基于移动机器人和RFID的动态目标定位与跟踪

摘要

随着大量的服务机器人（service robot）出现在物流，商场，机场等环境中，人们对服务机器人定位与跟踪的要求日益增加。传统的视觉定位不仅需要在视距范围内，而且还需要复杂的分类算法。传统的激光定位可以精确的定位环境中的所有障碍物，但是不能识别出需要定位的目标，因此存在奇异性。RFID由于具有全球唯一 ID 作为标识，不需要复杂的分类算法，也不需要解决环境遮挡等问题，同时还可以解决激光定位的奇异性。因此本论文研究融合 RFID技术与激光传感器对动态目标的定位与跟踪。　　具体来说，首先是 RFID 传感器模型的建立。 RFID 传感器不能直接提供标签的位置信息，但是可以提供信号强度与相位等信息。因此需要建立 RFID传感器模型将信号强度信息与标签的位置信息进行关联。通过在环境中张贴大量标签，并且通过机器人采集大量的标签信息存放至数据库，然后再通过数据库的信息建立RFID传感器模型。　　然后对激光聚类估算的径向速度与 RFID 相位信息估算的径向速度进行匹配。由于动态目标身上佩戴的标签与动态目标的径向速度非常接近，因此可以通过速度匹配融合两者信息。本论文将原始激光数据进行聚类处理，通过将相邻时刻的聚类信息进行处理，得到动态目标的径向速度。同时对 RFID 相位信息进行处理，得到标签的径向速度，然后对两个径向速度进行匹配，并且排序，最终选择K个最佳匹配来对动态目标进行定位。　　最后通过粒子滤波器来融合 RFID 信号强度信息与速度匹配结果，并且对动态目标进行定位与跟踪。通过事先建立的 RFID 传感器模型将 RFID 信号强度信息融入粒子滤波权重更新阶段，再通过速度匹配结果来对权重进一步约束，然后对所有剩下的粒子求平均位置得到动态目标的精确位置。最后根据动态目标相对于机器人的实时位置，将位置分解为线速度和角速度，从而控制机器人跟踪动态目标。该算法已经在室内环境中进行验证，实验表明，本论文基于移动机器人和RFID的动态目标定位与跟踪方法，有效的提高了系统的定位精度，与跟踪效果。

目录

声明

1 绪 论

1.1 论文研究背景及意义

1.2国内外研究现状

1.2.1粒子滤波算法

1.2.2室内动态目标定位与跟踪

1.2.3基于RFID的动态目标定位与跟踪

1.2.4 基于多信息融合的动态目标定位与跟踪

1.3研究内容及结构安排

1.3.1 研究内容

1.3.2结构安排

1.4本章小结

2 基于移动机器人和RFID室内定位与跟踪的机理

2.1移动机器人模型

2.1.1移动机器人分析

2.1.2移动机器人运动模型

2.2激光传感器测距原理

2.3 RFID系统分析

2.3.1 RFID系统组件

2.3.2 RFID测量信息

2.4动态目标状态估计

2.4.1贝叶斯估计

2.4.2粒子滤波算法

2.5本章小结

3 激光传感信息与RFID相位信息融合算法

3.1激光传感信息处理

3.1.1激光传感信息分析

3.1.2 激光数据分组

3.1.3 激光数据分割

3.1.4 激光数据合并过滤

3.2激光聚类估算径向速度

3.3 RFID相位信息处理

3.3.1 RFID相位信息分析

3.3.2 RFID相位差估算径向速度

3.4激光径向速度与RFID径向速度匹配

3.5本章小结

4 基于移动机器人与RFID的动态目标定位与跟踪算法

4.1 RFID传感器模型

4.1.1信号强度信息分析

4.1.2 RFID传感器模型设计

4.1.3 建立传感器模型

4.2粒子滤波器融合信号强度信息与速度匹配结果

4.2.1粒子滤波预测

4.2.2信号强度更新粒子权重

4.2.3速度匹配结果更新粒子权重

4.2.4动态目标位置估算

4.3移动机器人跟踪动态目标算法设计

4.4本章小结

5 实验验证与结果分析

5.1 实验平台

5.2实验环境

5.2.1传感器模型实验环境

5.2.2定位实验环境

5.2.3跟踪实验环境

5.3 定位实验结果与分析

5.3.1不同定位方法对实验结果的影响

5.3.2使用不同天线个数的实验结果

5.3.3 N与K对实验结果的影响

5.3.4粒子滤波参数对实验结果的影响

5.3.5不同激光参数对实验结果的影响

5.3.6不同标签类型对实验结果的影响

5.3.7动态目标不同移动速度对实验结果的影响

5.4追踪实验结果与分析

5.4.1仿真平台实验结果

5.4.2机器人平台验证

5.4.3不同方法跟踪结果

5.5本章小结

6 结论与展望

6.1总结

6.2展望

致谢

参考文献

攻读学位期间的研究成果