[发明专利]一种应用于动态变化场景下的多传感器融合定位方法

说明书

本发明公开了一种应用于动态变化场景下的多传感器融合定位算法，在每个运行周期，对机器人的位置信息进行更新，更新包括以下步骤：获取机器人的运动预测值，在视觉信息正常时，所述运动预测值采用视觉标定的行走里程信息以及惯性单元测量数据；在视觉信息缺乏时，所述运动预测值采用行走里程信息；获取机器人的运动测量值；在视觉信息正常时，将通过视觉信息获得的位置信息作为运动测量值，在视觉信息缺乏时，将惯性单元测量数据作为运动测量值；根据机器人的运动测量值以及运动预测值，采用无损卡尔曼滤波以及粒子滤波结合的方式进行数据融合，得到机器人的定位信息。该算法更加稳定可靠，也可使得定位精度更高。

技术领域

本发明涉及移动机器人领域，特别涉及一种应用于动态变化场景下的多传感器融合定位算法。

背景技术

定位技术是机器人自主移动的基础，是赋予机器人感知和行动能力的关键。依据机器人所采用传感器类型的不同，其定位方式有所不同。目前应用较广泛的传感器有里程计、超声波、激光器、摄像机、红外线、深度相机、GPS定位系统等等。与其相对应的机器人定位技术可分成绝对定位、相对定位技术两大类。所谓的绝对定位是指采用导航标记、主(被)动标识、地图匹配、GPS等技术进行定位，精度较高。而相对定位是指通过度量机器人相对于起始位置的方向和距离来推断出机器人当前的位置信息。高度动态环境中的定位是十分有挑战性的，例如在机器人足球赛中，需要自主定位的机器人会受到对方机器人或裁判的干扰，对定位的稳定性和适应性要求非常高，定位技术也是比赛至关重要的一环，是机器人进行踢球、传球、射门等行为决策的重要基石，稳定的定位技术是取得比赛胜利的关键之一。

现有的机器人定位多采用多传感器融合的马尔科夫定位方法，其多使用视觉信息与惯性测量单元数据相融合，通过粒子滤波，无损卡尔曼滤波，拓展卡尔曼滤波等技术进行定位，在视觉稳定，特征丰富的环境中，其能达到较好的定位效果。而在动态变化的环境中，机器人往往无法时刻看到稳定可靠的特征时，因此定位技术也受到了挑战，当前的定位方法仍存在定位不稳定，累积误差大的问题

发明内容

本发明的目的是根据上述现有技术的不足，提供了一种应用于动态变化场景下的多传感器融合定位算法。

本发明目的实现由以下技术方案完成：

一种应用于动态变化场景下的多传感器融合定位算法，其特征在于，在每个运行周期，对机器人的位置信息进行更新，每次更新包括以下步骤：

(1)获取机器人的运动预测值，在视觉信息正常时，所述运动预测值采用视觉标定的行走里程信息以及惯性单元测量数据；在视觉信息缺乏时，所述运动预测值采用行走里程信息；

(2)获取机器人的运动测量值；在视觉信息正常时，将通过视觉信息获得的位置信息作为运动测量值，在视觉信息缺乏时，将惯性单元测量数据作为运动测量值；

(3)根据机器人的运动测量值以及运动预测值，采用无损卡尔曼滤波以及粒子滤波结合的方式进行数据融合，得到机器人的定位信息。

本发明的进一步改进在于：在机器人运动过程中，通过摄像头获取图像，并尝试从图像中识别周边场景中的场地特征；若场地特征识别成功，表示视觉信息正常，否则表示视觉信息缺乏。

本发明的进一步改进在于：对行走里程信息以及惯性单元测量数据进行视觉标定包括以下步骤：

(1.1)设定机器人的行走控制量；

(1.2)在机器人的位移量达到运动控制量时，根据视觉信息计算机器人的实际位置变化量；

(1.3)记录实际变化量与控制量的比值作为标定系数。

本发明的进一步改进在于：在步骤(1)中，对行走里程信息进行更新的过程中，使用惯性测量单元陀螺仪的z轴旋转量修正行走里程计的旋转量。

本发明的进一步改进在于：通过视觉信息获得机器人的位置信息包括以下步骤：