基于超声波传感器的移动机器人定位研究.pdf

《基于超声波传感器的移动机器人定位研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、58传感器与微系统(TransducerandMicrosystemTechnologies)2013年第32卷第4期基于超声波传感器的移动机器人定位研究程华彬，张颖超(南京信息工程大学信息与控制学院，江苏南京210044)摘要：为了解决超声波传感器在感知环境的过程中的不确定性问题和在定位过程中存在的噪音，以Pioneer3-AT机器人为实验平台，运用概率算法解决对象本身和对象之间的不确定性关系，理出各种算法之间的内在联系，对移动机器人的定位算法作了相关分析与研究，并利用Mobilesim平台在自建的现场全局地图上进行实验。实验表明：使用改进蒙特一卡罗

2、算法的移动机器人有着较好的定位效果，能够满足实用要求。关键词：自建地图；Bayes滤波框架；改进蒙特～卡罗算法；定位中图分类号：TP391文献标识码：A文章编号：1000-9787(2013)04-0058-03R1～esearC1n0n1’oCali-zat-i-0lnOlnm01Dl■ilero1Dot‘1DaSec10nultrasonicwavesensorCHENGHua-bin，ZHANGYing—chao(SchoolofInformation&Control，NanjingUniversityofInformationScience&T

3、echnology，Nanjing210044，China)Abstract：Inordertosolvetheproblemofuncertaintyofinformationfromtheultrasonicwavesensorintheprocessofsensingenvironmentandnoiseinthelocalizationprocedure，Pioneer3-ATrobotisusedasexperimentalplatform，probabilisticalgorithmsareusedtosolvetheuncertainre

4、lationshipsbetweentheobjectitselfandbetweentheobjects，theintrinsicconnectionbetweenthevariousalgorithmsissorted，andrelatedanalysisandresearchonlocalizationalgorithmsofmobilerobotarecarriedout．Someexperimentshavebeencan'iedoutinself-buihsiteglobalmapontheMobilesimplatform．Experim

5、entalresultsshowthatthemobilerobotusingmodifiedMonte—Carl<)algorithmhasgoodpositioningeffect，andcanmeetpracticalrequiJ’ements．Keywords：self-buihmap；Bayesianfilteringframework；modifiedMonte—Carloalgorithm；localization0引言程中，很少能够预先提供某种场景准确的地图信息，也存住在室内移动机器人的导航中，实现机器人自身的准确着地图信息不配套的情况

6、。定位是机器人自主导航的前提与基础。机器人的自定位实为了体现真实环境，本文首先简要介绍如何构建现场质就是通过机器人自身传感器获取周围环境的信息，通过全局地图，之后对移动机器人的定位算法作了相关分析与研究，最后利用自建地图对基于超声波传感器移动机器人定位算法融合传感器数据，得到机器人的位姿信息，达到自定位进行实验。实验表明：使用成本较低的超声波和改进主定位的功能。近年来，越来越多的研究者把概率理蒙特一卡罗算法的移动机器人有着较好的定位效果，能够满沦应用到移动机器人的定位中。对于解决全局定位足实用要求。问题，最具代表性的是蒙特一卡罗定位算法和Markov定

7、位1自建现场全局地图算法。机器人利用激光雷达采集数据离散点，采用“分合”方目前，国内外的研究重点侧重于基于地图思想的定位法与步骤创建局部地图，主要通过离散点分块、动态阈值、算法，通过存储在地图中的特征物和被感知到的这些特征物相对于机器人的位置，可以确定机器人的当前位置。虽线段拟合，线段参数列举几个步骤的来完成。首先，把激光说在结构化室内环境中通过已知地图进行移动机器人的定采集到的离散数据点按照两点间的距离大小结合动态阂值位与导航研究已经有许多成功的先例，但在实际应用过方法分隔成彼此不连通的区域，之后，将这些区域分隔成线收稿日期：2012—11_l6基金

8、项目：国家自然科学基金资助项目(61105115)；江苏省产学研联合创新资金一前瞻性联合研究资