复杂坏境下基于SINS/UWB的容错组合定位技术研究

针对超宽带无线定位系统在复杂坏境中出现的定位数据丢失以及粗大误差等导致SINS/UWB组合系统定位精度下降的问题,提出了一种基于超宽带定位系统容错判断的组合定位方法。首先根据捷联惯导测量值进行基于中值滤波的运动载体静止状态检测,进而利用最小二乘法实现静止状态下捷联惯导量测偏差矫正;然后在建立SINS/UWB组合定位模型的基础上,引入决策树容错判断机制,对超宽带定位系统在复杂环境中由于信号干扰以及非视距导致的测量数据丢失以及粗大定位误差进行实时评估,进而应用卡尔曼滤波算法,实现容错组合定位系统的构建。在搭建的SINS/UWB组合定位实验平台中进行模型验证,结果表明容错组合定位系统能够有效检测出UWB定位系统出现的定位数据丢失以及粗大定位误差,并且在UWB粗大误差状态持续6 s的情况下,容错组合定位系统仍然能够保持较高的定位精度。     

基于UWB和IMU信息融合的室内定位算法研究

室内复杂环境下，移动机器人精确定位是实现机器人在半结构化场景下工程应用的关键。超宽带（UWB）测距定位是一种当前广泛应用于室内定位的高精度定位技术，最小二乘算法是精确定位的主流算法之一。受非视距（NLOS）、多径效应等因素影响，UWB定位在室内定位应用过程中存在定位数据抖动严重的问题，同时最小二乘法无法解算极值点定位数据，导致定位信息中断。为了解决UWB定位技术在室内定位过程中存在的精度低和稳定性差等难题，提出了基于扩展卡尔曼滤波（EKF）框架下融合UWB和IMU传感器信息的室内定位数据增强处理方法。其中IMU测量值作为滤波器的预测，UWB的测量值作为滤波器测量更新。融合定位算法可以弥补短期内定位数据丢失，降低定位数据的抖动，提高定位系统的稳定性，在半结构环境下具有更好的工程优势。     

移动机器人里程计非系统误差不确定性分析方法

移动机器人里程计非系统误差建模是研究移动机器人定位问题的基础。现有的移动机器人里程计非系统误差建模方法多数针对某一种驱动类型移动机器人设计,运动过程中缺乏对里程计累计误差的实时反馈补偿功能,经过长距离运动过程定位精度大幅度降低。基于此,针对同步驱动和差动驱动轮式移动机器人平台提出一种通用的里程计非系统误差建模方法。在假设机器人运动路径近似弧线基础上,依据里程计误差传播规律推导非系统误差与里程计过程输入量之间的近似函数关系,进而对移动机器人位姿跟踪过程中产生的里程计累计误差给予实时反馈补偿。里程计非系统误差建模前后定位过程的对比试验表明,这种非系统误差实时补偿方法有效地减少了移动机器人导航过程中产生的里程计累计误差,提高了定位精度。     

基于改进增量卡尔曼滤波算法的UWB室内定位研究

为解决室内环境下的非视距(NLOS)、多径传播以及欠观测条件下的量测系统误差给测距定位带来较大误差的问题,提出了改进增量卡尔曼滤波以消除定位误差的算法。该算法运用增量卡尔曼滤波对由超宽带(UWB)室内定位系统得到的距离值进行去噪,避免了受环境、测量设备等因素影响或者难以自校准由量测方程带来的系统误差而导致较大的卡尔曼滤波误差问题;然后运用经典Chan定位算法对目标标签实现定位获得定位结果。实验和仿真表明,与传统的小波去噪和卡尔曼滤波相比,该定位算法数据稳定性好,误差减小,显著提高了定位精度。     

构建移动机器人地图的多传感信息融合算法研究

多传感信息融合算法常用于构建移动机器人的地图。分析了移动机器人研究中常用传感器的工作原理,基于四轮移动机器人在转弯过程中存在的滑移现象,采用扩展卡尔曼滤波器算法将里程计信息与惯性测量单元信息融合,得到新的里程计信息,并采用Rao-Blackwellized粒子滤波器算法使激光传感器观测模型与新的里程计信息融合,构建得到精度较高的环境地图。试验结果表明,采用多传感信息融合算法进行移动机器人地图构建是行之有效的。     

一种基于多信息融合的室内移动机器人定位方法

对室内移动机器人定位技术进行研究,提出了一种麦克风阵列测量数据与里程计测量数据相融合的机器人定位新方法。给出了定位算法流程,通过实验分析证明该方法有效。     

基于ROS平台机器人导航避障系统设计与开发

基于ROS工业机器人开源平台,应用C++语言进行了移动机器人导航避障系统的设计与开发。选用激光雷达作为位置传感器,融合视觉里程计、轮式里程计和IMU里程计三大里程计数据,采用传统定位与SLAM算法创建地图,应用AMCL算法准确确定移动机器人位置;对移动机器人使用A~*算法进行全局路径规划、DWA算法进行局部路径规划,并且使用模糊BUG2算法作为核心算法实现局部避障器融入ROS规划系统中,应用C++语言开发程序,在移动机器人Robotino在地图上的两个点进行导航和避障测试。结果表明,只要合理设置机器人和障碍物之间相对运动速度,机器人可以规划出一条躲避缓慢移动障碍物、全局较优路径。     

基于UWB室内定位的迎宾机器人系统研究

针对室内复杂环境下移动机器人很难实现精确定位的问题,设计了一种基于UWB室内定位的迎宾机器人系统。通过架设4个UWB定位基站,以及安装于机器人上方位置的定位标签,对迎宾机器人进行实时定位。介绍了迎宾机器人的总体结构,对其机械系统和控制系统进行了详细说明;提出了一种融合PID和LQR的移动机器人混合路径跟踪算法。最后对迎宾机器人进行实验,验证整体方案的可行性和有效性。实验结果表明,自主研制的机器人系统软硬件运行稳定可靠,设计的UWB室内定位系统具有小于5 cm的室内定位精度,重复精度小于1 cm;所提出的混合路径跟踪算法具有较快的响应速度,跟踪精度小于5 cm。     

基于 UWB 系统的采煤工作面端头采煤机 自主定位方法研究

采煤机自主定位装置的长期定位精度是煤矿智能开采的关键。 针对当前采煤机定位精度难以满足自动开采的需求,提 出了采煤工作面端头自动校准惯性导航定位系统的方法,构建了基于 UWB 系统的井下局部定位系统,对采煤机位置进行修正 纠偏,能实现采煤机长期循环自主定位的策略。 考虑 UWB 系统在非视距(NLOS)环境下的定位精度较低,提出了基于不等式 约束的平方根无迹卡尔曼滤波(CSRUKF)定位算法;为了进一步消减 NLOS 误差的干扰,提出了基于考虑运动速度的抗差泰勒 级数(VRTS)算法对定位结果进行优化,提升最终的定位精度。 以 UWB 定位系统和移动平台为基础,开展了模拟端头定位的 实验。 实验结果表明,CSRUKF-VRTS 方法能够减小定位误差,提高 NLOS 环境下的定位精度,x 轴、y 轴和 z 轴的平均误差分别 由 0. 332、0. 404 和 0. 306 m 降低到 0. 266、0. 212 和 0. 159 m,对应的平均精度分别提升了 17. 4% 、47. 5% 和 48. 1% 。 所提的采煤 工作面端头循环定位策略为采煤机实现长期自主定位提供新的思路,为非视距环境下的定位提供参考。     

卫星拒止环境下基于因子图的智能车可靠定位方法

针对如室内停车场、隧道等卫星拒止环境下智能车的准确可靠定位需求,提出了一种基于因子图的低成本融合定位方 法。 首先,构建基于因子图的 UWB/ INS 动态融合定位框架;接着,充分利用 UWB 基站的静止特性,结合因子图输出的位置及 位置置信区间计算智能车与基站之间的最大理论距离,并与 UWB 实测距离比较从而检测非视距信号;最后,制定自适应融合 规则来指导不同情况下 UWB/ INS 的融合,输出最终的定位结果,实现卫星拒止环境下智能车的可靠定位。 实车试验表明,所提 出的融合定位方法可达到 0. 622 m 的精度,相较传统的最小二乘定位方法提升 1 倍以上,有效抑制了非视距误差的影响,具有 成本低、可靠性高、环境适应力强等优点,克服了传统方法的不足。