面向智能移動機器人的定位技術研究.pdf

1、博士學位倫文面向智能移動機器人的定位技術研究作者:石杏喜指導教師:趙春霞教授南京理工大學2010年3月博士論文面向智能移動機器人的定位技術研究摘要隨著傳感器、計算機和人工智能等技術的不斷發(fā)展，具有思維、感知和動作能力的地面智能移動機器人在軍事、民用和科學研究中得到了廣泛的應用。其發(fā)展對國防、社會、經濟和科學技術具有重大的影響力，己成為各國高科技領域的戰(zhàn)略性研究目標。地面智能移動機器人能夠成功完成任務的一個基本條件是能夠在其所處環(huán)境中進行

2、自主導航，而自主導航就必然要求它們能夠進行自主定位。本文主要針對面向智能移動機器人的定位技術進行相關研究，使地面智能移動機器人在各種復雜環(huán)境下具有很好的自定位能力，具體的研究內容包括以下幾個方面:地面智能移動機器人定位系統(tǒng)的主要功能是能夠精確地確定其在地球表面的參考位置，而坐標系統(tǒng)是描述地面智能移動機器人運動，處理觀測數據和表達其位置的數學和物理基礎，論文首先討論了地面智能移動機器人定位中常用的坐標系統(tǒng)，深入研究了WGS一84空間直角坐

3、標、WGS一84大地坐標、高斯平面直角坐標以及機器人平面直角坐標之間的相互轉換關系。介紹了GPS載波相位基本觀測方程，在此基礎上推算了載波相位雙差GPS的坐標解算模型。為了保證差分GPS技術在大區(qū)域范圍內的定位精度，研究了基于虛擬參考站(VRS)的差分GPS技術，詳細推算了虛擬參考站上的雙差觀測值和單差觀測值的生成算法。針對基于差分GPSDR的組合定位問題，提出了一種尺度無色變換擴展卡爾曼濾波(SUTE燈)算法，由于差分GPSDR組合定

4、位系統(tǒng)中的狀態(tài)方程是非線性的，并且觀測方程是線性的特點，將SUT預測移動機器人位姿，利用EKF融合最新觀測值更新機器人位姿，該算法在狀態(tài)預測階段避免了計算Jacobian矩陣，從而有效地減小了線性化對非線性系統(tǒng)誤差的影響。提出了一種基于尺度無色變換和迭代擴展卡爾曼濾波(SUTIEKF)的同時定位與地圖創(chuàng)建(SLAM)算法。由于數據關聯(lián)對機器人的定位精度起著至關重要的作用，尤其是基于EKF的SLAM算法對錯誤的數據關聯(lián)非常敏感，一種基于多

5、算法匹配(MAM)的數據關聯(lián)方法被提出，該算法利用粒子采樣技術，將移動機器人位姿和特征地圖位置聯(lián)合概率分布以多個等權的粒子表示，各粒子進行獨立的同時定位與地圖創(chuàng)建，在相同觀測數據的基礎上，采用不同的數據關聯(lián)方法，將會得到不同的關聯(lián)集合，最后計算各關聯(lián)集合的交集并作為這一觀測的數據關聯(lián)結果。研究了一種混合濾波的SLAM算法，并利用統(tǒng)計理論對其進行一致性評估，該算法框架利用粒子濾波技術將機器人SLAM中的聯(lián)合后驗概率分布因式分解為機器人路徑