文摘
因为有许多干扰在室内环境中,很难实现精确定位的移动机器人使用单一传感器。摘要提出了一种移动机器人的位置估计和定位误差修正方法基于多传感器数据。机器人的定位传感器包括超宽带(UWB)组件、惯性测量单元(IMU)和编码器。超宽频多路径干扰等引起更多的错误,这可以减少数据拟合后的修正方程。超宽频机器人的实时坐标标记可以计算基于多个超宽频锚数据和最小二乘方法。坐标数据 获得了超宽频定位子系统,和速度数据 收集了IMU与编码器。多传感器数据不断更新卡尔曼滤波器,估计机器人的位置。在定位过程中,不同传感器的定位数据可以互相纠正和补充。超宽频范围修正实验的结果表明,数据拟合可以提高超宽频定位精度。在多传感器定位实验中,与单个传感器相比,超宽频的基于数据融合的定位方法,IMU,编码器具有更高的准确性和适应性。超宽频信号干扰或无效时,其他传感器仍然可以正常工作,完成机器人定位过程。多传感器定位方法不仅提高了机器人定位精度,而且具有较强的环境适应能力。
1。介绍
各种定位方法和传感器开发并应用于不同的领域,如地下车库,智能工厂,机场,和餐馆。在户外定位、全球定位系统(GPS)是一个重要的定位方法,可进行测距和定位的汽车,船,通过卫星和移动电话。然而,由于障碍的干扰(如屋顶、墙壁和家具)在室内环境中,它更难以实现高精度定位。室内移动机器人的定位也成为近年来研究火锅。使用不同的定位传感器,机器人可以获得更准确的位置信息。准确的定位和导航可以提高移动机器人的自动化和智能。
有许多室内定位方法与不同的传感器,如射频识别(RFID)定位(1),超声定位,蓝牙定位、无线传感器网络(WSN) [2,3)、超宽频定位(4),惯性导航系统(INS)和并发映射和本地化(CML /大满贯)。测距传感器的结合有利于提高移动机器人的定位和导航精度,例如,移动机器人导航定位和姿态估计方法使用被动射频识别(5),一个轻量级的室内机器人定位系统运营的成本效益的基于wifi接收信号强度(RSS) (6),全球self-localization小说准确的混合算法对移动机器人基于超声波定位系统(7),和一个高效的室内定位算法基于光探测和测距设备(激光雷达)。超宽频定位方法已逐渐应用于定位距离长、稳定性高的优点8- - - - - -11]。
与其他定位方法相比,超宽频定位装置可以安装并在短时间内实现。UWB定位技术利用分布式传感器设备距离估计。多个超宽频锚和超宽频机器人之间的距离标记同时测量机器人的位置估计。定位方法包括到达角(AOA)算法(12),接收到的信号强度(RSS)算法(13),到达时间(TOA)算法(14),到达时差(辐射源脉冲)算法(15),和其他混合算法(16- - - - - -18]。的稳定性和精度测量数据对机器人定位至关重要。然而,在室内环境中,障碍的干扰可能会降低超宽频定位精度,甚至导致超宽频定位故障。通常,增加超宽频锚的数量可以扩大其定位范围,但它也将带来更多的错误,导致不稳定。因此,超宽频定位数据的误差修正是必要的,以提高其定位精度。
单一传感器很难实现高精度由于传感器错误或不稳定。合并后的多个传感器的应用有利于提高定位精度和稳定性。一个方法来准确定位人在室内的融合提出了一种有源RFID INS (19]。提出了一种方法来集成激光雷达和IMU克服低精度和大的问题积累的室内移动导航和定位错误20.]。为了提高数据融合的准确性过滤器,紧密耦合的超宽频/ INS-integrated方案室内人工导航研究[21]。超宽频还结合其他传感器数据融合实现更精确的定位(22,23]。
由于干扰的障碍在室内环境中,开发超宽频、多传感器的数据融合和过滤来提高移动机器人的定位精度。摘要提出了一种基于多传感器数据的位置估计和误差校正方法。机器人定位系统可以同时获得从超宽频和集成数据,IMU和编码器。双面双向测距(DS-TWR)和数据拟合方法用于改善超宽频测距精度和纠正错误引起的多路径信号。与此同时,机器人位置坐标估计超宽频锚和机器人超宽频机器人标签。机器人多传感器定位的过程中,可以纠正IMU的航向角误差超宽频定位数据。速度数据计算了IMU与编码器和超宽频定位数据不断更新卡尔曼滤波器来估计机器人的位置。多传感器定位方法有利于提高机器人定位精度。即使超宽频信号干扰或屏蔽,机器人定位仍然可以执行的其他传感器数据,提高了实用性和机器人定位系统的抗干扰能力。
2。定位系统设计
2.1。定位系统架构
在一个复杂和multi-interference环境,多传感器合作的能力,提高定位精度。如图1,机器人定位系统由一个超宽频定位子系统、远程控制计算机,和一个移动机器人。超宽频定位子系统包括超宽频机器人标记和一些超宽频锚,固定安装在周围的环境中。基于超宽频机器人之间的距离测量标签和超宽频锚,远程控制计算机执行定位算法来计算机器人的位置和坐标。
远程控制计算机与机器人通过无线通信模块。它是用来处理定位数据,计算机器人的协调,控制移动机器人。主要功能包括互动沟通,机器人控制,位置估计,数据融合处理,机器人位置显示。
mecanum轮式移动机器人被认为是在这个工作。如图2,移动机器人由一个中央控制器,四个直流电机、四个司机,四个编码器,四个mecanum轮子。编码器是用来测量每个轮子的转速和计算机器人的速度自我坐标系统基于运动学方程。IMU传感器,组成的三轴加速度计,三轴陀螺仪,三轴磁强计,安装在机器人上。该传感器用于估计在驾驶机器人的航向角。
我们使用的传感器,在机器人定位系统,定位数据(即。,the robot’s position and velocity) are obtained by three different sensors: UWB, encoders, and IMU. Each sensor inevitably has some errors during the positioning process, which may contain one or more of the following:(1)机器人在运行过程中,如果轮,旋转编码器测量的速度会有一些错误。机器人的航向角和里程集成,速度也有累积误差,随着时间的推移这将增加(2)机器人的航向角计算的IMU误差减少操作时间短。然而,如果没有进行很长一段时间调整,将会出现较大的累积角错误(3)超宽频定位直接定位方法;随着时间的推移定位误差不会积累。然而,超宽频定位的准确性和稳定性并不像预期的那么好。此外,超宽频定位可能无效的干扰环境中的障碍
正如上面所讨论的,不同的定位传感器有自己的错误和缺点;我们提出了一种多传感器数据融合算法。通过融合数据的超宽频、IMU和编码器,该算法可以有效地提高定位精度,减少累积误差,消除障碍干扰。定位传感器获得的数据是相互纠正和补充。一方面,编码器和IMU精度高和自由的障碍在很短的时间内,但更大的累积误差。累计角误差可以减少使用超宽频定位数据,将正确的航向角IMU的计算。另一方面,由于环境干扰,超宽频的定位误差可能会变得更大。超宽频的定位误差可以通过IMU和编码器数据更正,这将提高机器人定位精度。
2.2。软件开发
如图3,我们开发了一个机器人系统的软件接口。可视化远程控制计算机上的软件开发,主要功能包括坐标显示超宽频的锚,实时协调和轨迹显示机器人,机器人控制和数据处理。
3所示。超宽频定位和纠错
3.1。超宽频等方法
超宽频定位子系统执行定位和协调计算通过测量超宽频标记之间的距离和多个超宽频锚。飞行时间(TOF)方法是用来测量超宽频信号的飞行距离;这个公式是 在哪里超宽频信号传输速度,大约等于光速,然后呢是信号的时差。
然而,由于无法准确地同步时钟之间的超宽频机器人标签和超宽频锚,时钟误差会引起较大的测量误差。例如,1 ns时钟偏差会导致30厘米不等错误。DS-TWR方法(24)提出了减少时钟unsynchronization引起的测距误差和时钟倾斜。如图4DS-TWR方法可以实现更精确的超宽频范围通过测量超宽频机器人之间的三次往返标签和超宽频锚。图5显示了超宽频机器人标记和超宽频锚的工作流程图。
超宽频信号的飞行时间超宽频标记和超宽频之间的锚
因为信号的飞行时间远短于处理数据的时间吗和 ,信号的飞行时间添加时钟错误之后约等于 在哪里和是超宽频的时钟倾斜标签模块和超宽频锚模块,分别。
因此,DS-TWR测距误差的方法
图6显示了DS-TWR测距误差曲线之间的超宽频机器人标记和超宽频锚在不同距离和不同的时钟倾斜。结果表明,时钟倾斜引起的测距误差远小于超宽频测量精度(约100毫米)。当测量距离是300米,时钟脉冲相位差是20 PPM,测距误差大约是6毫米。在实际机器人定位过程中,超宽频与5 PPM采用时钟模块,提高测量精度。
3.2。多路径误差修正
如图7(一)在视距(LOS)环境(25),超宽频信号传输在一条直线没有任何阻碍。然而,由于可能存在多路径干扰的反射墙和对象。等信号常常通过多条路径传输,导致一些错误。如图7 (b)、路径和直接路径,路径和多路径干扰;他们的长度的关系 。虽然超宽频有很强的抗多径干扰能力,很难保证其测距精度由于其ultrawide带宽和复杂室内反射环境的干扰。
(一)
(b)
多路径引起的测距误差与实际环境。数据拟合的方法,提出了修正误差,提高定位精度。假设方程之间的关系真正的距离和超宽频测量距离 在哪里是真正的距离值和超宽频测量值。通过测量多组超宽频数据 在洛杉矶的环境中,我们可以得到
假设 和 ;方程的矩阵形式(6)是 在哪里是
求解矩阵方程的最小二乘原则,
用系数矩阵 在方程(5),超宽频测量之间的关系可以计算距离和实际距离。数据拟合有利于纠正错误引起的超宽频多路径,提高测距精度。我们进行了大量的实验表明,当数据拟合方程 ,测距精度足够高,以满足操作要求。
3.3。第一个路径权力
由于超宽频信号的干扰,包括超宽频定位精度不能保证。它意味着,如果严重干扰等数据考虑,移动机器人的定位精度将大大减少。为了解决这个问题,第一个路径超宽频信号的功率(或直接路径)收集确定超宽频范围数据的可用性,可以计算的 在哪里 , , ,和内部超宽频模块的寄存器变量和吗是一个常数。
第一个路径可以反映信号传播国家权力之间的超宽频机器人标记和超宽频锚。超宽频信号阻塞时,第一个路径能力会显著降低。图8显示第一个路径下的超宽频信号阻塞的力量。在不干扰环境中,第一个路径的超宽频信号通常是保持-76 - -72 dBm dBm。当信号被障碍,第一个路径能力将大幅下降至-82 dBm或更低。
通过分析第一路径功率超宽频信号的强度,超宽频锚可以证实的数据可用性。精确定位,包括数据与功率低于一定的值将被丢弃。认为超宽频机器人标签之间有障碍和超宽频锚;因此,这个超宽频锚是无效的。如果可用超宽频锚的数量不能满足机器人定位的要求,超宽频定位将失败和机器人坐标无法计算。
3.4。超宽频锚布局分析
在超宽频定位子系统,同时使用多个超宽频锚数据来计算机器人的位置。超宽频锚的布局对机器人定位精度有显著影响。对高精度机器人定位、布局和安装位置的超宽频锚应符合下列原则:(1)机器人的操作区应由至少3超宽频锚的信号(2)超宽频信号覆盖的主持人应该充分的利用(3)水平精度因子(HDOP)的超宽频定位应该足够小,超宽频锚应避免被聚集在一个小区域
如果真正的超宽频锚和超宽频机器人标记之间的距离 和超宽频测距误差 ,测量距离可以表示为
如图9(一个),假设位于三个超宽频锚点 , , ,他们的测量距离 , ,和 。三个圆圈,点 , ,和中心和 , ,和随着半径,相交形成区 ,这是可能的机器人的坐标范围。它的面积代表了机器人定位误差。
(一)
(b)
因为很小,带大约是六角在图9 (b),这是圆的外切六边形 。三个超宽频锚的相对角度 , ,和 ,分别。根据其对称性,
三角形的面积是
因此,我们有
同样的,
六边形的面积是
当 , 有最小值:
当三个超宽频锚用于机器人定位,等边三角形布局有利于减少定位误差。同样的,当超宽频锚的数量是4、广场布局更有利的定位。
4所示。机器人的位置估计
4.1。超宽频坐标估计
超宽频定位子系统包括超宽频锚和超宽频机器人标签。超宽频锚一般固定在特定位置与已知坐标,和超宽频机器人标签安装在机器人。如图10,有一些超宽频锚与已知坐标 2 d平面:锚1,锚2,锚3,…、锚 ,和超宽频机器人的坐标标记 。超宽频的距离超宽频机器人标记锚衡量机器人定位系统 。从几何关系,我们可以得到
下面的矩阵方程可得到方程(18): 在那里,
因为超宽频定位子系统有一些定位误差,方程(19)是可以纠正的 在哪里是一个错误矢量维度。
当 是最小的,测量误差将是最小的。假设 ,的最小二乘估计是
因此, 是估计坐标机器人的价值。定位移动机器人在平面上时,至少有三个超宽频锚是必需的。一般来说,更多的超宽频锚可以提高机器人的定位精度和稳定性。然而,太多的超宽频锚数据可能会导致更多的计算和其他可能的错误。
4.2。机器人速度计算
在机器人定位过程中,机器人的绝对坐标 可以计算的超宽频定位子系统。与此同时,车轮的转速由四个编码器被记录。根据机器人运动学,我们可以得到 在哪里是机器人的车轮的转速,是较为成熟的麦克纳姆全方位轮的内滚筒的倾角,然后呢 。 和机器人是一半的宽度和长度,分别。机器人的运行速度 ,代表前进速度、横向速度和旋转速度,分别。
基于Madgwick算法(26乌兹别克斯坦伊斯兰运动,可以计算机器人的三轴角 ,,分别代表了横摇角,方位角和倾角。因为这些角有累积误差随着时间的推移,机器人的绝对坐标 通过超宽频定位子系统是用来改正。在定位过程中,超宽频定位子系统实时记录机器人的运动轨迹在一个50赫兹的频率。在一段时间内,机器人的坐标 用于评价线性移动的轨迹。线性度大于0.9时,移动轨迹的斜率是用来纠正IMU航向角。否则,视为非线性机器人运动轨迹,乌兹别克斯坦伊斯兰运动航向角不会改正。
一些错误可能是由机器人的滑动麦克纳姆轮全方位轮引起的,和航向角综合机器人的旋转速度可能是不准确的。如图11,乌兹别克斯坦伊斯兰运动航向角和机器人的运行速度 结合计算机器人速度 绝对坐标系统 :
4.3。多传感器位置估计
正如我们上面提到的,环境干扰会导致超宽频定位错误。因此,提出了一种多传感器位置估算方法来提高机器人的定位精度。如图12,机器人多传感器数据融合和更准确的位置坐标估计相结合。机器人定位数据是由多个传感器获得,包括超宽频定位子系统、IMU和编码器。
超宽频定位数据的准确性 不是足够高和 有累积误差随着时间的推移,卡尔曼滤波器用于多传感器数据融合。这两个 和 被送入卡尔曼滤波器来估计机器人坐标和速度 。机器人的位置估计和预测包括两个步骤:首先,将机器人运动模型和预测机器人状态 在时间基于最优估计 在时间 ;第二,使用实测数据(超宽频定位子系统、IMU和编码器)正确预测状态及其参数。
在定位过程中,机器人接收坐标数据 和速度数据 50赫兹和100赫兹的频率,分别。在每一个时期,假设机器人执行统一的运动,机器人的状态方程
,(24)
在哪里 机器人的状态向量和吗状态转移矩阵的统一的运动模型。 在哪里定位数据的采样周期。由于多传感器数据的不同的更新频率,包括两种情况:超宽频定位数据的采样周期吗 ,和是速度的采样周期数据 。
假设机器人运动系统的噪声 : 在哪里和是高斯白噪声。
机器人定位系统的测量方程 在哪里 是测量向量,包括超宽频定位数据 和速度数据 。 是测量噪声。从状态向量代表转移关系矩阵测量向量 。观测矩阵对应于 和 是
基于机器人的状态方程和测量方程定位系统,可以构造卡尔曼滤波器预测方程如下: 在哪里是噪音,是最优估计向量在时间吗 ,和是预测向量在时间吗定位数据预测的时间 。
机器人系统的协方差是 在哪里的协方差矩阵是机器人系统的时间吗和是系统噪声的协方差:
在机器人定位过程中, 和 。
机器人系统的最优估计向量是 在哪里是测量值,包括两种类型的数据: 和 。的对应于不同的测量数据和 。卡尔曼滤波增益是 在哪里是观察到的噪声的协方差矩阵。的价值代表观测数据的波动。它的价值更大,而数据的可信度较低,对最终的评估结果及其影响较小;相反,价值越小对评估结果有更大的影响。矩阵相应的超宽频定位数据 和速度数据 是
协方差矩阵机器人系统的时间是更新的
最优估计 机器人的位置可以从方程(计算32)。基于最优估计和协方差矩阵 ,结合实测数据 ,最优估计 在时间 可以预测先后。
在多传感器数据融合和机器人定位的过程中,无论哪一个组定位数据( 或 )是后天获得的,这将是美联储的卡尔曼滤波器来估计机器人的位置和速度。同时,卡尔曼滤波器是协方差矩阵的更新。如果超宽频定位信号暂时丢失或干扰,机器人还可以估计它的位置使用数据从IMU和编码器。当然,机器人也可以完成定位操作只有在超宽频定位数据。基于数据融合的方法和位置估计,多个定位数据是相互纠正和补充,提高机器人定位精度。
5。实验和结果
5.1。超宽频范围修正实验
在超宽频超宽频测距校正实验,测量距离和实际距离进行收集和数据拟合修正测距误差。在《环境中,超宽频标记之间的距离和超宽频锚被DS-TWR测量方法。为了验证该方法的可靠性,实验中实现两个不同的环境:室内校正实验(图(13日)(图)和户外校正实验13 (b))。值得注意的是,没有超宽频标签和超宽频锚之间的障碍。
(一)
(b)
表1显示多个超宽频的比较测量距离和实际距离。数据拟合后,超宽频等室内和室外的修正方程 在哪里是原来的超宽频测量值,和矫正价值在室内和室外环境中,分别。修正方程是用来减少测距误差,提高测量精度。
图14显示的是原来的超宽频测距误差曲线和矫正超宽频范围错误。矫正测距误差明显小于原来的测距误差。在室内环境(图(14日)),均方根误差(RMSE)原始超宽频范围的数据是0.19,和矫正的RMSE超宽频数据是0.04米。在户外环境中(图14 (b)),原文的RMSE和矫正超宽频范围数据是0.08米和0.01米,分别。
(一)
(b)
室内环境与室外环境相比,由于超宽频多路径干扰的测距精度较低。实验结果表明,校正数据拟合的方法可以有效地减少超宽频范围错误,尤其是在严重的情况下超宽频多路径干扰。最大室内测距误差减少到0.1米从原来的0.4米。同样,户外超宽频的最大误差修正从0.17米到0.04米不等。
5.2。超宽频可用性实验
在室内环境中,超宽频机器人标签可能超过超宽频锚的可见范围由于闭塞墙壁或障碍,在这种情况下会导致不准确的超宽频数据。因此,在超宽频定位进步,第一路径锚超宽频信号将被捕获的力量来确认超宽频数据的可用性。如果超宽频锚的沟通能力太低,这个超宽频锚的测距数据是不可靠的;然后,它将被丢弃。
图15显示的第一路径功率和测距结果四个超宽频锚作为机器人的位置发生了变化。当机器人在我位置,锚0被阻挡和干扰;它的信号功率很低。在这个阶段,锚的测距数据0是不稳定的,所以它被丢弃。当机器人搬到第二位置,锚0在机器人的可见范围,及其信号功率逐渐增加。超宽频锚都稳定的信号,他们的定位数据。当机器人离开位置II和III进入位置,锚3离开了机器人的可见区域。锚的信号功率3逐渐减少,其测距数据丢弃不准确造成的。
(一)
(b)
机器人定位的过程中,如果第一个路径的超宽频锚低于-95 dBm,机器人定位系统将丢弃这个锚的测距数据。当可用的总数超宽频锚小于3,超宽频定位机器人将被视为无效的状态。
5.3。多传感器定位实验
多传感器定位实验进行验证效果数据融合和机器人定位的超宽频,IMU和编码器。图16显示了超宽频机器人实验设备和环境,标签是安装在移动机器人上,和三个超宽频锚(锚锚1日2,锚3)分布。与此同时,机器人的速度计算基于乌兹别克斯坦伊斯兰运动传感器(MPU9250)和编码器。激光跟踪器是用来记录机器人的运行轨迹和位置坐标。超宽频信号的覆盖范围内,基于超宽频多传感器数据,IMU,编码器同时捕获和使用;超宽频信号的覆盖范围之外,机器人只能使用IMU和编码器定位。
给定的移动机器人的运行路径图所示17。机器人从点开始 ,通过点 ,最后到达点 。在实验环境中,区域完全是被超宽频信号覆盖。超宽频信号区略被墙,在区域C无效是由于严重的干扰。
三种定位方法进行了测试和比较的实验:(1)定位只有IMU和编码器(IMU定位);(2)定位的超宽频子系统(超宽频定位);(3)定位的IMU、编码器和超宽频子系统(IMU +超宽频定位)。
在多传感器定位实验中,机器人定位系统采用这三种不同的定位方法来估计移动机器人的坐标和角度。机器人的坐标系统成立,锚1作为坐标原点。图18显示坐标系和机器人的运行轨迹的三种定位方法。三个超宽频锚的坐标(0,0)、(2.0,3.0),(1.0,6.0)。在第一阶段,机器人从点开始(1.0,1.0)和到达点(1.0,5.6)的方向坐标轴。在第二阶段,机器人旋转90°,然后沿着的方向坐标轴的E (-8.0, 5.6)。
如图18,红线代表使用IMU定位机器人的运行轨迹。在整个生产过程中,机器人坐标可以估计和使用,但是随着时间的积累,定位误差逐渐增加。蓝色的线是使用超宽频定位机器人的运行轨迹。在区域C,机器人定位失败,因为超宽频信号是无效的。绿线代表机器人的运行轨迹使用IMU +超宽频定位。在区域和区域B,机器人使用数据融合的超宽频,IMU,编码器为定位,机器人仍然可以完成定位使用IMU和编码器数据区C。
图19显示机器人的坐标误差使用三种定位方法。图(19日)显示了当机器人从点坐标错误对点(SM阶段)。在初始阶段,IMU定位误差很小,但随着时间的推移它不断增加。超宽频的错误定位是最大的。由于超宽频数据被用来纠正IMU的航向角,IMU误差+超宽频定位有一些波动,保证其精度高。的最大协调IMU +超宽频定位误差小于0.05米。
(一)
(b)
图19 (b)显示了协调错误当机器人从点指出e(我阶段)。IMU误差定位不断增加,最大误差接近0.4米。在区B超宽频信号干扰,超宽频定位误差继续增加。在区域C,超宽频的方法定位失败,不能估计机器人坐标。在整个过程中,IMU误差+超宽频定位相对较小。即使超宽频信号无效区C,机器人还可以完成定位精度高。的坐标误差保持在0.16米。
基于数理统计,IMU的rms定位、超宽频定位和IMU +超宽频定位是0.1972米,0.0902米,0.0821米,分别。实验结果表明,基于超宽频、多传感器融合定位方法IMU,编码器具有更高的定位精度和稳定性。多传感器定位方法使用不同的传感器数据正确,相辅相成,从而拥有更强的抗干扰能力。即使一个传感器失败,机器人定位基于其他传感器仍然可以正常运行。
图20.显示了机器人的航向角的变化曲线的实验。在SM阶段(图20(一个)),所需的机器人的航向角为90°。在很短的时间内,IMU的航向角定位更稳定,但角误差不能被自动纠正。超宽频的航向角定位坐标计算的一些大的波动。这是因为超宽频数据用于纠正IMU错误,IMU的航向角+超宽频定位也有一些轻微的波动。在我阶段(图20 (b)),所需的机器人的航向角为180°。乌兹别克斯坦伊斯兰运动累积误差角的定位逐渐增加,这将导致更大的定位误差。超宽频信号干扰,超宽频定位角度错误,失败在区域C,而IMU的航向角+超宽频定位更加稳定。它在区域C仍然可以正常运行。
(一)
(b)
实验结果表明,多传感器定位方法的定位精度大大提高。超宽频数据可以正确的IMU的累积误差角,方位角是更稳定。超宽频信号干扰或无效时,机器人仍然可以使用IMU和编码器数据定位,具有较强的环境适应能力。
6。讨论的实验
与单传感器定位方法相比,基于超宽频、多传感器定位系统可以提高机器人的定位精度和适应性。通过数据拟合,机器人定位系统可以有效地减少超宽频多路径干扰引起的测距误差。室内和室外最大范围错误增加到0.1米和0.04米,分别。根据第一路径锚超宽频信号的力量,机器人定位系统可以判断超宽频定位数据的可用性和防止错误定位数据被使用。与此同时,定位系统可以选择稳定的超宽频锚收集位置数据。
一般来说,开发机器人定位系统基于数据融合和误差校正具有以下优点:(1)多传感器数据的相互校正提高了定位数据的稳定性和准确性。在机器人的运动,IMU可以纠正航向角超宽频数据,减少累积误差角(2)基于多传感器数据融合,机器人定位系统可以达到更高的精度定位。同时多传感器数据可用时,机器人的定位误差小于0.05米(3)机器人定位系统具有更好的抗干扰能力和环境适应能力。即使超宽频干扰定位数据,机器人仍然可以使用IMU和编码器数据定位,和最大定位误差在0.16米
7所示。结论
摘要提出了一种移动机器人的位置估计和定位误差修正方法基于超宽频,IMU和编码器。机器人定位系统包括一个mecanum轮式移动机器人远程控制计算机,和超宽频定位子系统。超宽频DS-TWR测距误差修正的方法和数据拟合。超宽频定位系统由超宽频锚、和超宽频机器人标记可以计算机器人的位置坐标。多传感器定位方法可以提高机器人的定位精度。机器人的坐标 被超宽频子系统,机器人速度 计算了IMU和编码器。多传感器数据不断的卡尔曼滤波器来估计机器人的位置。在定位过程中,超宽频数据也被用来减少乌兹别克斯坦伊斯兰运动所产生的累积误差角。在超宽频范围修正实验,数据拟合后的校正方程能有效提高超宽频测距精度。第一个路径的锚超宽频信号捕获确认超宽频数据的可用性。在多传感器定位实验中,多传感器定位方法(IMU + WB定位)比单一传感器定位方法具有较高的精度和稳定性(IMU定位和超宽频定位)。实验结果表明,基于超宽频多传感器定位方法,IMU,编码器可以有效改善移动机器人的定位精度,而且该方法具有较强的抗干扰能力。
在未来,我们将优化机器人定位系统,提高定位精度。例如,更可以结合不同类型的传感器在机器人定位和纠错的过程。除此之外,更多的多传感器定位测试将进行,以扩大其应用范围。
数据可用性
可以按照客户要求所有的数据都包含在本研究通过与相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作得到了国家预防重特大安全事故发生的关键技术项目在中国的安全生产,在格兰特江苏- 0002 - 2017 - aq、质量和科技项目和江苏省技术监督局,中国,格兰特KJ175933之下。