[发明专利]一种基于视觉和惯性导航组合的移动机器人定位方法

说明书

一种基于视觉和惯性导航组合的移动机器人定位方法，属于机器人导航定位技术领域，包含以下步骤：S1：利用视觉传感器获取移动机器人所在的位置；S2：建立惯性导航系统，利用视觉传感器进行速度、方向和重力测量及报告；S3：利用视觉传感器采集的信息与SLAM系统构建的云地图转换为栅格地图后进行路径规划。本发明将互补滤波法运用到惯性导航系统中，融合Xtion深度相机信息，仅用视觉传感器就修正了定位误差，此方法大大减小了定位误差。

技术领域

本发明涉及机器人导航定位技术领域，更具体地，涉及一种基于视觉和惯性导航组合的移动机器人定位方法。

背景技术

近些年，移动机器人的技术在我国迅速地发展，在各行各业中广泛应用。机器人的关键技术在于其定位以及路径规划和自主导航，同时，其自主导航技术与精确定位技术对服务人类有着十分重大的意义。在对移动机器人的自主导航技术进行探究的过程中，相关研究人员一般会从以下三方面问题入手进行研究：我的附近是什么；我在哪儿；我要去哪儿，这刚好和移动机器人地图重建、自主定位、规划自身路径相切合。

长期以来，机器人的导航问题深受社会各届重视。然而，单传感器导航存在一定不足之处，容易出现定位误差，故而融合多传感器的导航系统就被格外推崇。服务性机器人在人工智能应用板块占据了半数以上的板块。2017年双十一期间，某品牌机器人的营业额达到了5.28亿，打破了行业记录。此品牌机器人销量的不断增多，让人们看到了人工智能在家居这一市场的重要性。然而在室内作业时，机器人就会出现定位不够精准等问题，也就会给客户带来很多烦恼。所以，为了做到更好地服务生活，机器人的精确的定位就成了重中之重。

同时，一般相机仅可以捕捉到彩色图像，但不能捕捉到深度信息，而深度相机可能受光照、物体表面纹理、反光等因素影响，为了避免深度相机的使用缺点，需要进一步结合惯性导航探究移动机器人的定位方法，完成机器人的路径规划。

发明内容

针对上述技术问题，本发明公开一种基于视觉和惯性导航组合的移动机器人定位方法，本发明的惯性导航信息以及卡尔曼滤波融合深度相机信息，仅仅用视觉传感器就修正了定位误差。

本发明采取以下具体技术方案：

一种基于视觉和惯性导航组合的移动机器人定位方法，包含以下步骤：

S1：利用视觉传感器获取移动机器人所在的位置：建立外参数模型，外参数将相机坐标系与世界坐标系对应；

S2：建立惯性导航系统，利用视觉传感器进行速度、方向和重力测量及报告；

S2.1：利用互补滤波法在惯性导航系统中进行姿态角解算：对惯性导航坐标体系与世界坐标系构建方向余弦矩阵，然后求导并对微分方程进行计算，最终得到姿态角的值；

S2.2：惯性导航航位推算：将惯性导航坐标系下的加速度转换到世界坐标系，将转换后的加速度扣除重力加速度后单次积分得到速度，二次积分得到位移；

S2.3：对测量的加速度和角速度分别进行惯性导航误差分析处理；

S3：利用视觉传感器采集的信息与SLAM系统构建的云地图转换为栅格地图后进行路径规划。

进一步的，外参数模型对应关系式为：

式中，(x_c,y_c,z_c)代表相机坐标，(x_w,y_w,z_w)代表世界坐标，R代表旋转矩阵，t代表平移矩阵，m代表外参数的矩阵。

进一步的，所述惯性导航系统采用MPU6050传感器来测量坐标系三轴上的角速度与加速度，所述MPU6050传感器包含三轴陀螺仪与三轴加速度计。