移动机器人的本地化：发展与比较 基于算法的评估 关于奥多计量和惯性 传感器外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

Localization of Mobile Robots:

Development and Comparative

Evaluation of Algorithms Based

on Odometric and Inertial

Sensors

G. Ippoliti, L. Jetto, and S. Longhi*

Dipartimento di Ingegneria Informatica Gestionale e dellrsquo; Automazione Universitagrave; Politecnica delle Marche Via Brecce Bianche

60131 Ancona, Italy

e-mail: g.ippoliti@univpm.it, l.jetto@univpm.it, sauro.longhi@univpm.it

Received 26 September 2003; accepted 24 May 2005

摘要：一个自主的移动机器人必须能够阐述由此提供的措施传感器设备相对于坐标系定位本身。 的精度位置估计取决于传感器的精度和测量的可靠性处理算法。 本文的目的是提出一种低成本定位系统使用内部传感器，如里程表和光纤陀螺仪。 三个简单的本地化提出了基于不同传感器数据处理程序的算法。其中两个在一个确定性的框架下运作，第三个操作是随机的不确定性由感知和未建模的机器人动力学引起的框架。所提出的本地化算法的性能通过广泛的集合进行测试的实验室实验，并在定位精度和计算方面进行了比较成本。

.

1. 介绍

存在两种不同种类的移动机器人定位：相对和绝对。 第一个是基于传感器提供的测量动态的数据车辆内部的变量; 绝对本地化需要传感器测量一些参数机器人运行的环境。如果环境只是部分已知，施工也需要适当的环境地图。实际的趋势是利用互补性这两种感官信息的改善本地化程序的精度见（例如参考文献 1和2）以牺牲成本增加为代价和计算复杂度。

.

目的是改善移动机器人的自主权通过提高其本地化能力到周边环境。在这个框架中，研究兴趣集中在多传感器系统上，因为单个感觉器件的固有局限性，只能提供关于环境的部分信息，从而限制了机器人本身化的能力。在文献中提出的用于多传感器信息的有效集成的方法和算法根据关于环境的先验信息而不同，其可以是几乎已知的和静态的，或几乎未知的和动态的。最近，同步本地化和地图建设问题（SLAM问题）还对增加移动机器人导航的自主权进行了深入调查，（参见例如参考文献3-9）开发可以构建其环境地图的移动机器人的想法，同时使用该地图本身化，承诺允许这些车辆长时间自主运行未知环境。用于移动机器人定位的测量系统仅基于相对或推算方法，例如编码器，陀螺仪，超声波等，具有在机器人内完全独立的相当大的优点，相对简单的使用，并且能够保证高数据速率。这些系统的不便之处在于，它们集成相对增量，并且如果不使用适当的传感器融合算法，则定位误差可能会随时间而显着增长。

本说明的目的是调查与仅基于内部传感器低成本的传感器设备获得的性能。

典型的内部传感器是固定在驱动轮的轴线上或车辆转向轴上的光学增量编码器。 在每个采样时刻，基于采样间隔的编码器增量来估计位置。这种方法的回顾是总结了每个度量的错误。 这严重地降低了车辆的位置和方向估计，特别是对于长而缠绕的轨迹。 参考文献12和13提出了实用方法，以减少由于有效轴距和不等轮直径的不确定性导致的测距误差。

通过使用绝对传感器（如声纳，激光，GPS和视觉系统）提供的数据定期校正内部措施，可以克服整体测量误差持续增长的问题.为了减少这些昂贵的校正频率， 是提高内部传感器性能的必要条件。 一种用于减少测距误差的系统校准方法已经在参考文献12中提出。 参考文献21低成本内部传感器系统，如陀螺仪，加速度计，和倾斜传感器的准确度进行了分析。在最后一个参考文献中报告的实验结果显示，陀螺仪比加速度计显着更有用，以提高导航系统的性能，其中编码器和陀螺仪测量的集成已经由扩展卡尔曼滤波器（EKF）执行。 参考文献21-28中也报道了类似的结果

基于上述讨论，本文的目的是提出并比较三种不同的移动机器人定位算法，仅使用里程表和陀螺仪等内部传感器。第一种方法（算法1）是最简单的，只是基于原始编码器数据的数值积分;第二种方法（算法2）将陀螺仪数据替换为提供由编码器提供的增量的数值积分的方程式。第三种方法（算法3）在随机框架中运行，其中不确定性由测量噪声和机器人模型的不准确性引起。在这种情况下，正确的方法是将本地化问题制定为状态估计问题，而适当的工具是EKF（参见例如参考文献。 21-28）因此，算法3是一个适当定义的EKF，它们融合在一起测量和陀螺仪数据。与其他基于EKF的技术的区别在于，这里所采用的方法从机器人的运动学模型得出状态空间形式的动力学方程，而测量方程则是从编码器增量的数值积分方程得出的。。这允许我们将所有可用的信息内容融合在一起，这些内容由机器人动态和采集的措施携带。

本文是通过以下方式进行组织。 机器人模型和传感器设备设备在第2节中描述。位置估计算法在第3节中报告。第4节包含对移动基础上进行的实验测试的详细描述。

图 1. 独轮机器人的方案

其中vr t和vl t分别是右，左车轮的角速度，r是轮距，d是车轮之间的距离。

假设在足够小的采样周期Dtkordf;tk 1-tk的恒定vr t和vl t，时刻tk 1时机器人的位置和取向可表示为¹¹

1. 传感器设备
2. 气压测量

考虑具有两个驱动轮的独轮车状移动机器人，安装在机器人上的左侧和右侧，其共同轴线穿过机器人的中心，见图1 。

该移动机器人在二维空间中的定位需要知道两个驱动轮之间的中点的坐标x和y以及机器人主轴与X方向之间的角度u。 独轮机器人的运动学模型由以下方程描述:

其中n t和v t分别表示机器人的位移和角速度，并表示为

lt;

全文共17772字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[142707]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 大型起重机总体与机构设计外文翻译资料
• 船舶航向保持自适应模糊控制器设计中的应用 命令的筛选与最小参数外文翻译资料
• 海上起重机桁架式臂架结构的安全性评价外文翻译资料
• 货物多式联运中运筹学研究综述外文翻译资料
• 基于CREO的RTG40起升机构设计及虚拟装配外文翻译资料
• 基于CREO的RTG40小车运行机构设计及虚拟装配外文翻译资料
• 立体仓库输送分拣控制系统设计外文翻译资料
• 浅议小批量生产制造业的成本控制分析外文翻译资料
• 纤维加强柔性弯曲致动器的建模分析外文翻译资料
• 大型自动化立体仓库系统中两个堆垛机的运动规划外文翻译资料