卡尔曼滤波在足球机器人定位中的应用.pdfVIP

《装备制造技术)2oo8年第2期 卡尔曼滤波在足球机器人定位中的应用 董晓杰。陈启军 (同济大学控制科学与工程系，上海201804) 摘要：在动态环境中的自我定位是移动机器人的一个关键问题。机器人要完成复杂的任务，首先要感知周围环境，得到机器人的位姿，才 能完成后续的决策及规划。卡尔曼滤波是一种最优化回归数据处理算法，已广泛应用于机器人导航、传感器数据融合、导弹追踪。本文将 卡尔曼滤波应用于足球机器人定位中。 关键词：卡尔曼滤波；导航；定位；建模 中图分类号：TP242 文献标识码：A 文章编号：1 672—545X(2008)02—0045～04 导航系统是移动机器人的一个关键子系统。在很多应用 数据处理算法，可估计带噪声的线型动态系统的状态。 中，导航系统最关心的一个要素是机器人的自我定位【1]，也就是 卡尔曼滤波器用反馈控制的方法估计过程状态：滤波器估 自身的位置和方向。机器人只有得知自身位姿，才能进行路径 计过程某一时刻的状态，然后以(含噪声的)测量变量的方式获 规划和决策，完成一系列复杂的任务。在多机器人团队中，机器 得反馈。因此卡尔曼滤波器可分为两个部分：预估阶段和测量 人通过交换位姿信息来确定相关的有组织的行为。在足球机器 更新阶段。 人中，机器人定位也是一个关键技术。得到位姿信息，机器人才 设一动态系统描述如下： 能移动到目标点，团队之间才能进行传球等一系列配合。 xk=Ark—I+Buk_t+V I (1) 机器人的定位技术可以分为两类：相对定位和绝对定位。 Zk=Hxk+vk (2) 相对定位是根据机器人前一时刻的位姿和由编码器、里程计等 式中x为系统状态变量，z为观测变量，u为外部输入变 传感器得到此刻的位姿。绝对定位是通过激光超声波、视觉系 量。 统、或GPS等传感器，利用已知位置的标志物进行定位，需要 随机信号W和v分别表示系统噪声和观测噪声。假设它们 对环境的先验知识。如根据路标的几何关系定位；提取直线然 为相互独立的高斯白噪声： 后霍夫变换[6-71，在参数坐标系定位。 P( ：N(0，Q) (3) 相对定位由于会累计误差，时间越长精度越差，因此只能 P(订 ：N(0， (4) 在比较短的路程精确定位。绝对定位虽然误差相互独立，不会 则卡尔曼滤波方程可用以下递推方程表述： 随着时间累计，但容易受到干扰，短时间内波动很大。由此也出 现了结合相对定位和绝对定位的方法，融合多种传感器信息， i --a．~h1+Bu虹1 R= +j，(H 固 对机器人载体进行定位，如卡尔曼滤波圈和蒙特卡罗方法 。 =A 4 - = i|『+ ( 瓜|『) 由于在足球机器人中存在误差和噪声，包括运动系统和测 1+Ar+Q 量系统。如果直接利用这些数据将会对机器人定位造成偏差， = (J一 H) 并且会累计误差使得定位失败。卡尔曼滤波对于含噪声的动态 由式可知，当观测噪声协方差R越小，增益 越大。特别 系统是一种很好的处理方法。卡尔曼滤波采用物理意义较为直 地，当月趋向于零时，有： 观的时间域语言，仅需要有限时间内的观测数据，具有计算量 tim Kk=H