多传感器融合技术在移动机器人定位中的应用研究

摘要

多传感器信息融合技术是近年来十分热门的研究课题，信息融合技术结合了控制理论、信号处理、概率和统计学、人工智能等诸多学科的发展。多传感器信息融合技术综合了来自多个传感器的感知数据，产生更可靠、更准确或更精确的信息，经过融合的多传感器信息具有以下特性：信息的冗余性、信息的互补性、信息的实时性和信息的低成本性。信息融合为机器人在各种复杂的、动态的、不确定或未知的环境中工作提供了一种技术解决途径。 本文以多传感器信息融合技术作为研究重点，结合它在机器人中的应用进行了理论和实践上的探讨。论文首先介绍了国内外信息融合技术和移动机器人的发展动态和趋势，单一的传感器提供信息已经无法满足现代移动机器人的需求，多传感器信息融合技术开始在机器人领域广泛应用。然后，对多传感器信息融合技术的基本原理、融合层次和融合方法进行了详细的分析，研究了现今机器人领域中多传感器信息融合的常用方法，目前移动机器人领域中常用的多传感器信息融合方法有加权平均法、Kalman滤波、Bayes估计、Dempster—Shaferi证据推理、模糊逻辑、神经网络等。论文重点分析了基于概率的移动机器人定位技术，基于对当今移动机器人卡尔曼滤波、马尔可夫和粒子滤波等常用概率定位方法的优点和缺陷分析。论文着重以卡尔曼滤波作为融合算法基础，设计了数据层和特征层的混合融合结构。并对卡尔曼滤波进行了初步的仿真论证，卡尔曼滤波在通常情况下能实现机器人的自定位，但需要严格的运动模型匹配，要求机器人是线性的运动模型，但是现实情况下，机器人是一个非线性系统，因此采用经典卡尔曼滤波解决机器人定位存在缺陷，由此采用扩展卡尔曼系统解决机器人的非线性问题。最后，引入RFID定位系统，详细分析了RFID定位算法和多传感器信息融合定位算法的优缺点，进行了仿真。结果表明，融合了里程计、电子罗盘、超声波和RFID的自定位算法可以减少传统RFID定位的误差更新问题。为了实现机器人在已知的结构环境中自主定位，以实验室自制机器人为平台在室内搭建试验环境并进行机器人实体实验。

目录

文摘

英文文摘

声明

第1章 绪 论

1.1课题研究的意义

1.2移动机器人概述

1.2.1移动机器人国内外现状及发展趋势

1.2.2移动机器人定位技术概述

1.3多传感器信息融合技术

1.3.1多传感器信息融合的定义

1.3.2国内外多传感器数据融合技术的发展历史和现状

1.4信息融合技术在机器人领域中的应用

1.5本文的主要内容

第2章 多传感器信息融合技术

2.1多传感器信息融合技术的基本原理

2.2多传感器信息融合系统的层次结构

2.3信息融合的分类

2.3.1数据层融合

2.3.2特征层融合

2.3.3决策层融合

2.4多传感器信息融合系统的拓扑结构

2.5多传感器信息融合的一般方法

2.6本章小结

第3章 移动机器人定位方法研究

3.1基于概率的移动机器人定位技术

3.1.1贝叶斯滤波原理

3.2卡尔曼滤波定位算法(KF)

3.3马尔可夫定位方法

3.3.1拓扑马尔可夫定位

3.3.2基于栅格的马尔可夫定位

3.4粒子滤波定位方法

3.5本章小结

第4章 基于传感器信息融合的定位方法设计

4.1基于EKF的移动机器人定位

4.1.1坐标系统模型

4.1.2机器人位置模型

4.1.3里程计或者控制命令模型

4.1.4超声观测模型

4.2扩展卡尔曼定位方法

4.2.1 EKF定位的前提假设

4.2.2 EKF移动机器人定位方法的原理

4.2.3卡尔曼滤波器的应用限制

4.3移动机器人RFID定位系统

4.3.1移动机器人RFID定位原理

4.3.2 RFID定位估计误差

4.4基于传感器融合的机器人定位方法

4.4.1基于传感器融合的定位仿真

4.5本章小结

第5章 实验和结果分析

5.1移动机器人介绍

5.1.1移动机器人硬件结构设计

5.1.1移动机器人平台介绍

5.1.2移动机器人传感器介绍

5.2 RFID室内定位实验

5.3扩展卡尔曼定位实验

5.4实验结果分析

结论和展望

参考文献

致 谢

作者在攻读硕士学位期间发表的学术论文