论文部分内容阅读
近年来,机器人和无人驾驶技术不断深入发展,对机器人定位技术的研究也逐渐成为了当下的热点。目前的室内移动机器人,大多是通过安装在机器人上的各类传感器来对自身进行定位估计的,但受到传感器精度的影响,若仅依靠单个传感器的信息,会在一定程度上影响定位准确性。为提高定位精度,本文提出了一种基于迭代扩展卡尔曼滤波(IEKF)融合二维码和里程计信息的定位算法;在无法使用里程计的情况下,采用二维码、激光雷达和IMU传感器并借助扩展卡尔曼滤波(EKF)和自适应蒙特卡洛定位算法(AMCL)进行信息融合,以此来对机器人进行较准确的位置估计,具体研究内容如下:采用AprilTag二维码作为人工路标进行移动机器人辅助定位研究。考虑到部分拍摄的二维码图像较暗,为提高识别准确率,运用相关的图像处理技术对相机拍摄到的二维码图片进行处理,以获得理想的二维码图像用于后续定位工作。为使移动机器人在无法识别到二维码的情况下仍能按照预定路径行驶,将IEKF算法作为主体定位算法,对里程计数据融合二维码信息进行了算法设计。考虑到部分移动机器人无法安装里程计传感器,提出一种新的传感器数据处理方案,即使用RF2O(Range Flow-based 2D odometry)算法从激光雷达中提取机器人的运动数据,并借助EKF算法融合惯性测量单元数据和RF2O算法计算结果来进行定位。针对激光雷达在环境特征较单一的情况下,其特征提取效果不理想会导致RF2O算法的定位结果较差的问题,本文提出在自适应蒙特卡洛定位算法中利用AprilTag二维码信息对EKF的融合定位结果进行修正,以得到更加准确的位置。最后,设计并构建了移动机器人平台和Gazebo仿真环境,并在此基础上进行了机器人实际和仿真定位实验,结果表明,本文所提出的定位方法具有较好的实用性和较高的定位精度。