[发明专利]机器人跟踪方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种机器人跟踪方法、装置、设备及计算机可读存储介质，属于智能机器人操控领域。所述方法包括：在跟踪的每个时刻，获取至少两个超声波阵列对机器人的观测数据；利用预设扩维IMM‑EKF算法估计所述每个时刻机器人运动状态，具体包括：通过与k时刻m种运动状态对应的m种运动模型相匹配的m个扩维EKF滤波器，分别获取j时刻每种运动模型下机器人对应的状态估计，获得m个状态估计，对所述m个状态估计进行加权计算得到k时刻机器人状态估计结果，其中所述每个时刻用k时刻表示，k为大于0的整数。本发明实现了在智能机器人运动状态未知且多变的情况下也能对其进行稳定有效跟踪，减少误跟或跟丢现象，适用于多超声波阵列应用场景。

技术领域

本发明涉及智能机器人操控领域，特别涉及一种机器人跟踪方法、装置、设备及计算机可读存储介质。

背景技术

目前，智能机器人已经被应用在海洋探测、安防、医疗等各个领域，给科技发展和人们的生活带来了极大的便利，因此有必要对机器人进行实时跟踪。然而，当智能机器人在水下或室内工作时，无法使用卫星定位。视觉导航的方法具有获取信息完整，探测范围宽等优点，在机器人导航中占有重要地位，缺点是视觉图像处理时间长，实时性较差。因此行业内学者开展了基于射频识别(RFID)技术的移动机器人定位的研究，需要指出的是，上述无线定位技术的精度为米级，不能满足室内机器人高精度导航定位的要求利用智能机器人发射超声波。通过多超声波阵列接收机器人发射的声信号，经过处理获得机器人的观测位置，最后经跟踪算法滤波得到机器人的位置估计，此方法满足实时性的同时也具有较高的跟踪精度。

常见的跟踪算法主要有扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波等，这些算法在目标运动模型已知且运动状态基本不变的情况下，具有良好的跟踪效果。然而在实际目标跟踪过程中，运动模型往往是未知的，机器人的运动状态也经常改变，上述算法的跟踪效果就会下降，甚至发散。相比于单超声波接收阵列，多阵列跟踪系统能够获取目标更多的运动状态信息，利用相应融合算法提高跟踪精度。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种机器人跟踪方法及装置，提高在室内跟踪机器人时的跟踪精度，跟踪误差小、计算量相对较低，从而实现智能机器人状态未知且多变的情况下也能对其进行稳定有效的跟踪，减少误跟或跟丢的现象发生。所述技术方案如下：

一方面，提供了一种机器人跟踪方法，所述方法包括：

在跟踪的每个时刻，获取至少两个超声波阵列对机器人的观测数据；

利用预设扩维IMM-EKF算法估计所述每个时刻机器人运动状态，通过与k时刻m种运动状态对应的m种运动模型相匹配的m个扩维EKF滤波器，分别获取k时刻每种运动模型下机器人对应的状态估计，获得m个状态，对所述m个状态进行加权计算得到k时刻机器人状态估计结果，其中所述每个时刻用k时刻表示，k、m均为大于0的整数。

进一步地，在跟踪的每个时刻，获取至少两个超声波阵列对机器人的观测数据，包括：

在k时刻，获取至少两个超声波阵列对机器人的观测数据其中k、n均为大于0的整数，均为所述至少两个超声波阵列测得的机器人角度、距离数据的向量。

进一步地，利用预设扩维IMM-EKF算法估计所述每个时刻机器人运动状态，通过与k时刻m种运动状态对应的m种运动模型相匹配的m个扩维EKF滤波器，分别获取k时刻每种运动模型下机器人的对应的状态估计，获得m个状态，对所述m个状态进行加权计算得到k时刻机器人状态估计结果，包括：

机器人跟踪系统建立步骤：建立所述机器人跟踪系统，所述机器人跟踪系统包括机器人的运动方程和观测方程，如下表示：

运动方程：

观测方程：

C_ij＝P(M_k＝M^j|M_k-1＝Mⁱ)；