[发明专利]用于智能轮椅在转角区域的自定位方法

权利要求书

1. 一种用于智能轮椅在转角区域的自定位方法，其特征在于，它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器，其步骤如下：

1）摄像头和声纳传感器对轮椅附近的环境信息进行采集，并分别记录探测位置与轮椅之间的距离为L_c和L_s；

2）第一卡尔曼滤波器对摄像头采集到的L_c进行分析处理，对摄像头探测值进行矫正，得到摄像头探测距离估算值L_ck；

3）比对L_ck与L_s的值，排除误差大的声纳探测错误数据L_s，对声纳探测值进行矫正，得到声纳传感器探测距离估算值L_sk；

4）将L_ck与L_sk统一坐标系对准，再通过第二卡尔曼滤波器进行处理，经多次迭代后卡尔曼滤波器会给各传感器分配相应权值，得出每个时刻的最优状态估计值L；

5）监控声纳传感器探测值，声纳传感器探测值跳变时，表明探测到转角，此时第二卡尔曼滤空器得到的最优状态估计值L为轮椅与转角的精准距离，完成轮椅自定位。

2. 如权利要求1所述的用于智能轮椅在转角区域的自定位方法，其特征在于：摄像头采集到的数据和卡尔曼滤波器处理后的数据逐帧传送至上位机处理器进行图像处理，进行模拟成像。

3. 如权利要求2所述的用于智能轮椅在转角区域的自定位方法，其特征在于：上位机处理器通过无线网卡接收数据。

4.如权利要求1、2或3所述的用于智能轮椅在转角区域的自定位方法，其特征在于，卡尔曼滤波器是这样进行数据处理的：

在卡尔曼滤波器中建立跟踪对象的线性系统的状态方程和观测方程为：

状态方程：                                                ，  

观测方程：   ， 

式中， ，是在时刻，的系统状态向量，是在时刻的系统状态向量，，分别为正态分布的运动向量和测量噪声向量，a为状态传递矩阵，为测量矩阵；

卡尔曼滤波器中根据当前的状态估计后来的随机模型状态其定义是：

预测状态：  ，                                 

先验错误估计相关矩阵：  ，                    

式中，是预测状态，是前一步的正确状态，是先验误差相关矩阵，是前一步的后验误差相关矩阵，为运动噪声的协方差矩阵；

在给定模型状态的测量参数的基础上，调节随机模型状态，其定义为

预测增益矩阵：   ，                        

矫正状态：       ，                        

后验错误估计相关矩阵：     ，                        

式中，为卡尔曼增益矩阵，为测量噪声相关矩阵；

滤波器收到预测对象运动状态，调用状态方程建立运动模型对预测对象在时刻的运动状态进行估计，得到一个先验估计值，然后对先验估计值进行校正，得到校正后的的估计值，从而达到预测的目的。