格‑马夸尔特算法优化机器人当前时刻的位姿。大大提高了使用UWB在非视距情况下,进行机器人定位时机器人定位位姿不准的问题。得到在视距情况下比单一UWB定位更加精确的定位效果。
Description
技术领域
本发明涉及一种室内移动机器人定位方法属于机器人领域,属于无线传感器网络的定位技术领域。
背景技术
超宽带(UWB)定位技术其本质上属于无线传感器网络的定位技术,在室内定位中,UWB定位技术因其定位精度较高,设备价格低廉,抗干扰能力强等特点而得到广泛应用,目前UWB定位技术主要采用TDOA测距算法,RSSI测距算法等各种算法进行定位距离估算,但TDOA,RSSI测距算法误差较大,且在机器人运动过程中,UWB无法评估机器人自身姿态,本发明利用UWB系统,IMU惯性测量单元,通过IMU数据初步校验UWB数据,判断数据是否受到NLOS影响,使用柯西鲁棒核函数,列文伯格-马夸尔特算法优化机器人当前时刻的位姿。大大提高了使用UWB在非视距情况下,进行机器人定位时机器人定位位姿不准的问题。得到在视距情况下比单一UWB定位更加精确的定位效果
发明内容
为了解决上述问题,本发明提出了一种基于图优化的UWB/IMU的室内移动机器人定位方法。
为了实现上述技术目的,本发明的技术方案为:
一种基于图优化的UWB/IMU的室内移动机器人协同定位方法,实现该方法的系统包括机器人运动控制系统、机器人通讯系统、UWB系统和IMU惯性测量单元;所述UWB系统包括2个及以上标签与IMU,4个及以上基站,所述标签将接收基站所发送的信号,通过TOF的方法测得标签与基站之间的距离。所述标签与IMU皆搭设于机器人。本发明利用UWB系统,IMU惯性测量单元,通过IMU数据初步校验UWB数据,判断数据是否受到NLOS影响,使用柯西鲁棒核函数,列文伯格-马夸尔特算法优化机器人当前时刻的位姿。大大提高了使用UWB在非视距情况下,进行机器人定位时机器人定位位姿不准的问题。得到在视距情况下比单一UWB定位更加精确的定位效果。
包括以下步骤:
(1)建立机器人UWB/IMU的测量模型;
(2)初步校验UWB数据,判断数据是否受到NLOS影响。
(3)构建机器人位姿优化图,推导误差函数,将机器人位置优化问题转化为位姿图优化问题。
(4)使用柯西鲁棒核函数,列文伯格-马夸尔特算法,优化机器人当前时刻的位姿;
其中L1,L2,L3....Ln为各基站到机器人的距离,(x1,y1,z`1),(x2,y2,z2),(x3,y3,z3).....(xn,yn,zn)表示为基站坐标,(xu,yu,zu)为机器人位置;
在步骤(1)中,所述IMU测量模型如下:
为机器人在j,i时刻的位置,为机器人j.i时刻在世界坐标系下的速度,gw为世界坐标系下,机器人的重力加速度。Δt为两次采样时间间隔。为imu预积分量。为imu加速度计,陀螺仪的整体偏移量,为整体偏移使用随机游走模型的参数变量。a,w为使用中值滤波法计算得到的机器人当前时刻线加速度与角速度。
步骤(2)中,初步校验UWB数据,判断数据是否受到NLOS影响。在k到k+1时刻有:
丢弃该测量值,记录UWB中有效测量的数量。
若此时有效数量m<2,则该时刻的UWB帧无法作为定位使用,利用IMU对该时刻进行保持。
若m=2,由于室内环境中,地面相对平坦,可将z轴坐标看做一个常数,可令ZK=ZK-1。
其中ei,eu,eui分别为imu测量残差,uwb测量残差,以及imu到UWB坐标转换残差
步骤(4)中使用了柯西鲁棒核函数,列文伯格-马夸尔特算法,进行非线性优化。
柯西鲁棒核函数为:
使用列文伯格-马夸尔特算法修正方程式为:
其中H=JTJ,b=JTf,通过启发式地调整λ来改善算法在局部极值附近的特性。
采用上述技术方案带来的有益效果:
本发明采用了使用了IMU对UWB数据进行检验,采用柯西鲁棒核函数进行优化,显著的改善了UWB受到NLOS影响导致定位数据不准确的情况
本发明使用了列文伯格-马夸尔特算法优化机器人位姿,进一步提升了系统定位精度。
本发明不仅能够显著的提高UWB/IMU融合定位的定位精度,而且适用于其他的多机系统,具有广泛的应用前景。
附图说明
图1是本发明算法流程框图;
图2是本发明的UWB/IMU,机器人布局图;
图3是机器人在场景中运动的位姿图;
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明设计了一种基于图优化的UWB/IMU的室内移动机器人协同定位方法,如图1所示,基本步骤如下:
(1)建立传感器观测模型
(2)初步校验UWB数据,判断数据是否受到NLOS影响。
(3)构建机器人位姿优化图,构建误差函数,将机器人位置优化问题转化为位姿图优化问题。
(4)使用柯西鲁棒核函数,列文伯格-马夸尔特算法,优化机器人当前时刻的位姿。
在本实施例中,采用如下优选方案实现步骤1:
其中L1,L2,L3....Ln为各基站到机器人的距离,(x1,y1,z`1),(x2,y2,z2),(x3,y3,z3).....(xn,yn,zn)表示为基站坐标,(xu,yu,zu)为机器人位置
按照权利要求1所述的一种基于图优化的UWB/IMU的室内移动机器人定位方法其特征在于,在(1)步骤中,所述IMU测量模型如下:
为机器人在j,i时刻的位置,为机器人j.i时刻在世界坐标系下的速度,gw为世界坐标系下,机器人的重力加速度。Δt为两次采样时间间隔。为imu预积分量。为imu加速度计,陀螺仪的整体偏移量,为整体偏移使用随机游走模型的参数变量。a,w为使用中值滤波法计算得到的机器人当前时刻线加速度与角速度。
在本实施例中,采用如下优选方案实现步骤2:
初步校验UWB数据,判断数据是否受到NLOS影响。在k到k+1时刻有:
丢弃该测量值,记录UWB中有效测量的数量。
若此时有效数量m<2,则该时刻的UWB帧无法作为定位使用,利用IMU对该时刻进行保持。
若m=2,由于室内环境中,地面相对平坦,可将z轴坐标看做一个常数,可令ZK=ZK-1。
其中ei,eu,eui分别为imu测量残差,uwb测量残差,以及imu到UWB坐标转换残差在本实施例中,采用如下优选方案实现步骤(4):使用了柯西鲁棒核函数,列文伯格-马夸尔特算法,进行非线性优化。
柯西鲁棒核函数为:
使用列文伯格-马夸尔特算法修正方程式为:
其中H=JTJ,b=JTf,通过启发式地调整λ来改善算法在局部极值附近的特性。
Claims (1)
1.一种基于图优化的UWB/IMU的室内移动机器人定位方法,包括以下步骤:
(1)建立机器人UWB/IMU的测量模型;
(2)初步校验UWB数据,判断数据是否受到NLOS影响;
(3)构建机器人位姿优化图,构建误差函数,将机器人位置优化问题转化为位姿图优化问题;
(4)使用柯西鲁棒核函数,列文伯格-马夸尔特算法,优化机器人当前时刻的位姿;
在(1)步骤中,机器人UWB测量模型如下:
其中L1,L2,L3....Ln为各基站到机器人的距离,
(x1,y1,z1),(x2,y2,z2),(x3,y3,z3).....(xn,yn,zn)表示为基站坐标,(xu,yu,zu)为机器人位置;
在(1)步骤中,机器人IMU测量模型如下:
为机器人在j,i时刻的位置,为机器人j,i时刻在世界坐标系下的速度,gw为世界坐标系下机器人的重力加速度;Δt为两次采样时间间隔;为IMU预积分量;为IMU加速度计,陀螺仪的整体偏移量,为整体偏移使用随机游走模型的参数变量;a,w为使用中值滤波法计算得到的机器人当前时刻线加速度与角速度;
在步骤(2)中,初步校验UWB数据,判断数据是否受到NLOS影响;在k到k+1时刻有:
丢弃该测量值,记录UWB中有效测量的数量;
若此时有效数量m<2,则该时刻的UWB帧无法作为定位使用,利用IMU对该时刻进行保持;
若m=2,由于室内环境中,地面相对平坦,可将z轴坐标看做一个常数,可令ZK=ZK-1;
其中ei,eu,eui分别为IMU测量残差,UWB测量残差,以及IMU到UWB坐标转换残差;
步骤(4)中使用了柯西鲁棒核函数,列文伯格-马夸尔特算法,进行非线性优化;
使用柯西鲁棒核函数,列文伯格-马夸尔特算法,进行非线性优化;
柯西鲁棒核函数为:
使用列文伯格-马夸尔特算法修正方程式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110421274.8A CN113324544B (zh) | 2021-04-19 | 2021-04-19 | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110421274.8A CN113324544B (zh) | 2021-04-19 | 2021-04-19 | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113324544A CN113324544A (zh) | 2021-08-31 |
CN113324544B true CN113324544B (zh) | 2023-02-28 |
Family
ID=77414871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110421274.8A Active CN113324544B (zh) | 2021-04-19 | 2021-04-19 | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113324544B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114554392B (zh) * | 2022-02-25 | 2023-05-16 | 新基线(江苏)科技有限公司 | 一种基于uwb与imu融合的多机器人协同定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108810133A (zh) * | 2018-06-08 | 2018-11-13 | 深圳勇艺达机器人有限公司 | 一种基于uwb和tdoa算法的智能机器人定位方法及定位系统 |
CN109828510A (zh) * | 2019-03-13 | 2019-05-31 | 桂林电子科技大学 | 一种基于超宽带和惯性导航技术的agv定位系统及定位方法 |
CN109883428A (zh) * | 2019-03-27 | 2019-06-14 | 成都电科慧安科技有限公司 | 一种融合惯导、地磁和WiFi信息的高精度定位方法 |
WO2020087846A1 (zh) * | 2018-10-31 | 2020-05-07 | 东南大学 | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 |
CN111852456A (zh) * | 2020-07-29 | 2020-10-30 | 中国矿业大学 | 基于因子图的鲁棒uwb井下锚杆钻孔定位方法 |
CN112525197A (zh) * | 2020-11-23 | 2021-03-19 | 中国科学院空天信息创新研究院 | 基于图优化算法超宽带惯性导航融合位姿估计方法 |
-
2021
- 2021-04-19 CN CN202110421274.8A patent/CN113324544B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108810133A (zh) * | 2018-06-08 | 2018-11-13 | 深圳勇艺达机器人有限公司 | 一种基于uwb和tdoa算法的智能机器人定位方法及定位系统 |
WO2020087846A1 (zh) * | 2018-10-31 | 2020-05-07 | 东南大学 | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 |
CN109828510A (zh) * | 2019-03-13 | 2019-05-31 | 桂林电子科技大学 | 一种基于超宽带和惯性导航技术的agv定位系统及定位方法 |
CN109883428A (zh) * | 2019-03-27 | 2019-06-14 | 成都电科慧安科技有限公司 | 一种融合惯导、地磁和WiFi信息的高精度定位方法 |
CN111852456A (zh) * | 2020-07-29 | 2020-10-30 | 中国矿业大学 | 基于因子图的鲁棒uwb井下锚杆钻孔定位方法 |
CN112525197A (zh) * | 2020-11-23 | 2021-03-19 | 中国科学院空天信息创新研究院 | 基于图优化算法超宽带惯性导航融合位姿估计方法 |
Non-Patent Citations (2)
Title |
---|
UWB和IMU技术融合的室内定位算法研究;王嘉欣等;《单片机与嵌入式系统应用》;20200801(第08期);全文 * |
因子图发展及其在定位与导航的应用技术;周雅婧等;《全球定位系统》;20200215(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113324544A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111207774B (zh) | 一种用于激光-imu外参标定的方法及系统 | |
CN110243358B (zh) | 多源融合的无人车室内外定位方法及系统 | |
CN105589064B (zh) | Wlan位置指纹数据库快速建立和动态更新系统及方法 | |
CN108731670B (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
US10295365B2 (en) | State estimation for aerial vehicles using multi-sensor fusion | |
CN110487267B (zh) | 一种基于vio&uwb松组合的无人机导航系统及方法 | |
CN110764506B (zh) | 移动机器人的航向角融合方法、装置和移动机器人 | |
CN107490378B (zh) | 一种基于mpu6050与智能手机的室内定位与导航的方法 | |
CN109141427B (zh) | 在非视距环境下基于距离和角度概率模型的ekf定位方法 | |
CN107421537B (zh) | 基于惯性传感器刚体网格的物体运动姿态感知方法和系统 | |
CN109855621A (zh) | 一种基于uwb与sins的组合室内行人导航系统及方法 | |
CN113311411A (zh) | 一种用于移动机器人的激光雷达点云运动畸变校正方法 | |
CN113124856A (zh) | 基于uwb在线锚点的视觉惯性紧耦合里程计及计量方法 | |
CN110617795B (zh) | 一种利用智能终端的传感器实现室外高程测量的方法 | |
CN111091587A (zh) | 一种基于视觉标志物的低成本动作捕捉方法 | |
CN111983660A (zh) | Gnss拒止环境下四旋翼无人机定位系统和方法 | |
CN112461224B (zh) | 一种基于已知姿态角的磁力计标定方法 | |
CN107941211A (zh) | 基于二阶级联的多元素融合定位方法、装置及电子设备 | |
CN111982102B (zh) | 一种复杂环境下基于bp-ekf的uwb-imu定位方法 | |
KR101576424B1 (ko) | 실내 측위를 위한 지자기 센서 자동 보정 방법 | |
CN104880201A (zh) | Mems陀螺自动标定方法 | |
CN114623823B (zh) | 一种融合里程计的uwb多模态定位系统、方法及装置 | |
CN108387236A (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
CN113324544B (zh) | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 | |
CN110849364B (zh) | 基于动中通的自适应卡尔曼姿态估计方法 |
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 |