[发明专利]一种用于移动机器人的里程计与测量位姿的数据融合方法

说明书

本发明公开了一种用于移动机器人的里程计与测量位姿的数据融合方法，移动机器人的控制单元在没有关于移动机器人位姿的测量值的外部信息输入时，根据移动机器人的初始位姿、里程计的读数以及当前每个主动轮上里程计的标度因数持续计算预测移动机器人位姿，并在有外部信息输入时，对移动机器人的位姿以及所有标度因数进行校正。本发明的用于移动机器人的里程计与测量位姿的数据融合方法利用最优估计的方法，在模型中建立了主动轮的标度因数误差，通过对标度因数误差的实时估计与补偿，可以提高其对温度、载荷等影响因素变化的鲁棒性，进而提高导航系统的精度，从根本上解决移动机器人偏航的问题。

技术领域

本发明涉及地面移动机器人导航定位领域，尤其涉及一种里程计与外部位置及朝向的数据融合方法。

背景技术

随着信息技术、电子技术的发展，地面移动机器人作为人工智能的一个分支，已经开始获得广泛的应用。但由于温度、载荷等的变化，机器人平台车轮的半径是变化的，以一个标称的车轮半径来计算平台实际行驶的距离，进而计算其当前的位置及朝向，会带来越来越大的误差，从而使机器人偏离预定的路线。

随着激光雷达、机器人视觉以及视觉标签等技术的发展，多传感器融合技术已经成为地面移动机器人导航与定位的发展趋势。利用这些传感器提供的信息，与里程计融合，可以提高系统导航的精度。

在公开号为CN106525053A的专利中描述了一种基于多传感器融合的移动机器人室内定位方法，使用基于航迹推算的里程计位置数据补偿激光匹配定位中无法识别相似环境的情况。将惯性单元和里程计的传感器定位数据进行融合，并把激光雷达匹配定位作为参考指标，在一定程度上减小了里程计的累积误差，但是没有考虑里程计的标度因数变化，不能从根本上解决移动机器人的偏航问题。

目前的方法，大多数均采用各种数据融合、优化或者滤波的方法，这些方法采用的模型，均没有考虑里程计的标度因数的变化，而仅仅估计了平台的位置误差，从而不能得到最优的结果。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种借助于测量位姿对里程计的测量误差进行估计与补偿、解决移动机器人偏航问题的用于移动机器人的里程计与测量位姿的数据融合方法。

技术方案：为实现上述目的，本发明的用于移动机器人的里程计与测量位姿的数据融合方法如下：移动机器人具有多个主动轮，每个主动轮上均设有里程计，其特征在于：移动机器人的控制单元在没有关于移动机器人位姿的测量值的外部信息输入时，根据移动机器人的初始位姿、里程计的读数以及当前每个主动轮上里程计的标度因数持续计算预测移动机器人位姿，并在有外部信息输入时，对移动机器人的位姿以及所有标度因数进行校正。

进一步地，控制单元基于里程计DR计算模型预测移动机器人的位姿，并基于卡尔曼滤波器对外部信息以及收到外部信息时控制单元预测的位姿进行数据融合得到最优估计状态，再基于最优估计状态对移动机器人的位姿以及所有标度因数进行校正，卡尔曼滤波器的系统状态包含每个里程计的标度因数误差。

进一步地，里程计DR计算模型的参数包含移动机器人主动轮里程计的脉冲数与里程计的标度因数；控制系统根据移动机器人的初始位姿、里程计的读数、主动轮的半径以及当前里程计的标度因数，计算预测当前移动机器人的位姿。

进一步地，卡尔曼滤波器的系统状态包含移动机器人的位置误差、朝向误差以及每个里程计的标度因数误差，在没有外部信息输入时，卡尔曼滤波器进行时间更新，计算一步预测的预测状态以及预测协方差；当有外部信息输入时，卡尔曼滤波器进行测量更新，根据所述外部信息，计算得到最优估计状态，并对所述预测协方差进行更新。

进一步地，所述控制单元将最优估计状态中对应的每个标度因数误差对应累加到各里程计当前的标度因数上。