文档介绍：该【基于多传感器融合的移动机器人定位研究 】是由【住儿】上传分享，文档一共【5】页，该文档可以免费在线阅读，需要了解更多关于【基于多传感器融合的移动机器人定位研究 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。年月机床与液压
20215May2021
第卷第期
499MACHINETOOL&
DOI
:.1001-
本文引用格式:尹皓李海滨王利利基于多传感器融合的移动机器人定位研究机床与液压
,,.[J].,2021,49(9):6-10.
YINHao,LIHaibin,-sensorfusion[J].MachineTool&
Hydraulics,2021,49(9):6-10.
基于多传感器融合的移动机器人定位研究
尹皓1,李海滨1,王利利2
(内蒙古工业大学理学院,内蒙古呼和浩特;
内蒙古工业大学工程训练教学部,内蒙古呼和浩特)
摘要:针对室内未知环境下单一传感器定位累积误差大受环境局限等缺点设计一种多传感器非线性融合定位系
、,
统以提高移动机器人自主导航的定位精度该系统通过高斯牛顿方程对由激光雷达惯性测量单元轮式里程计测量得
,。、、
到的位姿信息进行融合优化补偿由于在室内环境信息下单一传感器定位精度低所带来的定位误差实验结果表明应用
,。:
多传感器融合定位系统的移动机器人在长宽的室内面对曲折复杂的路径和各种噪声干扰时运行总路程
6m、
后可以将定位误差稳定在内并将平均相对误差稳定在左右与现有方法对比使用该方法提高了室
,,%。,
内移动机器人定位的精度和鲁棒性
。
关键词:室内未知环境多传感器非线性融合
;;
中图分类号:
TP242
ResearchonMobileRobotLocalizationBasedonMulti-sensorFusion
112
YINHao,LIHaibin,WANGLili
(,InnerMongoliaUniversityofTechnology,HohhotInnerMongolia010051,China;
,InnerMongoliaUniversityof
Technology,HohhotInnerMongolia010051,China)
Abstract
:Aimingattheshortcomingsofsinglesensorpositioninginindoorunknownenvironment,suchaslargecumulativeerror
andlimitedbyenvironment,amulti-sensornonlinearfusionpositioningsystemwasdesignedtoimprovethepositioningaccuracyofmo-
,Gauss-Newtonequationwasusedtofuseandoptimizetheposeinformationmeasured
bythelidar,inertialmeasurementunitandwheelodometertocompensatethepositioningerrorcausedbythelowpositioningaccuracy
-sensorfu-
%.Comparedwithexistingmethods,usingthismethodimprovestheaccuracyandrobustnessofindoormobilerobotposi-
tioning.
Keywords
:Indoorunknownenvironment;Multi-sensor;Non-linearfusion
0前言程计融合的惯性定位技术[1]但由于轮子变形加工
,、
随着人们对移动机器人智能化的期望增高作为误差等噪声干扰效果并不理想文献中的研究
,,。[2]
移动机器人最关键的技术自主导航技术的研究变得表明在全局上能提供有效的定位但在室
,:GPS/INS,
尤为重要机器人自身定位是自主导航中的核心问内环境下无法应用[3]而机器人在没有环境先验信息
。。
题自身定位精度决定着导航精度但目前室内未知下的室内定位非常重要目前使用
,。。SLAM(Simultane-
环境下自身定位精度并不高而提高自身定位精度的技术在未知先验信息的
。ousLocalizationandMapping)
难点主要在于传感器精度不高累计运行导致定位误室内环境下定位是最流行有效的技术也被认
,,SLAM
差增大此前大多数移动机器人采用和轮式里为是实现机器人真正自主的关键[4]
。IMU。
收稿日期:
2020-06-10
基金项目:国家自然科学基金自治区级大学生创新创业训练计划项目
(11962021);(201910128005)
作者简介:尹皓男大学本科生研究方向为室内定位与导航
(1999—),,,。E-mail:******@。
通信作者:李海滨男博士教授主要研究领域为自动化
,,,,。E-mail:******@。
第期尹皓等基于多传感器融合的移动机器人定位研究7
9:··
技术所使用的传感器主要为激光雷达和视此类激光雷达制作成本便宜在实际中有着广泛
SLAM,
觉传感器因室内环境多是白墙以及反光严重的地的应用但帧率较低易出现异常值[11-12]造成测量
。,,
面对比视觉传感器的处理效果选择激光雷达作为误差产生误差的原因主要有两方面一方面由于
,,。:,
主要传感器更好[5]但单一激光雷达传感器随着机器帧率低激光点数据不能瞬时获得在激光测量时随
。,,
人的运动定位累积误差会越来越大需要其他传感着机器人的运动插值间隔大造成误差尤其在机器
,。,,
器提供更多高精度的位姿信息相对激光雷达人旋转时会产生较大误差且随时间累积误差会越来
。IMU,,
有着极高的位姿更新频率且局部测量精度高选择越大另一方面由于匹配算法原因当环境中特征
,。;,,
测量信息与激光雷达扫描信息融合处理可以弥补不够明显时会出现异常值
IMU。
激光雷达定位的缺陷[6]但由于测量的线速度惯性测量单元
。
信息有很大的误差为弥补和激光雷达误差的是主要由陀螺仪加速度计组成的测量装
,IMUIMU、
累积本文作者选用测量的角速度和轮式里程置陀螺仪利用内部电容变化反映科氏力的大小得到
,IMU。
计测量的线速度与激光雷达扫描信息融合角速度通过对角速度积分得到旋转角度加速度计
。,。
关于传感器测量信息相互融合的方法文献测量内部质量块的位置计算出加速度有着其他
,[7]。IMU
中提出了基于卡尔曼滤波的融合方法此方法在线性传感器难以达到的频率局部测量精度较高因陀螺
,,。
系统下可以提高室内移动机器人定位和构建地图的精仪和加速度计的测量值需要积分运算积分会累积大
度但在实际中运动方程和观测方程通常都是,
。SLAM量误差[13]一般采用互补滤波算法可以使的角
非线性函数[8]高斯分布经过非线性变换后将不再,IMU
,,度足够精确但线速度测量精度依然较低且无法补
是高斯分布所以在实际环境中线性方法存在不成立。
,偿因此产生误差的主要原因是线速度测量精
的情况综合上述原因本文作者选用激光雷达。IMU
。,、度低且这类误差很难通过算法加以改善因此
和轮式里程计作为传感器并将激光雷达测量,,IMU
IMU,通常被用来测量角度信息
信息和轮式里程计测量信息通过高斯牛顿方。
IMU、轮式里程计
,轮式里程计主要由机器人行进轮电机上的编码器
系统对一段更长时间更长距离内的状态进行估
,、组成更新速率较高可以直接测量机器人的位移和
计为移动机器人的自主导航提供高精度高鲁棒,,
,、角度局部精度较高[14-15]文中主要由轮式里程计
性的定位,。
。测量机器人位移但在实际情况中因地面的凹凸不
1传感器的原理及其误差产生原因介绍。,
平机器人载重使轮子形变安装误差轮子尺寸不
采用激光雷达惯性测量单元轮式里、、、
、(IMU)、完全相同等因素[16]会导致轮式里程计运行长距离
程计种传感器测量环境信息为更好阐述融合原,
3,后出现不可避免的误差因此轮式里程计需要与其他
理下面对上述传感器的测量原理和测量误差进行简。
,传感器融合信息以实现长距离高精度测量
要说明,。
。2多传感器非线性融合定位系统
激光雷达
本文作者使用的是GPS/INS
法在室内未知环境下进行长时间长距离有效定位
基于三角测距原理的激、,
因此本文作者采用室内定位技术其中在激
光雷达它可以完成对SLAM。,
,光雷达测量的世界坐标系下位姿向量
室内障碍物距离的准确
zTxyθ
测量如图所示其图三角测量原理图i=[,,](2)
。1,1因单一激光雷达传感器的全局定位精度有
基本原理是利用从A处SLAM
限难以达到最佳定位效果需要其他传感器提供高
发出激光束以恒定角α照射前方物体并在B处以β,,
,精度的局部位姿信息以弥补激光雷达的缺陷因此本
角度汇聚从物体反射的激光束角β和AB之间距离。
,文作者根据和轮式里程计各自的优缺点选用
可以通过算法设计得到[9]根据几何关系可得测量距IMU,
。测量的角速度和轮式里程计测量的线速度数据信
离D为IMU
αβ息进行融合处理得到一组高频率局部高精度的世
D=ABsinsin,、
α+β(1)界坐标系下位姿向量
sin()
T
激光扫描点的坐标xy即可由D经过计算得xix′iy′iθ′i
(,)=[,,](3)
出但得到的坐标只是激光雷达坐标系下的坐标还相对于基于卡尔曼滤波融合方法的局限性高斯
,,,
需要转换为世界坐标系下坐标[10]牛顿非线性优化融合方法更适合机器人在实际环境下
。
8机床与液压第卷
··49
-
的定位[1718]在此系统中轮式里程计融合的CeTΩe
。,IMU/i=iii(10)
状态向量为xi通过似然场非线性传感器观测模型∑
,ATeTΩJ
fx的映射得到预测值z激光雷达测量得到混有=iii(11)
()′i。∑
T
噪声的观测值为z由于预测值与观测值不相等因HJiΩiJi
i。,=(12)
此可以将机器人的定位误差假定为预测值与观测值的因F∑xx是关于变量x的二次函数其极
(+Δ)Δ,
差当预测值与观测值的差达到最小时机器人定位值可以通过导数求解
。,:
的误差值也将达到最小高斯牛顿法的关键就是利用Fxx
。∂(+Δ)AHx
非线性最小二乘法求解最小的增量x使得定位误x=2+2Δ=0(13)
Δ,∂Δ
差达到最小多传感器非线性融合系统结构框图如图得到线性化修正结果为
。
所示x∗H-1A
2。Δ=-(14)
线性化结果可以利用稀疏法和边缘算法快速求得
最优解高斯牛顿融合方法最优定位结果r将通过
。i
对初始观测值z与线性化结果x∗不断迭代直至收
iΔ
敛得到
。
给出融合结果为
rzx∗
i=i+Δ(15)
本文作者设计的多传感器非线性融合定位系统
利用高斯牛顿方法对轮式里程计的融合信息
IMU/
和激光雷达的扫描信息作优化融合从而提高机器
,
人对一段更长时间的状态估计的准确性为移动机
,
器人的自主导航提供了一种高精度高鲁棒性的定
、
位方法
图多传感器非线性融合系统结构框图。
23实验结果分析
高斯牛顿非线性优化方法的具体步骤如下
:为了证明多传感器非线性融合定位系统的可行性
由状态向量x通过给定的观测模型函数fx映
i()与精度本文作者使用个思岚系列激光雷
射得到预测状态方程,1A2M7
:达个九轴传感器个光电编码器与
z=fx、1GY-85IMU、4
′i(i)(4)自制移动机器人平台进行实验依托机器人操
机器人定位误差表示为预测值和观测值的差。ROS
:作系统通过局域网在端远程控制移动机器人在
exzzPC。
i()=′i-i(5)长为宽为的室内从起点
假设该误差服从高斯分布实际情况下估计传感3m、6m,(,
,沿预计轨迹运动一周选取个节点进行采样
器准确率权重矩阵为并定义定位误差平方为m),10,
Ωi其中包括起点和终点分别记录真实测量值与系统估
,,
T
EixeixΩieix计值室内移动机器人定位效果如图所示
()=()()(6)
因此高斯方法中非线性最小二乘的目标函数为。3。
Fx=E
()i(7)
由于传感∑器观测模型函数fx为非线性函数
(),
因此不能直接求目标函数Fx关于变量x的导数
()。
为对Fx线性化求解对e进行一阶泰勒展开为
(),i
exxexJxx
i(+Δ)=i()+i()Δ(8)
其中矩阵Jx为映射函数对状态向量x图室内移动机器人定位图
:Jacobiani()i3
的导数因此线性展开后的Fx可表示为对比真实测量位置和文中融合定位系统估计位置
。()
轨迹得到图根据第节点后的定位误差定位
xxexxTΩexx
Fiii,4。5、
(+Δ)=∑(+Δ)(+Δ)=精度与路径的关系得到图和表据相对误差与
eTΩeeTΩJxxTJTΩJx,51。
iii+2iiiΔ+ΔiiiΔ(9)机器人位移的变化关系绘制了节点到终点的相对
∑构建线性系统将多项式Fxx中的各项用,5
,(+Δ)误差图如图所示
符号表示为,6。
第期尹皓等基于多传感器融合的移动机器人定位研究9
9:··
问题基于高斯牛顿方程提出了一种多传感器非线性
,
融合定位算法该系统通过对激光雷达轮式
。、IMU/
里程计的测量信息进行非线性融合得到一组最优位
,
姿估计提高了定位的准确性相对于现有定位方
,。
法该方法有以下特点
,:
多传感器融合算法融合了各单传感器的优
(1)
点克服了室内环境下单一传感器定位精度低的问
,
图定位轨迹对比图定位误差曲线题通过轮式里程计测量得到的局部高精度位
45。IMU/
表真实测量值与系统定位值对比单位:姿信息弥补了激光雷达的缺陷有效地提高了定位系
1m,
节点数真实位置估计位置定位误差统的精度
。
融合方法可以在非线性环境信息下优化误
5(,)(,)(2)
差在实际应用中有效地提高了定位系统的鲁棒性
6(,)(,),。
在室内较复杂的折线轨迹下进行实验验证结果
7(,)(,),
表明基于高斯牛顿方程的多传感器非线性融合定位
8(,)(,):
系统在室内环境下定位时能将平均相对误差稳定
9(,)(,)
%,
(,)(,)
由图可以看出在,,
4,室内移动机器人定位中但需要指出的是文
节点SLAM。,
5(,
处开始误差明显增,
m),题下一步将针对如何提高计算效率问题进行深入
大通过表数据计算得。
,1研究
到的定位误差为。
相对误差为:
m、%。
且随着机器人运行时间增[1]CHOBS,MOONWS,SEOWJ,
图相对误差定位误
长累积定位误差逐渐增6(localizationsystemformobilerobotsusinginertialsensors
,差真实位移图
大位姿对比图重合度也/)andwheelrevolutionencoding[J].JournalofMechanical
,
减弱在节点处定位误差增大到相ScienceandTechnology,2011,25(11):2907-2917.
。8,,马宏阳程鹏飞黄华东位置速度和姿态全
对误差增大到从表可以看出虽然实验[2],,.GPS/INS、
%。1,组合导航系统研究测绘通报
结果出现了一定程度的误差但从整体效果来看此[J].,2016(3):10-14.
,,
系统的平均绝对误差为平均相对误差为MAHY,CHENGPF,-
、
最大绝对误差为最大相对误差pleteintegratedGPS/INSnavigationsystemofposition,ve-
%、、
为且从图中可以发现当移动机器人经locityandattitude[J].BulletinofSurveyingandMapping,
%。6:
过节点后由于机器人连续转弯角度过大定位精度2016(3):10-14.
6,危双丰庞帆刘振彬等基于激光雷达的同时定位与
开始大幅下降当经过节点时定位精度降到最低[3],,,.
,8,地图构建方法综述计算机应用研究
但之后相对误差又逐渐下降到这证明了[J].,2020,37(2):
%。
轮式传感器提供偏航角和线速度值弥补了激光327-332.
IMU/
雷达扫描频率低在机器人转弯时产生异常值而出现WEISF,PANGF,LIUZB,-based
、
畸变的问题而较长路径位姿信息误差的稳定性证明SLAMalgorithm[J].ApplicationResearchofComputers,
。
了多传感器的融合提供了更长时间更长距离内的位2020,37(2):327-332.
、仉新张禹苏晓明移动机器人自主定位和导航系统设
姿估计弥补了轮式传感器只能提供局部高精[4],,.
,IMU/计与实现机床与液压
度位姿的缺点上述结果证明了多传感器非线性融合[J].,2020,48(10):88-91.
。
定位系统有效地减小累积误差将文中研究成果应用ZHANGX,ZHANGY,
,
于室内移动机器人可以大幅提高系统的定位精度和鲁ofmobilerobotautonomouspositioningandnavigationsys-
tem[J].MachineTool&Hydraulics,2020,48(10):88-
棒性
。91.
4结论
[5]VANDORPEJ,VANBRUSSELH,
针对室内移动机器人定位精度低累积误差大的
、mapbuildingforamobilerobotusinggeometricalprimi-
10机床与液压第卷
··49
tivesproducedbya2Drangefinder[C]//Proceedingsof[12]JENSFELTP,-
IEEEInternationalConferenceonRoboticsandAutoma-quisitionandtrackinginanindoorenvironment[C]//
,USA:IEEE,1996:901-
张艳国李擎汪天生基于的负障碍检测
[6],,.IMU-LiDARandAutomation,1998:331-338.
方法电光与控制刘生攀王文举饶兴桥单轴旋转捷联惯性导航系统
[J].,2019,26(8):106-110.[13],,.
误差分析与转位方案研究兵工学报
ZHANGYG,LIQ,-[J].,2018,39(9):
ativeobstaclesbasedonIMU-LiDAR[J].ElectronicsOp-1749-1755.
tics&Control,2019,26(8):106-,WANGWJ,-
严小意郭杭激光移动机器人室内定位研究
[7],.SLAMtionschemeresearchofsingle-axisrotarySINS[J].Acta
测绘通报
[J].,2019(12):8-,2018,39(9):1749-1755.
贝旭颖平雪良高文研轮式移动机器人里程计系统
YANXY,-[14],,.
误差校核计算机应用研究
DARSLAMmobilerobot[J].BulletinofSurveyingand[J].,2018,35(9):2696-
Mapping,2019(12):8-.
[8]DISSANAYAKEG,HUANGSD,WANGZ,,PINGXL,
ofrecentdevelopmentsinsimultaneouslocalizationandodometryerrorsforwheeledmobilerobots[J].Application
mapping[C]//Proceedingsof20116thInternationalCon-ResearchofComputers,2018,35(9):2696-2699.
,Sri[15]QINT,LIPL,-mono:arobustandversa-
Lanka:IEEE,2011:477--inertialstateestimator[J].IEEE
任祥华激光雷达室内方法哈尔滨哈尔滨
[9].SLAM[D].:TransactionsonRobotics,2018,34(4):1004-1020.
工程大学
,2018.[16]LEEK,JUNGC,-
[D].Harbin:Harbinmaticparametersfortwowheeldifferentialmobilerobots
EngineeringUniversity,2018.[J].JournalofMechanicalScienceandTechnology,2011,
杨爽曾碧何炜婷融合语义激光与地标信息的
[10],,.SLAM25(6):1603-1611.
技术研究计算机工程与应用
[J].,2020,56(18):262-[17]KÜMMERLER,GRISETTIG,STRASDATH,:a
[C]//Proceed-
YANGS,ZENGB,
combiningsemanticlaserandlandmarkinformation[J].:IEEE,2011:3607-3613.
ComputerEngineeringandApplications,2020,56(18):[18]CARLONEL,ARAGUESR,CASTELLANOSJA,
262--
[11]CADENAC,CARLONEL,CARRILLOH,-mization[J].TheInternationalJournalofRoboticsRe-
neouslocalizationandmapping:present,future,andthesearch,2014,33(7):965-987.
(责任编辑:张艳君)
robust-perceptionage[EB/OL].2016:arXiv:
[].
(上接第页)
5detectioninrobortsortingsystem[D].Nanjing:Southeast
任菲菲基于形状模板匹配的实时目标检测与跟踪算
[13].University,2016.
法研究武汉华中科技大学张驰廖华丽周军基于单目视觉的工业机器人智能
[D].:,2017.[15],,.
抓取系统设计机电工程
-timeobjectdetectionand[J].,2018,35(3):283-287.
trackingbasedonshape-basedtemplatematching[D].ZHANGC,LIAOHL,
Wuhan:HuazhongUniversityofScienceandTechnology,forindustrialrobotbasedonmonocularvision[J].Journal
&ElectricalEngineering,2018,35(3):283-
尤卫卫机器人分拣作业中工件识别实用技术的研究
[14].287.
与实现南京东南大学(责任编辑:张艳君)
[D].:,2016.