融合視覺與慣性導航的機器人自主定位.pdf

1、精確的移動機器人定位是當今學術研究的重要領域，是機器人自主導航的基礎。傳統(tǒng)的基于全球定位系統(tǒng)等外部定位方法雖然精度高但是使用條件具有局限性。而利用機器人視覺系統(tǒng)能夠實現(xiàn)精確的自主定位，適用場景廣，但易受到累積誤差影響，融合慣性導航系統(tǒng)可以有效的彌補視覺定位方法的不足。
　　 本文研究融合慣導信息的機器人視覺自主定位方法。由于傳統(tǒng)慣性導航定位中姿態(tài)解算的誤差傳遞到航位推算中，經(jīng)過積分運算后誤差被累積影響定位精度并發(fā)生“漂移”，本文

2、提出一種適合移動機器人的融合輪式里程計的慣導航位推算方法，避免了積分線加速度的航位推算，利用慣導解算姿態(tài)將輪式里程計的輸出實時的投影到導航坐標系中，提高了慣導的定位精度與穩(wěn)定性。
　　 另一方面，現(xiàn)有的視覺里程計算法中航向、俯仰和側傾3個姿態(tài)角估計是耦合的，某個方向角的估計誤差會投影到其他2個方向角估計中，經(jīng)長時間累積后，使得運動姿態(tài)估計結果存在嚴重的方向偏差。本文提出實時擴展卡爾曼濾波器姿態(tài)估計模型，利用慣導結合重力加速度方向

3、作為補充，對視覺里程計三個方向姿態(tài)估計進行解耦，修正姿態(tài)估計的累積誤差；根據(jù)運動狀態(tài)采用模糊邏輯調整濾波器參數(shù)，實現(xiàn)自適應的濾波估計，降低加速度噪聲的影響，有效的提高了視覺里程計的定位精度和魯棒性。
　　 最后，由于慣導和視覺里程計屬于局部定位方法，缺少全局信息從而累積誤差無法修正。本文研究基于慣導的視覺同時定位與地形構建，提出基于擴展卡爾曼濾波的SLAM方法，用慣導數(shù)據(jù)作為局部運動預測，利用匹配的SIFT特征作為路標進行數(shù)據(jù)關