基于无迹卡尔曼滤波的移动机器人室内定位算法研究

摘要

如何对移动机器人进行有效的定位是个富有挑战的研究课题，并且随着机器人技术的进一步发展，其重要性也将越来越突显。本文主要通过多传感器的信息融合的手段，探索在已知的静态的结构化环境中的移动机器人室内定位的有效算法。提出了一种通过在Kalman算法的更新过程中引入冗余的测量参数向量，改善多传感器信息融合的稳定性和准确性的思路。研究的主要内容包括以下部分：
　　首先，自主设计并搭建用于算法研究和验证的移动机器人，并配备实验所需的各种传感器，编写控制移动机器人运动和传感器数据采集显示的下位机和上位机程序。
　　第二、对编码器和激光测距仪等传感器的数据采集进行建模和误差分析，用于确定系统参数和滤波算法。
　　第三、针对激光测距仪采集到的数据的特性，采用自适应阈值的算法对数据进行聚类；根据本文对已知环境的假设，选择能够合理描述环境的特征量，并采用累接端点拟合法提取出数据中可信度高的角点作为特征量；通过比较数据得到的角点数学模型与离线地图中的角点参数，完成特征点的匹配。
　　第四、提出基于冗余测量参数的室内定位算法，并进行仿真和实验，验证算法。对实验结果进行分析。

目录

封面

中文摘要

英文摘要

目录

第 1章绪论

1 .1课题研究目的及意义

1 .2移动机器人研究的发展

1 .3移动机器人室内定位方法现状

1 .4本文研究内容

第2章多传感器移动机器人系统搭建

2 .1引言

2 .2硬件平台设计与搭建

2 .3多传感器系统软件开发

2 .4基于Q t架构的上位机界面程序开发

2 .5本章小结

第3章基于无迹卡尔曼冗余测量参数的室内定位算法

3 .1引言

3.2 Kalman滤波的基本原理

3 .3无迹Kalman滤波的基本原理

3 .4移动机器人传感器系统误差分析

3 .5基于冗余测量参数的数据融合

3 .6基于冗余测量参数的室内定位算法的仿真

3 .7本章小结

第4章基于UKF的冗余测量参数的室内定位算法实验

4 .1实验环境的布置

4 .2室内定位算法实验

4 .3实验结果分析

4 .4本章小结

结论

参考文献

攻读硕士学位期间发表的论文

声明

致谢