基于多传感器信息的移动机器人定位研究

论文摘要

移动机器人实现可靠定位是其自主导航中一项最基本、最重要的功能,也是移动机器人研究中备受瞩目、富有挑战性的一个重要研究课题。本文围绕已知、结构化环境下的移动机器人位姿跟踪问题进行了研究,将多传感器信息融合算法应用到基于里程计和多声纳的组合定位系统中。具体研究内容包括以下几个方面:第一,针对自行设计移动机器人的结构特点和功能要求,采用基于DSPTMS320F2808和ATmega32双CPU的设计思想,详细介绍了该系统硬件设计实现的全过程。第二,详细介绍了里程计和超声波传感器的工作原理,分析了误差来源,在此基础上建立了基于里程计的圆弧运动模型和声纳对于直线环境特征的感知模型。第三,针对里程计误差累积的问题,提出了利用扩展卡尔曼滤波融合里程计和声纳的观测数据进行定位的方法。该算法首先利用里程计和已知地图得到环境特征的预测值,然后根据声纳的感知信息提取环境中的直线特征,通过实测值和预测值之间的匹配和状态更新过程周期修正里程计的累积误差,提高定位精度。第四,通过分析观测噪声统计特性对扩展卡尔曼滤波性能的影响,提出了基于模糊逻辑的自适应调节算法。该算法通过监测新息实际方差和理论方差的一致程度,在线调整观测噪声的方差值,以克服观测噪声统计特性不确定的影响,实现定位算法的在线改进。

论文目录

• 致谢
• 摘要
• Abstract
• 第1章 绪论
• 1.1 国内外移动机器人发展概况
• 1.2 机器人定位技术综述
• 1.3 课题的提出和本文研究的主要内容
• 1.4 本章小结
• 第2章 移动机器人系统设计
• 2.1 系统结构介绍
• 2.2 系统硬件设计
• 2.3 本章小结
• 第3章 多超声波传感器测距系统
• 3.1 超声波传感器的选择
• 3.2 测距系统硬件电路设计
• 3.3 测距系统软件设计
• 3.4 实验标定
• 3.5 本章小结
• 第4章 组合定位系统设计
• 4.1 移动机器人坐标系的建立
• 4.2 里程计模型及误差传递
• 4.3 超声波传感器模型及误差
• 4.4 本章小结
• 第5章 基于多传感器信息的定位方法研究
• 5.1 引言
• 5.2 基于扩展卡尔曼滤波的运动过程定位
• 5.3 基于模糊卡尔曼的机器人自定位过程建立
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 论文总结
• 6.2 工作展望
• 参考文献
• 攻读硕士学位期间发表和录用的学术论文