[发明专利]一种移动机器人定位精度提升方法及系统

权利要求书

1.一种移动机器人定位精度提升方法，其特征在于，包括：

建立里程计运动模型；

对所述里程计运动模型进行降噪，得到降噪后的里程计运动模型；

根据所述降噪后的里程计运动模型，确定机器人的位姿，记为第一位姿；

获取激光传感器采集的机器人的位姿，记为第二位姿；

确定在线估算噪声的统计特性；

将所述第一位姿、所述第二位姿和所述统计特性采用扩展卡尔曼滤波方法融合，得到移动机器人的融合位姿。

2.根据权利要求1所述的移动机器人定位精度提升方法，其特征在于，所述建立里程计运动模型，具体包括：

建立里程计运动模型：

其中，X_k+1表示k+1时刻系统的里程计的状态变量，[^Gx_k，^Gy_k，^Gθ_k]为机器人在全局坐标系下的初始位姿，[^Gx_k+1，^Gy_k+1,^Gθ_k+1]为机器人经过Δt时间后到达的位姿，Δθ表示相邻时刻移动机器人方位角的变化量，Δx表示相邻时刻机器人在机器人坐标系X方向上位移增量，Δy表示相邻时刻机器人在机器人坐标系Y方向上位移增量，V_x、V_y和ω由移动机器人底轮运动模型计算得到，ω₁，ω₂，ω₃，ω₄分别代表四个底轮的角速度，Δt为编码器的采样周期。

3.根据权利要求1所述的移动机器人定位精度提升方法，其特征在于，所述对所述里程计运动模型进行降噪，得到降噪后的里程计运动模型，具体包括：

采用卡尔曼滤波器对所述里程计运动模型进行降噪，得到降噪后的里程计运动模型：

X_k+1＝FX_k+W_k；

其中，X_k+1表示k时刻里程计的状态变量，X_k表示k-1时刻里程计的状态变量，W_k代表过程噪声，F表示状态变换矩阵。

4.根据权利要求1所述的移动机器人定位精度提升方法，其特征在于，所述确定在线估算噪声的统计特性，具体包括：

根据渐消记忆指数加权法采用公式确定k时刻的指数权值；

根据指数权值采用公式和确定在线估算噪声的统计特性；

其中，b为遗忘因子，并且0b1，d_k为k时刻的指数权值，Z_k是基于人工路标定位得到的机器人位姿，为和P_k|k-1计算所得的观测预测值，η_k-1,i和μ_k-1,i为sigma点的特性参数，U_k-1表示里程计的输入，为实时估计的过程噪声均值，为实时估计的过程噪声方差为实时估计的观测噪声均值为实时估计的观测噪声方差ε_k,τ_k,i,μ_k,i分别为中间变量，为sigam对应的权值。

5.根据权利要求1所述的移动机器人定位精度提升方法，其特征在于，所述将所述第一位姿、所述第二位姿和所述统计特性采用扩展卡尔曼滤波方法融合，得到移动机器人的融合位姿，具体包括：

将所述第一位姿、所述第二位姿和所述统计特性采用扩展卡尔曼滤波方法融合，得到移动机器人的融合位姿：

其中，Z_k+1是基于激光传感器计算出的k+1时刻的位姿，即第二位姿，为k时刻机器人的位姿，为k+1时刻移动机器人的准确的位姿，即移动机器人的融合位姿，K_k+1为增益矩阵，为观测预测值。