融合多传感器信息的移动机器人自定位方法.pdfVIP

第 34 卷第 6 期 东南大学学报 ( 自 然 科 学 版) Vol 34 No 6 　 2004 年 11 月 JOURNAL OF SOU THEAST UNIVERSITY (Natural Science Edition) 　 Nov. 2004 　　　　　　 融合多传感器信息的移动机器人自定位方法 尚　文 　马旭东 　戴先中 (东南大学自动控制系 , 南京 210096) 摘要 : 提出一种给定环境模型下移动机器人全局自定位算法 ,通过融合声纳传感器和视觉传感 器的异质传感信息把具有多模态、鲁棒性强的 Markov 方法和单模态、高效准确的 EKF 方法组 合应用并加以改进 ,来实现准确和快速的全局定位 , 同时提高位姿跟踪的准确性. Markov 方法中 位姿空间的低分辨率离散减小了存储需求 ,声纳感知模型对位姿空间分布进行初始化并提供了 全局的位姿假设 ,视觉感知模型实现了位姿分布更新 ,而基于视觉特征的 EKF 方法则提高了定 位的精度. 实验结果验证了本方法的有效性. 关键词 : 移动机器人 ; Markov 定位 ; EKF ; 融合 ( ) 中图分类号: TP24 　　文献标识码 : A 　　文章编号 : 1001 - 0505 2004 Mobile robot selflocalization basedon multisensory information fusion Shang Wen 　Ma Xudong 　Dai Xianzhong (Department of Automatic Control Engineering , Southeast University , Nanjin g 210096 , China) Abstract : A computation method is proposed for global localization which utilizes information from both sonar and vision sensors. The method combines multimodal , robust Markov and unimodal , efficient extended Kalman filter ( EKF ) localization with significant improvements for global localization and position tracking. In Markov localization , memory requirements are reduced with lowresolution discretization of pose space. The pose space distribution is initialized and pose hypotheses are acquired through sonar sensor model , and sensor update is accomplished through visual sensor model. Then visionbased EKF is utilized for localization precision. Experimental results demonstrate the validity of the approach. Key words : mobil