一种基于卡尔曼滤波器预测的机器人避障方法

摘要

本发明涉及一种基于卡尔曼滤波器预测的机器人避障方法。复杂环境中，机器人行进的环境是动态变化的，当确定预定任务的环境发生重大变化，应修改任务目标，实时规划任务、修改路径。本发明所述避障方法中的路径规划器根据数字地图、任务集、传感器系统所得机器人所处状态，对任务集进行排序，产生机器人行进点序列，由伺服系统执行，当传感器系统探测到有新障碍物出现，根据观测数据建立卡尔曼滤波器模型，利用观测数据和经典的线性动态系统期望最大化模型辨识算法对参数进行辨识和修正，更新数字地图，供路径规划器进行新一轮的局部重规划。本发明可实现机器人在不确定环境下局部动态生成的避障路径规划，实现简单，实时性较好。