高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于规划路径约束的机器人定位方法

胡钊政 许聪 周哲 邓泽武

胡钊政, 许聪, 周哲, 邓泽武. 基于规划路径约束的机器人定位方法[J]. 电子与信息学报, 2022, 44(11): 3941-3950. doi: 10.11999/JEIT210984
引用本文: 胡钊政, 许聪, 周哲, 邓泽武. 基于规划路径约束的机器人定位方法[J]. 电子与信息学报, 2022, 44(11): 3941-3950. doi: 10.11999/JEIT210984
HU Zhaozheng, XU Cong, ZHOU Zhe, DENG Zewu. Robot Localization Based on Planned Path Constraints[J]. Journal of Electronics & Information Technology, 2022, 44(11): 3941-3950. doi: 10.11999/JEIT210984
Citation: HU Zhaozheng, XU Cong, ZHOU Zhe, DENG Zewu. Robot Localization Based on Planned Path Constraints[J]. Journal of Electronics & Information Technology, 2022, 44(11): 3941-3950. doi: 10.11999/JEIT210984

基于规划路径约束的机器人定位方法

doi: 10.11999/JEIT210984
基金项目: 国家自然科学基金(U1764262),武汉市科学技术局企业技术创新项目(2020010601012165, 2020010602011973, 2020010602012003),武汉理工大学重庆研究院科技创新研发项目(YF2021-04)
详细信息
    作者简介:

    胡钊政:男,教授,研究方向为3D计算机视觉理论与应用、智能车路系统、视觉与激光SLAM定位等

    许聪:男,硕士生,研究方向为激光SLAM定位、机器人定位、多传感器融合定位等

    周哲:男,博士生,研究方向为基于视觉的机器人定位、多传感器融合定位等

    邓泽武:男,硕士生,研究方向为激光SLAM定位、机器人定位、视觉定位等

    通讯作者:

    胡钊政 zzhu@whut.edu.cn

  • 中图分类号: TP242

Robot Localization Based on Planned Path Constraints

Funds: The National Natural Science Foundation of China(U1764262), The Enterprise Technology Innovation Project of Wuhan Science and Technology Bureau(2020010601012165, 2020010602011973, 2020010602012003), The Scientific and Technological Innovation Research and Development Project of Chongqing Research Institute of Wuhan University of Technology(YF2021-04)
  • 摘要: 路径规划是为机器人生成可行驶路径以实现循迹的过程。因此,机器人的位置应该位于或靠近规划的行驶路径。从而,路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型,该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中,模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上,提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中,应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中,从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明,所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统),并显著提高机器人定位的整体性能。
  • 图  1  算法流程图

    图  2  栅格地图的绘制

    图  3  半椭圆形轨迹定位结果

    图  5  “S”形轨迹定位结果

    图  4  圆形轨迹定位结果

    图  6  二次规划后的“S”形轨迹定位结果

    图  7  移动机器人及其搭载的激光雷达

    图  8  场景1定位结果

    图  9  场景2定位结果

    图  10  场景1二次规划定位结果

    表  1  不同轨迹下RL-PPC方法定位误差对比

    轨迹最大误差(m)平均误差(m)误差1 m内概率(%)
    GPSRL-PPCGPSRL-PPCGPSRL-PPC
    半椭圆3.65452.01031.18220.568145.1986.16
    3.68371.62191.15950.531644.7888.57
    “S”形3.44891.90761.17420.610748.1486.08
    下载: 导出CSV

    表  2  “S”形轨迹二次规划前后RL-PPC定位误差对比

    轨迹最大误差(m)平均误差(m)误差1 m内概率(%)
    一次规划“S”形1.90760.610786.08
    二次规划“S”形1.90440.688990.54
    下载: 导出CSV

    表  3  定位误差与定位耗时对比

    方法定位耗时(ms/次)最大误差(m)平均误差(m)
    文献[18]
    文献[18]+本文融合算法
    94
    112
    1.79
    0.77
    1.06
    0.47
    文献[12]
    文献[12]+本文融合算法
    56
    65
    1.60
    0.73
    0.96
    0.45
    下载: 导出CSV
  • [1] 宿晨庚, 郭树人, 刘旭楠, 等. 北斗三号基本系统空间信号质量评估[J]. 电子与信息学报, 2020, 42(11): 2689–2697. doi: 10.11999/JEIT190683

    SU Chengeng, GUO Shuren, LIU Xunan, et al. Signal quality assessment of BDS-3 preliminary system[J]. Journal of Electronics &Information Technology, 2020, 42(11): 2689–2697. doi: 10.11999/JEIT190683
    [2] LEE B H, SONG J H, IM J H, et al. GPS/DR error estimation for autonomous vehicle localization[J]. Sensors, 2015, 15(8): 20779–20798. doi: 10.3390/s150820779
    [3] DU Xinxin and TAN K K. Vision-based approach towards lane line detection and vehicle localization[J]. Machine Vision and Applications, 2016, 27(2): 175–191. doi: 10.1007/s00138-015-0735-5
    [4] VALIENTE D, GIL A, PAYÁ L, et al. Robust visual localization with dynamic uncertainty management in omnidirectional SLAM[J]. Applied Sciences, 2017, 7(12): 1294. doi: 10.3390/app7121294
    [5] 胡钊政, 刘佳蕙, 黄刚, 等. 融合WiFi、激光雷达与地图的机器人室内定位[J]. 电子与信息学报, 2021, 43(8): 2308–2316. doi: 10.11999/JEIT200671

    HU Zhaozheng, LIU Jiahui, HUANG Gang, et al. Integration of WiFi, laser, and map for robot indoor localization[J]. Journal of Electronics &Information Technology, 2021, 43(8): 2308–2316. doi: 10.11999/JEIT200671
    [6] WON P, BIGLARBEGIAN M, and MELEK W. Development of an effective docking system for modular mobile self-reconfigurable robots using extended Kalman filter and particle filter[J]. Robotics, 2015, 4(1): 25–49. doi: 10.3390/robotics4010025
    [7] WANG Fasheng, LIN Baowei, ZHANG Junxing, et al. Object tracking using langevin monte Carlo particle filter and locality sensitive histogram based likelihood model[J]. Computers & Graphics, 2018, 70: 214–223. doi: 10.1016/j.cag.2017.07.023
    [8] CAI Hao, HU Zhaozheng, HUANG Gang, et al. Integration of GPS, monocular vision, and high definition (HD) map for accurate vehicle localization[J]. Sensors, 2018, 18(10): 3270. doi: 10.3390/s18103270
    [9] 曹祥红, 李欣妍, 魏晓鸽, 等. 基于Dijkstra-ACO混合算法的应急疏散路径动态规划[J]. 电子与信息学报, 2020, 42(6): 1502–1509. doi: 10.11999/JEIT190854

    CAO Xianghong, LI Xinyan, WEI Xiaoge, et al. Dynamic programming of emergency evacuation path based on Dijkstra-ACO hybrid algorithm[J]. Journal of Electronics &Information Technology, 2020, 42(6): 1502–1509. doi: 10.11999/JEIT190854
    [10] YANG Hui, QI Jie, MIAO Yongchun, et al. A new robot navigation algorithm based on a Double-Layer ant algorithm and trajectory optimization[J]. IEEE Transactions on Industrial Electronics, 2019, 66(11): 8557–8566. doi: 10.1109/TIE.2018.2886798
    [11] 李东方, 李科伟, 邓宏彬, 等. 基于人工势场与IB-LBM的机器蛇水中2D避障控制算法[J]. 机器人, 2018, 40(3): 346–359. doi: 10.13973/j.cnki.robot.170421

    LI Dongfang, LI Kewei, DENG Hongbin, et al. The 2D aquatic obstacle avoidance control algorithm of the Snake-Like Robot based on artificial potential field and IB-LBM[J]. Robot, 2018, 40(3): 346–359. doi: 10.13973/j.cnki.robot.170421
    [12] SHAN Tixiao and ENGLOT B. LeGO-LOAM: Lightweight and ground-optimized Lidar Odometry and mapping on variable terrain[C]. 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Madrid, Spain, 2018: 4758–4765.
    [13] 叶珏磊, 周志峰, 王立端, 等. 一种多线激光雷达与GNSS/INS系统标定方法[J]. 激光与红外, 2020, 50(1): 30–36. doi: 10.3969/j.issn.1001-5078.2020.01.006

    YE Juelei, ZHOU Zhifeng, WANG Liduan, et al. A calibration method of Lidar and GNSS/INS system[J]. Laser &Infrared, 2020, 50(1): 30–36. doi: 10.3969/j.issn.1001-5078.2020.01.006
    [14] 王任栋, 李华, 赵凯, 等. 基于核密度估计的城市动态密集场景激光雷达定位[J]. 光学学报, 2019, 39(5): 0528003. doi: 10.3788/AOS201939.0528003

    WANG Rendong, LI Hua, ZHAO Kai, et al. Robust localization based on kernel density estimation in dynamic diverse city scenes using Lidar[J]. Acta Optica Sinica, 2019, 39(5): 0528003. doi: 10.3788/AOS201939.0528003
    [15] BI Haiyun, MA Jianwen, and WANG Fangjian. An improved particle filter algorithm based on ensemble Kalman filter and Markov chain monte Carlo method[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(2): 447–459. doi: 10.1109/JSTARS.2014.2322096
    [16] 刘海涛, 林艳明, 陈永华, 等. 基于遗传算法的智能粒子滤波重采样策略研究[J]. 电子与信息学报, 2021, 43(12): 3459–3466. doi: 10.11999/JEIT200561

    LIU Haitao, LIN Yanming, CHEN Yonghua, et al. A study on resampling strategy of intelligent particle filter based on genetic algorithm[J]. Journal of Electronics &Information Technology, 2021, 43(12): 3459–3466. doi: 10.11999/JEIT200561
    [17] 徐公国, 单甘霖, 段修生, 等. 基于马尔科夫决策过程的多传感器协同检测与跟踪调度方法[J]. 电子与信息学报, 2019, 41(9): 2201–2208. doi: 10.11999/JEIT181129

    XU Gongguo, SHAN Ganlin, DUAN Xiusheng, et al. Scheduling method based on Markov decision process for multi-sensor cooperative detection and tracking[J]. Journal of Electronics &Information Technology, 2019, 41(9): 2201–2208. doi: 10.11999/JEIT181129
    [18] ZHANG Ji and SINGH S. LOAM: Lidar Odometry and mapping in real-time[C]. Robotics: Science and Systems, Berkeley, USA, 2014: 1–10.
  • 加载中
图(10) / 表(3)
计量
  • 文章访问数:  709
  • HTML全文浏览量:  103
  • PDF下载量:  123
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-09-15
  • 修回日期:  2022-04-07
  • 网络出版日期:  2022-04-22
  • 刊出日期:  2022-11-14

目录

    /

    返回文章
    返回