基于多传感器融合的双轮差速机器人定位研究

针对单一传感器有一定的误差与使用场景限制的问题,往往需要通过融合滤波技术对多传感器的测量信息进行优势互补。为改善由惯性姿态测量单元(Inertial measurement unit, IMU)与轮式里程计（Wheel Odometry）组成的航迹推算（Dead Reckoning, DR）长期使用时产生不可忽略的积分误差,以及全球定位系统（Global Positioning System, GPS）在遇到信号被遮挡或者干扰的情况下将无法正常工作等情况所引起的问题,本研究结合GPS、IMU、轮式里程计三种传感器对双轮差速机器人进行定位,以起到互补的作用,使其能够适应更加多样化的环境;同时,我们定时使用GPS模块对DR推算位置信息进行修正,并比较IMU互补滤波解算法与DMP解算法,选取效果更好的方案获取机器人欧拉角,最后使用扩展卡尔曼滤波(Extended Kalman Filtering, EKF)算法对传感器数据进行融合处理,得到机器人的最优定位。结果表明,在采用了多传感器融合的方案之后,机器人的定位精确度较之只有单一传感器的方案有了显著的提升。     

互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

基于IMU的主动伴舞机器人人机协作控制算法

提出了基于惯性测量单元IMU的主动型伴舞机器人人机协作控制算法。机器人腰部安装具有一定刚度的弹簧,利用Kalman滤波将三轴加速度计数据与三轴陀螺仪数据进行融合,得到机器人在人类舞伴作用下的姿态角变化,采用阈值法滤除相对姿态角抖动误差,再结合当前机器人状态,综合判断得到相对姿态角到速度矢量的映射。将期望轨迹速度与人力产生的轨迹修正速度融合,得到人机协作下机器人的运动轨迹和剩余目标点的坐标修正值。将算法应用于华尔兹CCL舞步轨迹测试,实验结果表明算法效果良好。     

基于单目视觉的仓储物流机器人定位方法

针对轮式仓储物流机器人的自主定位问题,提出了一种基于视觉信标和里程计数据融合的室内定位方法。首先,通过建立相机模型巧妙地解算信标与相机之间的旋转和平移关系,获取定位信息;然后,针对信标定位方式更新频率低、定位信息不连续等问题,在分析陀螺仪和里程计角度误差特点的基础上,提出一种基于方差加权角度融合的方法实现角度融合;最后,设计里程计误差模型,使用Kalman滤波器融合里程计和视觉定位信息弥补单个传感器定位缺陷。在差分轮式移动机器人上实现算法并进行实验,实验结果表明上述方法在提高位姿更新率的同时降低了角度误差和位置误差,有效地提高了定位精度,其重复位置误差小于4 cm,航向角误差小于2°。同时该方法实现简单,具有很强的可操作性和实用价值。     

融合IMU的RGBD-SLAM算法改进研究

Kinect采集的图像数据特征点稀少或缺失时,会导致RGBD-SLAM算法的定位和3D构图发生定位失效和极大构图误差,为此提出一种结合惯性传感器IMU、体感传感器Kinect以及机器人本身运动状态的改进定位算法。通过对姿态先比较再融合,利用IMU的测量数据对位移构建预估模型,利用Kinect位姿估计的结果构建观测模型,将机器人的运动指令和运动限制作为约束条件进行扩展卡尔曼滤波(extended Kalman filter,EKF)融合,改善机器人的定位效果。实验结果表明,该方法能够有效提高机器人的定位精度,改善RGB-D SLAM算法的构图效果。     

EKF和互补滤波器在飞行姿态确定中的应用

设计了一种旋翼飞行姿态参考系统,采用基于加速度计和陀螺仪的惯性测量组合(IMU)测量飞行姿态数据。采集实测数据并运用Allan方差分析法分析其噪声特性,建立传感器模型;针对旋翼飞行器分别应用经典扩展Kalman滤波(EKF)算法和互补滤波算法进行姿态解算。在详细阐述2种算法的原理与实现的基础上,进行飞行器平台实验验证。研究结果表明2种算法均有效,且互补滤波器相对经典Kal-man滤波器更为简单、有效。     

基于IEKF的四旋翼无人机姿态测量方法研究

研究四旋翼无人机在实时飞行时姿态测量的问题.由于四旋翼无人机多采用陀螺仪、加速度计、地磁计(MEMS)传感器测量各姿态,测量值存在偏差,无法直接使用.为解决利用不准确的传感器测量信息获得精确姿态角度的难点,并为了克服常规的扩展卡尔曼算法(EKF)带来的较大滤波偏差,以及四元素法表述复杂等困难,采用了一种改进的迭代EKF(IEKF)算法,利用欧拉角的描述方法,融合MEMS的信息对四旋翼无人机的姿态角度进行测量.实验结果表明,改进方法能准确测量出姿态角,且通过与常规EKF测量效果的比对可以看出,IEKF在测量精度上确有较明显的改善,表明改进方法是有效的,为四旋翼无人机实时调整姿态提供了一种科学手段.     

多传感信息融合的改进扩展卡尔曼滤波定姿

针对现有多传感器融合方法精度低、计算复杂等问题,提出了利用微惯性航姿系统的高精度传感器陀螺仪、加速度计和磁力计组合确定姿态的算法。对采集到的原始数据进行误差补偿和滤波,降低传感器本身噪声,采用四元素的四阶龙格库塔法求解陀螺仪的角度消除奇点问题。将陀螺仪数据作为预测数据,估计出卡尔曼的过程协方差;加速度计和磁力计数据作为观测数据,结合陀螺仪的误差估计出测量噪声协方差,通过卡尔曼滤波实现多传感信息融合,实现了准确的姿态定位。实验分析不同算法的误差,证明了算法的精确性和可靠性。     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

捷联惯导在轨标定算法研究

为了保证长期在轨工作的捷联惯性导航系统的精度,设计了一种捷联惯导在轨标定算法.通过分析捷联惯导的主要误差源,建立了标定误差模型和导航误差模型.用加速度计的零位漂移、陀螺仪的零位漂移、陀螺仪的标度因数误差和安装误差构造系统状态方程,利用卫星导航系统提供的速度、位置信息和星敏感器提供的姿态信息构造量测方程,经过滤波运算得到各项误差估计值.算法解决了捷联惯导与星敏感器坐标轴不重合的问题,提高了嵌入式计算机的计算能力.最后对算法进行了数学仿真,仿真结果证明了算法的有效性.     

基于多传感器融合的移动机器人定位

针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, ...     

Positioning device for outdoor mobile robots using optical sensors and lasers

We propose a novel method for positioning a mobile robot in an outdoor environment using lasers and optical sensors. Position estimation via a noncontact optical method is useful because the information from the wheel odometer and the global positioning system in a mobile robot is unreliable in some situations. Contact optical sensors such as computer mouse are designed to be in contact with a surface and do not function well in strong ambient light conditions. To mitigate the challenges of an outdoor environment, we developed an optical device with a bandpass filter and a pipe to restrict solar light and to detect translation. The use of two devices enables sensing of the mobile robot’s position, including posture. Furthermore, employing a collimated laser beam allows measurements against a surface to be invariable with the distance to the surface. In this paper, we describe motion estimation, device configurations, and several tests for performance evaluation. We also present the experimental positioning results from a vehicle equipped with our optical device on an outdoor path. Finally, we discuss an improvement in postural accuracy by combining an optical device with precise gyroscopes.     

基于传感器的室内测试轨迹系统

室内定位技术对基于室内位置信息的服务和测量至关重要。基于加速度、陀螺仪和磁强计等传感器,提出一种适用于室内行走的定位方法,该定位方法利用传感信号和滤波算法得出行走步数、步长及方向,并采用轨迹匹配算法对轨迹数据进行修正得出优化轨迹。通过实地测试表明：该方法能准确地还原行走轨迹,可应用于实际室内场景。     

Indoor Tracking by RFID Fusion with IMU Data

Indoor tracking and positioning technology have received significant attention. There are many techniques to track indoor targets, such as Wi‐Fi technology, radio frequency identification (RFID), and inertial navigation technology. However, these technologies cannot accurately track a target with a single sensor due to the uncertainty of the sensors. This paper presents an indoor tracking method using RFID and inertial measurement units (IMU); the estimated trajectory is mainly determined by RFID, and the information about the trajectory based on IMU is added when the estimated trajectory is missing without RFID data. The results show that the fusion estimation algorithm has excellent performance in indoor tracking and is very effective when the target maneuvers, even where some measurements are lost.     

Multisensor 3D Posture Determination of a Mobile Robot Using Inertial and Ultrasonic Sensors

This paper presents methodologies and techniques for fusing inertial and ultrasonic sensors to estimate the current posture of a mobile robot navigating over indoor uneven terrain. This new type of pose tracking system is developed by means of fusing an inertial navigation subsystem (INS) and an ultrasonic localization subsystem. Extended Kalman filtering (EKF)-based algorithm for integrating both the subsystems is proposed to obtain reliable attitude and position estimates of the vehicle and to eliminate the accumulation errors caused by wheel slippage and surface roughness. Experimental results are conducted to illustrate feasibility and effectiveness of the proposed system and method.     

基于改进ORB算法的视觉里程计定位方法

针对环境亮度变化导致V-SLAM视觉里程计定位精度不准确的问题,提出一种基于改进ORB算法的视觉里程计定位方法.使用自适应阈值ORB算法提取特征点,提高特征提取的稳定性,通过FLANN进行粗匹配并采用PROSAC算法进行误匹配剔除,同时利用ICP方法进行图像配准求解位姿,使用光束法平差对轨迹图进行优化,采用TUM标准数...     

隧道安全预警机器人自主导航方法研究

针对隧道施工环境,设计了一款隧道安全预警机器人,并重点研究其导航系统实现;机器人搭载检测仪器与分析主机,集数据采集、分析、预警于一体,实现隧道巡检的自动化和智能化;分别利用Cartographer算法和自适应蒙特卡洛算法(AMCL)融合雷达、里程计、IMU的数据,实现环境地图的创建与机器人实时定位;采用A * 算法和DWA算法实现机器人的全局和局部路径规划,并结合ROS操作系统对其进行实验验证;实验结果表明:在导航定位时,机器人位置误差和航向误差分别小于20 cm和5.5.,能满足实际工程需要,完成自动巡检任务.     

一种自适应残差补偿算法在移动机器人姿态估计中的应用研究

针对两轮移动机器人MEMS IMU姿态估计的数据融合问题,提出一种以卡尔曼滤波为基础的自适应残差补偿算法。该算法结合惯性传感器误差模型与移动机器人姿态模型构建卡尔曼滤波器,利用卡尔曼滤波量测更新的加速度残差自适应补偿非重力载体位移加速度对姿态估计的影响。实验结果表明,该算法有效的融合了MEMS IMU姿态测量数据,抑制了传感器随机漂移误差,同时自适应补偿了非重力载体位移加速度。