机器⼈室内定位⽅法概述
引⾔
⾃主移动机器⼈导航过程需要回答三个问题：“我在哪⾥？”“我要去哪⼉？”和“我怎样到达那⾥？”。定位就是要回答第⼀个问题，确切的，移动机器⼈定位就是确定机器⼈在其运动环境中的世界坐标系的坐标。
根据机器⼈定位可分为相对定位和绝对定位。
离子风机aryang⼀、相对定位
移动机器⼈相对定位也叫作位资跟踪，假定机器⼈初始位资，采⽤相邻近时刻传感器信息对机器⼈位置进⾏跟踪估计。相对定位分为⾥程计法和惯性导航法。 1. ⾥程计法
在移动机器⼈车轮上装有光电编码器，通过对车轮转动记录实现位资跟踪。航位推算法是假定初始位置
已知，根据以前的位置对当前位置估计更新。缺点是：航位推算是个累加过程，逐步累加的过程中，测量值以及计算值都会累积误差，定位精度下降，因此只适⽤于短时间或短距离位资跟踪。
2. 惯性导航法
增白皂机器⼈从⼀个已知坐标出发，陀螺仪测得⾓加速度的值，加速度计获得线加速度，通过⾓加速度和线加速度进⾏⼆次积分分别得到⾓度和位置。
⼆、绝对定位
绝对定位⼜称为全局定位。完成机器⼈全局定位需要预先确定好环境模型或通过传感器直接向机器⼈提供外接位置信息，计算机器⼈在全局坐标系中的位置。
硬件加密设备1. 信标定位
利⽤⼈⼯路标或⾃然路标和三⾓原理进⾏定位。
无动力油水分离器2. 地图匹配
利⽤传感器感知环境信息创建好地图，然后将当前地图与数据库中预先存储好的地图进⾏匹配，计算出机器⼈在全局坐标系中位资。
封装盒3. GPS
室外机器⼈导航定位
4. 概率定位视频会商
基于概率地图的定位，⽤概率论来表⽰不确定性，将机器⼈⽅位表⽰为对所有可能的机器⼈位资的概率分布。
4.1 马尔科夫定位（Maekov Localization ML）
机器⼈通常不知道他所处环境的确切位置，⽽是⽤⼀个概率密度函数表⽰机器⼈的位置。它持有⼀个可能在哪⾥的信任度并跟踪任意概率密度函数跟踪机器⼈的信任度状态。信任度是指机器⼈在整个位置空间的概率分布。信任度值的计算是马尔科夫定位的关键。地图的表⽰⽅法为栅格地图，机器⼈导航环境被划分为很多栅格，每个栅格在0~1之间，表⽰机器⼈在该栅格的信任度，所有栅格信任度之和为1.
4.2 卡尔曼滤波定位
卡尔曼滤波定位算法是马尔科夫定位的特殊情况。卡尔曼滤波不适⽤于任何密度函数，⽽是使⽤⾼斯
代表机器⼈信任度、运动模型和测量模型。⾼斯分布简单的由均值和协⽅差定义，在预测和测量阶段两个参数更新。然⽽这个假设限制了初始信任度以及⾼斯的选择。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议