卡曼機(jī)器人-2

1、關(guān)于LRF傳感器在卡曼濾波機(jī)器人定位中的應(yīng)用LukaTesli￠_Ig.krjancGregKlan￡ar【摘要摘要】此論文是基于機(jī)器人定位所涉及的輸出波做出評估，卡曼濾波器本地化的移動機(jī)器人激光測距儀（激光）傳感器在環(huán)境描述與線段。協(xié)方差的觀察環(huán)境，構(gòu)成outputnoise協(xié)方差矩陣的校正步驟，擴(kuò)展卡爾曼濾波，是由于噪聲引起的范圍傳感器的（例如，一個激光測距儀）測量距離和角度。一種方法估計協(xié)方差的線路參數(shù)對經(jīng)典最小二乘（最小二乘）算

2、法。這種方法是比較所產(chǎn)生的正交最小二乘法在計算復(fù)雜性。比較結(jié)果表明，采用經(jīng)典的最小二乘而非正交最小二乘減少計算的定位算法是一部分一個（同時定位與地圖）算法。統(tǒng)計準(zhǔn)確性的方法還比較了模擬的測量和比較，證明其效率提出的方法。前言前言機(jī)器人定位和定位的問題得到廣泛的研究。目前，機(jī)器人為了知道自己的姿態(tài)及定位問題，必須建立一個地圖，機(jī)器人需要知道環(huán)境地圖及映射的問題，本地化本身其目前的構(gòu)成。機(jī)器人可以本地化本身利用里程計測量和比較本地地圖，從當(dāng)

3、前視圖的機(jī)器人，建立一個全球環(huán)境地圖。映射和定位的問題可以分開處理，如果機(jī)器人的姿態(tài)是給予該機(jī)器人由一人或通過使用全球定位系統(tǒng)和慣性導(dǎo)航系統(tǒng)傳感器構(gòu)建戶外環(huán)境當(dāng)?shù)貓D。該地圖的環(huán)境可以用來解決本地化問題。避免假設(shè)該機(jī)器人的姿態(tài)是眾所周知的一個大問題即同步定位與地圖，其中問題的定位和測繪合并建立算法。算法的計算眾所周知是非常復(fù)雜操作的。解決大問題聯(lián)合組成的國家機(jī)器人的姿態(tài)和位置，觀察固定標(biāo)志（例如，線段）必須估計。需要所有的標(biāo)志和聯(lián)合協(xié)方差

4、矩陣更新每次觀測了。這意味著程度的擴(kuò)展二次計算一些地標(biāo)在地圖許多方法已經(jīng)制定了減少這種復(fù)雜性和相關(guān)計算。在全面調(diào)查的最大問題的提出，并在文獻(xiàn)中，許多方法和算法在求解，定位與地圖的問題已經(jīng)提出。在一個比較算法中采用二維激光測距儀報告。因?yàn)樗乃俣群驼_性，在此基礎(chǔ)上比較分裂與合并算法選擇在本文中。該卡爾曼濾波技術(shù)是非常常用來解決定位的問題。收斂性的卡曼濾波算法，因此大大取決在設(shè)置過程的輸入和輸出協(xié)方差矩陣。這些矩陣必須是適當(dāng)?shù)脑O(shè)置。在我們

5、先前的工作一個卡爾曼濾波為基礎(chǔ)的定位算法一種移動機(jī)器人與激光測距儀是介紹和測試模擬器建中，那里的噪聲協(xié)方差矩陣卡爾曼濾波是來自噪聲方差已知的角速度測量兩個機(jī)器人車輪。然而，本文重點(diǎn)推導(dǎo)的輸出波協(xié)方差矩陣該卡爾曼濾波器和估計方法參數(shù)的協(xié)方差提出了。在一個環(huán)境描述與線段，協(xié)方差的線性參數(shù)構(gòu)成輸出波協(xié)方差矩陣的擴(kuò)展卡爾曼濾波。線段往往用于描述環(huán)境和文件的不同方法是用來估計協(xié)方差的正常輸出參數(shù)。在這項(xiàng)工作中提出的估算方法這些協(xié)方差是源于經(jīng)典的最

6、小二乘（最小二乘）并計算更有效率比法從正交最小二乘如果線路參數(shù)和協(xié)方差矩陣計算從8至200點(diǎn)，該方法產(chǎn)生的從經(jīng)典的最小二乘在噪聲情況與非零或零的角方差約4至6至7倍或4少操作該方法比產(chǎn)生正交最小二乘，分別。在未來的定位算法，本文將擴(kuò)展到算法，在相同的方法作為本文提出將被用于估計參數(shù)和它們的協(xié)方差。因此，該算法在計算成本的計算線參數(shù)和協(xié)方差將一樣的定位算法中本文。統(tǒng)計各種方法的準(zhǔn)確性分析兩種方法比較。準(zhǔn)確的線路參數(shù)協(xié)方差估計與經(jīng)典的最小二

7、乘法造成的取決于一些線段點(diǎn)從這些協(xié)方差估計。精度的方法從正交最小二乘估計的準(zhǔn)確性取決于差異的激光測距儀的測距誤差和方差的激光梁角誤差，必須從一個先驗(yàn)給定的噪聲模型。標(biāo)準(zhǔn)偏差和協(xié)方差的線路參數(shù)估計每個方法接近的統(tǒng)計估計參考標(biāo)準(zhǔn)偏差和協(xié)方差在噪聲情況（零和非零的角方差）。在oxp.k表示時刻狀態(tài)估計中獲得即時鉀最后的校正步驟擴(kuò)展卡爾曼濾波和op.k表示協(xié)方差矩陣的相應(yīng)估計誤差。qxp.kc1表示狀態(tài)預(yù)測和qp.kc1表示協(xié)方差矩陣的stat

8、eprediction誤差。機(jī)器人的姿態(tài)糾正最小的差異之間的線路參數(shù)的局部環(huán)境地圖線路參數(shù)的全球地圖，轉(zhuǎn)化為機(jī)器人的坐標(biāo)。全球環(huán)境的地圖由線部分是先驗(yàn)已知的機(jī)器人。建立一個機(jī)器人當(dāng)?shù)氐沫h(huán)境地圖，這也是組成的線段，從目前的激光掃描。全球環(huán)境的地圖是由一組線段描述的邊緣點(diǎn)和線參數(shù)我與圓周率的方程在正常形式的基礎(chǔ)上的全球協(xié)調(diào)公司。線段的目前的環(huán)境掃描合并在當(dāng)?shù)氐牡貓D，并描述了邊緣點(diǎn)和參數(shù)及國際扶輪（圖1）本線方程在正常形式：該線段的全球地圖，

9、對應(yīng)于同一環(huán)境線段（例如，一個墻）的線段當(dāng)?shù)氐牡貓D，必須找到。匹配的策略是通過從和其他一些匹配的方法可以找到在。每個線段的局部地圖是通過重疊率比所有的線段的全球圖轉(zhuǎn)化到機(jī)器人坐標(biāo)根據(jù)預(yù)測的機(jī)器人的姿態(tài)。如果重疊率之間的最相似的地方和全球線段低于閾值，該線段配對。匹配線參數(shù)和我從當(dāng)前本地地圖收集在向量z.k=[1；：：：]；這是用來作為輸入的校正一步的擴(kuò)展卡爾曼濾波更新車輛的狀態(tài)。參數(shù)和線段的匹配根據(jù)坐標(biāo)機(jī)器人從全球地圖轉(zhuǎn)化為參數(shù)當(dāng)采用擴(kuò)