一种基于多传感器融合的移动机器人定位方法

联系合作
智能制造与装备
新一代信息技术
成果单位: 北京理工大学
合作方式: 自行实施技术转让
所处阶段: 概念
关键词: 移动机器人定位多传感器融合视觉惯性联合激光里程计扩展卡尔曼滤波最小二乘法变换矩阵
总得分 (满分100)
0
资本强度 (满分0)
该成果得分:0

核心问题

移动机器人在复杂环境中精确定位一直是个挑战,单一传感器定位方法往往受环境限制,导致定位精度和稳定性不足,影响机器人的自主导航和任务执行效率。

解决方案

本成果提出了一种基于多传感器融合的移动机器人定位方法。该方法通过整合多种传感器数据,首先利用视觉惯性联合位姿估计和激光里程计获取机器人的初步空间位姿和定位数据。然后,采用扩展卡尔曼滤波融合这些数据,得到更精确的空间位姿。最后,通过计算空间位姿与全局测量位姿之间的变换矩阵,实现机器人在全局坐标系中的精确定位。此方法有效结合了视觉、惯性和激光等多种传感器信息,提高了定位的准确性和鲁棒性。

竞争优势

相较于传统单一传感器定位方法,本成果融合了多种传感器数据,显著提高了定位精度和稳定性。采用扩展卡尔曼滤波和变换矩阵计算,实现了实时全局位姿的精确估计。此外,该方法适用于复杂多变的环境,具有广泛的适用性和鲁棒性,为移动机器人的自主导航和任务执行提供了有力支持。在新型电子元器件及设备制造、新兴软件开发、云计算与大数据服务等领域具有广泛应用前景。

成果公开日期

20241220

所属产业领域

信息传输、软件和信息技术服务业

转化现有基础

1、成果由北京理工大学单独持有;2、本成果已授权专利

转化合作需求

技术许可、合作开发、技术服务和咨询、技术转让等

转化意向范围

可国(境)内外转让

转化预期效益

会同成果完成团队与意向方共同研讨合作方案

项目名称

北京理工大学产业开发研究院

项目课题来源

北京市科学技术委员会;中关村科技园区管理委员会

摘要

一种基于多传感器融合的移动机器人定位方法,其特征在于,包括以下步骤: 步骤1、将多个传感器安装至待定位机器人机体上;根据所述传感器获取的数据,采用视觉惯性联合位姿估计得到所述待定位机器人的初步空间位姿,采用激光里程计得到待定位机器人的初步定位数据; 所述采用视觉惯性联合位姿估计得到所述待定位机器人的初步空间位姿,采用激光里程计得到待定位机器人的初步定位数据,具体包括如下步骤: 将时间对齐的IMU数据与图像数据传入视觉惯性位姿估计模块,建立运动模型;提取相机图像中的FAST角点,并利用光流法来追踪这些角点在接下来相邻图像中的位置;对IMU数据进行预积分,求取其在相邻两帧图像时间; 步骤2、采用扩展卡尔曼滤波将所述初步空间位姿及初步定位数据融合为所述待定位机器人的空间位姿;若当前计算为首次计算或到达更新周期时,执行步骤3;否则,执行步骤4; 步骤3、根据全局空间位姿坐标系计算出所述待定位机器人的全局测量位姿,求解相同时刻的所述空间位姿与全局测量位姿之间的变换矩阵; 所述求解相同时刻的所述空间位姿与全局测量位姿之间的变换矩阵,包括以下步骤: 采用最小二乘法求解实现所述空间位姿与全局测量位姿之间的变换矩阵,设置如下残差函数: 其中,Pi为所述待定位机器人的i时刻的所述空间位姿,Pi-1为所述待定位机器人的时刻的所述空间位姿,为所述待定位机器人的相邻两时刻空间位姿增量,Pm为m时刻所述空间位姿通过所述变换矩阵计算得到的实时全局位姿,Gm为m时刻所述待定位机器人的全局测量位姿,∑i为i时刻所述空间位姿对应的协方差,∑g为所述全局测量位姿对应的协方差,为m时刻与n时刻所述空间位姿与通过所述变换矩阵计算得到的实时全局位姿之间的残差; 步骤4、采用所述变换矩阵将所述空间位姿转换为所述待定位机器人移动过程中的实时全局位姿。

试试对话AI技术经理人
WENXIAOGUO
问小果
该成果有哪些相似成果?
该成果可能有哪些需求方?
该成果的市场前景如何?
北京理工大学的相关成果还有哪些?