基于多传感器信息融合的移动机器人定位技术的研究

《基于多传感器信息融合的移动机器人定位技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于多传感器信息融合的移动机器人定位技术的研究摘要：机器人定位是实现导航的关键问题之一。为了满足机器人在导航时精确定位的要求，提出了基于多传感器信息融合的定位方法。该文详细阐述了多传感器信息融合技术在移动机器人领域中的优越性与理论方法，尤其对多传感器信息融合的技术对比进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展趋势。中国8/vie　　关键词：信息融合；多传感器；移动机器人；定位　　中图分类号：TP18文献标识码：A：1009-3044（2017）04-0171-02　　TheStudyofMulti-sensorInformationFu

2、sionbestedonLocalizationofMobileRobot　　FANChun-mei　　（ShaoguanUniversity，Shaoguan512026，China）　　Abstract：Robotlocalizationisoneofthemostimportantissuestotackleinnavigation.Inordertomeettherequirementofaccuratelocalization，alocalizationmethodbasedonmulti-sensorinformationfusionispropose

3、d.Theadvantageandthemethodoftheoryofmulti-sensorinformationfusiontechnologyindetailisdescribedintext，especiallyitgivesanin-depthdiscussiontoparitionoftechnologies.Atlast，futuredevelopmenttrendsofthistechnologyarealsopresented.　　Keyobilerobot；multi�Csensor；informationfusion；location　　1

4、引言　　智能移�踊�器人是能够通过传感器控制行为与执行命令，感知环境，感知自身状态等的机器人系统。它的定位技术研究的是创建地图、同步定位、路径规划等。　　移动机器人定位技术除了可以利用传感器确定机器人的位置信息，周围环境信息，还可以采用信息融合算法通过对信息整合后确定目的地，根据所建立的模型找出合适的路径。　　由于移动机器人技术在多个领域占据举足轻重的地位，如：遥感，工业，医疗系统，金融系统，外星探测等。本文指出定位技术的优越性，对定位技术的常用方法进行详细对比，并进一步地探讨其发展趋势。　　2信息融合基本概念及优越性　　信息融合可定义为：利用计算机技术对多个和/

5、或多类传感器信息按一定准则加以协调管理、自动分析、优化综合以完成目标检测识别、态势描述、威胁评估、判断决策等任务而进行的信息处理以及传感器与数据库的管理过程。　　信息融合技术从理论结合实际出发，在多个领域的应用中体现了它无可厚非的优越性：增加系统的生存能力，改善系统的可靠性，扩展时间、空间覆盖范围，信息处理速度快，提升系统对抗性能，信息获取成本低等。　　3基于多传感器的信息融合技术的理论方法　　3.1多传感器信息融合技术的常用方法　　　　3.2信息融合技术的比较　　3.2.1加权平均法　　优点：实现简单，运算量小。　　缺点：在不同的传感器能够独立进行定位时才有效，

6、应用受限制。　　3.2.2Bayes推理方法　　优点：Bayes网络推断有许多精确方法和近似方法，参数自适应和结构自适应方法。　　缺点：所有要求的数据都必须是独立的，会给系统造成比较大的困难；在系统中增减一个规则时，需要重新计算所有的概率，才能保证系统的相关性和一致性。　　3.2.3Kalman滤波　　优点：可以估计平稳的一维随机过程和非平稳的多维随机过程，适合于实时处理并可减少实时在线计算量。它被广泛应用于制导系统、定位系统、通遥感、金融等。　　缺点：只适用于线性系统，并且要求观测方程也必须是线性的。　　3.2.4扩展Kalman滤波　　优点：1）计算速度快，存

7、储量低，在工程应用方面有明显的优势；2）在高斯白噪声且非线性强度低的环境中，算法稳定、收敛速度较快、估计精度较高；　　缺点：1）需要计算雅可比矩阵，而且在非线性强度大的环境中，线性化容易增大，估计精度会明显下降，甚至发散；2）当初始状态相对误差较大时，扩展Kalman滤波很不稳定、收敛速度慢、估计精度较高；3）在复杂的非高斯环境中，扩展Kalman滤波算法也不适用。　　3.2.5Unscented滤波　　优点：1）对于非线性系统，与扩展Kalman滤波比较起来，Unscented滤波不需要计算矩阵的雅可比式，计算简单且更容易实现；2）对高斯型密度函数可以精确估计到

8、三阶，对非