[发明专利]基于地磁序列的移动机器人室内定位方法及系统

说明书

技术领域

本发明属于室内定位技术领域，具体地，特别涉及基于地磁场信息的移动机器人室内定位方法及系统。

背景技术

移动机器人室内定位是指机器人在室内环境通过机载传感器感知自身和周围的环境信息,经过一定的数据处理和变换得到机器人当前的位姿估计，从而实现移动机器人的室内定位。自主定位是移动机器人在室内环境内完成智能任务的前提，机器人实现精准的定位不仅具有重大的理论价值和现实意义，而且对于完成机器人后续的任务规划、提高机器人智能水平和可靠性打下良好的基础。

传统的移动机器人定位方法有航位推算定位。航位推算定位方法不需要外界参考信息，只要通过机器人的里程计或者惯性导航系统就可实现定位，也称为相对定位。不过，航迹推算定位的缺点是需要获取机器人初始位置，而且存在随时间增加的累积误差。不适合精准定位的实现。

基于测距传感器的移动机器人室内定位方法，主要通过激光、超声波和红外等机载传感器来实现。然而为了得到高精度的定位，激光等传感器价格昂贵。在人群比较多的复杂场景中，定位效果受到较大影响。在特定场景中，例如玻璃边界或栏杆，由于测距传感器无法测得真实距离，该定位方法并不适用。

基于计算机视觉的移动机器人定位方法中，由于视觉信息计算量大、视角的变化、光照的变化等原因，视觉特征的提取和匹配带有一定困难。尤其在应对复杂的室内环境时，为了得到较高定位精度，算法复杂，计算量较大，目前定位效果不佳。

地图匹配定位方法中的机器人的同时定位与地图构建问题是移动机器人定位（SLAM）的重要研究方向。SLAM问题中，环境地图机器人事先未知，机器人通过机载传感器获取环境信息从而建立室内环境地图，同时推算所在位置，两者相互依赖，密不可分。整个过程中仍存在观测误差，关联误差及累积误差，研究学者也提出很多方法和理论解决该问题。

近年来的室内定位方法多采用Wi-Fi、蓝牙、RFID等信标进行定位，通过机载传感器对信标进行扫描探测，再用三角法进行位置估计。其中蓝牙和RFID等方式虽然可以获得相对高的定位精度，但都需要额外部署基础设施，而且受室内布局和外部信号干扰，限制了定位技术的大规模使用。至于WiFi网络目前尽管已大规模部署降低了系统成本，但WiFi易受到接收灵敏度较低、多径效应、信号时变性以及设备差异性等因素影响，定位性能总会差强人意。

发明内容

为克服现有技术的缺点和不足，本发明提出一种基于地磁序列的室内移动机器人定位方法及系统。该定位方法受外部环境干扰小，不需要其他额外基础设施，使用操作简单，适用于移动机器人在室内一维通道走廊的定位。实际运行效果证明该方法对移动机器人有不错的定位精度。

本发明的目的是通过以下技术方案来实现的。

一种基于地磁序列的移动机器人室内定位方法，包括移动机器人的地磁序列指纹收集方法、改进的粒子滤波定位算法，本发明使用的移动机器人机载地磁传感器、里程仪和显示屏等。

所述地磁序列指纹，是指移动机器人在匀速运动的同时，利用地磁传感器以固定频率采集的地磁强度序列。地磁序列指纹F={M₁,M₂,...,M_n},其中，M_i为第i点的地磁强度(1≤i≤n)，M_i=（M_ix,M_iy,M_iz），M_ix,M_iy,M_iz分别为地磁场强度M_i在x,y,z方向上的分量。

所述移动机器人的地磁序列指纹收集方法，包括以下3个步骤：

步骤1，将室内平面地图的走廊通道划分成若干条直线，并用大写字母依序标记各条直线的起点、终点、交叉点；

步骤2，移动机器人为各条走廊通道从起点开始到终点采集地磁序列指纹，并通过里程仪记录每条走廊通道的长度。

步骤3，将采集的地磁序列指纹和走廊长度等数据上传至云服务器端，存入数据库。

所述改进的粒子滤波定位算法是对粒子滤波算法的改进，粒子滤波算法是指通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为粒子。在定位系统中，每个粒子具有位置和权值两个属性，权值是评估该粒子的位置与移动机器人真实位置的近似程度。所述改进的粒子滤波定位算法包括以下步骤：