-
公开(公告)号：CN105737832B
公开(公告)日：2019-03-22
申请号：CN201610166273.2
申请日：2016-03-22
Applicant: 北京工业大学
IPC: G01C21/20
Abstract: 本发明公开了基于全局最优数据融合的分布式SLAM方法，本方法是利用分布式的结构将整个状态向量分为机器人位姿估计和路标估计共五维状态，将本应以矩阵形式集中计算的描述机器人位姿的观测分布概率公式进行分布化处理，依据每个有效路标点单独建立多个相互平行独立的子滤波器，然后将子滤波器的机器人的位姿估计结果在主滤波器中进行融合，并将子滤波器的融合结果通过全局预测器反馈修正，最后得到全局最优的机器人位姿估算结果。最后通过真实实验使用本发明算法和集中式算法对比，证明了本方法的可行性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN105606104A
公开(公告)日：2016-05-25
申请号：CN201610154634.1
申请日：2016-03-17
Applicant: 北京工业大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明公开了基于航向辅助分布式SLAM的机器人自主导航方法，属于机器人自主导航的范畴。本方法旨在结合机器人运动模型及观测模型的特点，在分布式滤波运算的框架下，分别比较粒子滤波与扩展卡尔曼滤波的诸如计算量等对系统性能有较大影响的因素，考虑到实时系统中对计算量的要求，采用分布式EKF算法设计滤波器而非采用PF算法，为了同时保证系统的可观测性，在传统的里程计+激光传感器作为传感器组合方案之外，引入磁罗盘作为辅助传感器从而给系统加入机器人的航向信息。该设计针对分布式滤波结构的观测模型，通过引入航向信息重新规划了滤波方法从而达到实用化机器人自主导航的目的，从而增加系统了的稳定性和精度。
-
公开(公告)号：CN106197428B
公开(公告)日：2019-03-22
申请号：CN201610541854.X
申请日：2016-07-10
Applicant: 北京工业大学
IPC: G01C21/20
Abstract: 一种利用测量信息优化分布式EKF估计过程的SLAM方法，在利用测量信息优化分布式EKF估计过程的SLAM方法中，根据路标点信息对应建立若干平行的子系统，各子系统单独进行滤波估计，将各自的估计结果送到主滤波器中，最后输出最优的机器人位姿估计结果。本发明针对分布式SLAM系统中EKF子滤波器估计精度存在的局限性问题，采用由传感器直接测得的观测量计算滤波器雅克比矩阵，利用改进的线性化方法提高子滤波器的估计精度。考虑到一致性对系统的影响，采用误差协方差阵和匹配信息共同参与数据融合过程的方法改进系统融合的方案，充分发挥分布式结构下观测信息的作用，保证系统在精度较高或一致性较高的情况下均能合理地做出融合判定。
-
公开(公告)号：CN106197428A
公开(公告)日：2016-12-07
申请号：CN201610541854.X
申请日：2016-07-10
Applicant: 北京工业大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 一种利用测量信息优化分布式EKF估计过程的SLAM方法，在利用测量信息优化分布式EKF估计过程的SLAM方法中，根据路标点信息对应建立若干平行的子系统，各子系统单独进行滤波估计，将各自的估计结果送到主滤波器中，最后输出最优的机器人位姿估计结果。本发明针对分布式SLAM系统中EKF子滤波器估计精度存在的局限性问题，采用由传感器直接测得的观测量计算滤波器雅克比矩阵，利用改进的线性化方法提高子滤波器的估计精度。考虑到一致性对系统的影响，采用误差协方差阵和匹配信息共同参与数据融合过程的方法改进系统融合的方案，充分发挥分布式结构下观测信息的作用，保证系统在精度较高或一致性较高的情况下均能合理地做出融合判定。
-
公开(公告)号：CN105606104B
公开(公告)日：2019-04-30
申请号：CN201610154634.1
申请日：2016-03-17
Applicant: 北京工业大学
IPC: G01C21/20
Abstract: 本发明公开了基于航向辅助分布式SLAM的机器人自主导航方法，属于机器人自主导航的范畴。本方法旨在结合机器人运动模型及观测模型的特点，在分布式滤波运算的框架下，分别比较粒子滤波与扩展卡尔曼滤波的诸如计算量等对系统性能有较大影响的因素，考虑到实时系统中对计算量的要求，采用分布式EKF算法设计滤波器而非采用PF算法，为了同时保证系统的可观测性，在传统的里程计+激光传感器作为传感器组合方案之外，引入磁罗盘作为辅助传感器从而给系统加入机器人的航向信息。该设计针对分布式滤波结构的观测模型，通过引入航向信息重新规划了滤波方法从而达到实用化机器人自主导航的目的，从而增加系统了的稳定性和精度。
-
公开(公告)号：CN105737832A
公开(公告)日：2016-07-06
申请号：CN201610166273.2
申请日：2016-03-22
Applicant: 北京工业大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明公开了基于全局最优数据融合的分布式SLAM方法，本方法是利用分布式的结构将整个状态向量分为机器人位姿估计和路标估计共五维状态，将本应以矩阵形式集中计算的描述机器人位姿的观测分布概率公式进行分布化处理，依据每个有效路标点单独建立多个相互平行独立的子滤波器，然后将子滤波器的机器人的位姿估计结果在主滤波器中进行融合，并将子滤波器的融合结果通过全局预测器反馈修正，最后得到全局最优的机器人位姿估算结果。最后通过真实实验使用本发明算法和集中式算法对比，证明了本方法的可行性和有效性。
-
-
-
-
-
Search Results
6
records
(took 0.012 seconds)
