多传感器融合改进的机器人定位决策.pdfVIP

计 算 机 系 统 应 用 http：／／www．c-s—a．org．ca 2011年 第2O卷 第 lO期 多传感器融合改进的机器人定位决 唐骥锋，刘国栋 (江南大学 物联网工程学院，无锡 214122) 摘 要：在复杂的不确定环境里，采用单一传感器对机器人进行定位时精度较低，并且易受干扰，可靠性较差。 针对这一问题在粒子滤波器移动机器人 SLAM 算法的基础上，利用多传感器融合对算法进行改进，将观测信息 进行特征级融合，充分利用各种传感器采集的冗余信息，并将融合后的观测信息分别用来估计机器人路径和环 境特征的后验概率分布。仿真试验表明，改进后的算法在 SLAM 定位精度及可靠性上都有较大的提高，证明了 该种方法的可行性。 关键词：机器人定位；地图创建；多传感器融合；粒子滤波器 ImprovedRobotsLocalizationDecisionsBasedonMulti．SensorFusion TANG Ji-Feng，LIU Guo-Dong (IntemetofThingsEngineeringCollege，JiangnanUniversity,Wuxi214122，China) Abstract：Inacomplexanduncertainenvironment，usingasinglesensorontherobotlocalizationispoorinaccuracy andreliability,andsusceptibletotheinterference．Forthisproblem，themobilerobotSLAM algorithm basedonthe particlefilterisimprovedforuseofmulti-sensorfusionalgoritmh ,Thenew algoritmh ufsesobserveinformationonthe featureleveltotakeadvantageofredundantinfomr ationcollectedbyvarioussensors，andthefusioninformationof observationswereusedtoestimatetheposteriorprobabiliyt distributionofrobotpathandtheenviromn ental characteristics．Thesimulationresultsshowthathteimprovedalgoritmh inaccuracyandreliabiliytofSLAM has greatly improved，anddemonstratedthefeasibiliytofthemehtods． Keywords：robotlocalization；mapbuilding；multi—sensorufsion；particlefilter 近年来 ，移动机器人 的同时定位和地 图构建 展卡尔曼滤波算~(EKF)t2]。 (Smiultaneouslocalizationandmapping，SLAM)已经成 在 以往的研究中多采用扩展卡尔曼滤波同时进行 为移动机器人领域的一个研究热点，机器人同时定位 多信息融合和机器人 SLAM 。但由于EKF存在较大的 和地图创建最先由SmithSelf和 Cheese提出【¨。在以 线性误差，所 以直接导致定位精度较低 。本文在 往机器人定位过程中，采用的多为单一传感器，由于 Rao．Black-wellised粒子滤波器的基础上圳【，在观测阶 单一传感器分辨率较低，在复杂环境中难以取得理想 段利用扩展卡尔曼滤波进行多传感器信息融合，从而 效果。因此在定位过程中，需要引进多传感器融合算 得到可靠的观测信息矩阵，进一步通过粒子滤波器得 法。多传感器融合算法有多种，但由于机器人定位过 到更为准确的环境特征以及机器人位姿的后验概率分 程的实时递推性，以及机器人系统的非线性、菲高斯 布。其传感器采用移动机器人应用最为广泛的超声波 性，因此，目前较为流行的是能够实时递推更新的扩 传感器和激光测距仪。 ① 收稿