[发明专利]一种移动机器人定位精度提升方法及系统

说明书

本发明涉及一种移动机器人定位精度提升方法及系统。该方法包括：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。本发明具有计算简单、使用方便、适合复杂环境且精确度高的特点。

技术领域

本发明涉及机器人定位技术领域，特别是涉及一种移动机器人定位精度提升方法及系统。

背景技术

随着工作环境复杂度的提高，只使用基于激光传感器的绝对定位将无法满足移动机器人的定位需求，即单传感器机器人定位不能满足移动机器人在复杂施工环境下的定位需求。本发明将使用组合定位进行移动机器人在复杂施工环境下的定位，利用多传感器进行数据融合，提升移动机器人的定位精度，从而使移动机器人完成精准作业。其中，融合定位算法是多传感器信息融合定位的关键技术与核心。

卡尔曼滤波算法是目前使用最广泛之一的融合算法，其在线性系统中应用可以得到较好的效果。且在使用卡尔曼滤波算法作为定位融合算法时，需要事先知道噪声的统计特性，一般的处理方法为假设噪声矩阵满足某种分布，其对于定位的精确度有一定的影响。

因此，如何提供一种计算简单、使用方便、适合复杂环境且精确度高的移动机器人定位方法，是本领域技术人员亟待解决的技术问题。

发明内容

本发明的目的是提供一种计算简单、使用方便、适合复杂环境且精确度高的移动机器人定位精度提升方法及系统。

为实现上述目的，本发明提供了如下方案：

一种移动机器人定位精度提升方法包括：

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。

可选地，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，为机器人在全局坐标系下的初始位姿，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。

可选地，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。