简论迭代卡尔曼滤波在机器人定位中的应用的论文

《简论迭代卡尔曼滤波在机器人定位中的应用的论文》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、简论迭代卡尔曼滤波在机器人定位中的应用的论文摘要:定位是移动机器人最基本的问题之一。应用了迭代卡尔曼滤波(iekf)集成航位推算和全局观测信息,解决机器人的定位问题。该方法在卡尔曼滤波测量更新阶段,多次迭代计算估计状态,直到误差小于一定的阈值。减少了由于泰勒展开的截断带来的定位误差,使得算法的收敛稳定性增强。最后通过仿真实验与ekf方法比较。结果表明,iekf在移动机器人定位中是一种有效的方法。关键词:迭代卡尔曼滤波;误差分析;移动机器人;机器人定位　　　　　　applicationofiteratedkalmanfilteringinrobotlocalization

2、　　longhui1,huli2,zhouyan-yu3　　(1.hunanbiologicalandelectromechanicalpolytechnic,changsha410126,china;2.hunanintelligentcontrolsystempany,changsha410001,china;　　3.collegeofinformationengineering,centralsouthuniversity,changsha410075,china)　　abstract:localizationisoneofthemostfundamentalpr

3、obleminmobilerobots.thelocalizationproblemanfiltering(iekf)bybiningthereckonreferenceandglobalobservationinformation.inthemeasurementupdatephaseofkalmanfiltering,thestateestimationisiteratedmanytimesuntilestimationerrorislotaylorexpandisreducedeffectively.theconvergentstabilityprovedby

4、themethod.finally,iekfandekfmethodsarepared.thesimulationresultshoethodinlocalizationofmobilerobots.keyanfiltering;erroranalysis;mobilerobots;robotlocalization　　　　0引言　　定位是自主机器人导航当中最基本的问题之一[1],对于一个自主机器人系统,精确的空间定位是其实现自主导航的前提。.leonard和durrant-an滤波[3]是一种线性无偏最小方差估计,采用时间递推得到的,模型简单,数据存储量小,特别适用于

5、计算机应用,已被广泛应用于航天、航空、航海、系统工程、通信等多种领域状态的估计和控制中。　　1问题描述　　在二维空间,移动机器人的位置可以用3个变量表示(x,y,θ)[4],其中x,y和θ分别表示机器人的位置坐标和方位角。机器人具有的运动模型如下:　　x(k+1)=f[x(k),u(k),an于1960年提出的,它是一种简单有效的线性最优递推估计算法,可估计带噪声的线型动态系统状态。然而,假设卡尔曼滤波器是线性系统,但实际上机器人的运动模型与观测模型是非线性的。因此通常采用扩展卡尔曼滤波器(extendedkalmanfilter,ekf),并通过一阶泰勒展开来近似

6、非线性模型。依据curran[5]综合航位推算、超声和红外传感器数据,提出了基于ekf的定位和运动控制算法。为了简化定位算法,jensfelt和christensen[6]应用加权霍夫变换算法提取了环境特征,采用最小化环境特征模型和激光雷达数据,建立了基于ekf的位姿跟踪算法。基于ekf的滤波算法分为时间更新和测量更新2个阶段,具体步骤如下:　(1)初始化。给定机器人初始位置和协方差矩阵:　　+0=[x(0),y(0),θ(0)]t;p(0)+　　(2)时间更新。　　当k≥1,则:　　(k)-=f[(k-1)+,u(k)]　　p(k)-=axp(k-

7、1)atx+bup(k-1)btu+q(k)　　ax=fxx=x(k)+,bx=fuu=u(k)　　(3)测量更新:　　(k)+=(k)-+k(k)[z(k)-(k)]　　=h[x(k)]　　p(k)+=[i-k(k)h(k)]p(k)-　　其中:卡尔曼增益:　　k(k)=p(k)-h(k)t[h(k)p(k)-h(k)t+　　r(k))-1h(k)=h(x)xx=x(k)+　　(4)重复第(2)和第(3)步。　　算法中采用矩阵a,b,h系统运动方程和测量方程对状态和输入求偏导数的雅克比矩阵。　　2