針對巡檢機器人在校園環(huán)境中工作時,全球定位系統(tǒng)（global positioning system,GPS）信號易受樹蔭及較高建筑物遮擋而出現(xiàn)定位不準確的問題,提出GPS和里程計組合定位方法。以GPS坐標信息為初始位置,里程計信息為主導航,GPS接收機的脈沖信號作為實時修正數(shù)據(jù),利用卡爾曼濾波算法對系統(tǒng)狀態(tài)進行最優(yōu)估計,得到較為準確的狀態(tài)估計值。最后利用狀態(tài)估計值去修正系統(tǒng)的導航誤差。同時在實驗平臺上進行驗證仿真。結(jié)果表明,機器人以150 cm/s的速度行駛80 s后其軌跡誤差能控制在5 cm以內(nèi),利用多傳感器融合技術(shù)可以提高機器人的定位精度和可靠性,GPS和里程計組合定位方法能夠有效提高機器人實時定位精度。 

【文章頁數(shù)】：5 頁

【文章目錄】：
1 GPS/ODO組合定位原理
2 GPS/ODO組合定位模型
    2.1 組合定位系統(tǒng)的基本結(jié)構(gòu)
    2.2 GPS行程增量表達式
    2.3 里程計行程增量表達式
    2.4 組合定位系統(tǒng)的數(shù)學模型
3 GPS/ODO組合定位卡爾曼濾波算法
    3.1 卡爾曼濾波基本思路
    3.2 卡爾曼濾波初始對準方法
    3.3 濾波器設(shè)計
    3.4 初始值確定
4 實驗驗證
    4.1 速度誤差
    4.2 位移誤差
5 結(jié)論


【參考文獻】：
期刊論文
[1]基于捷聯(lián)慣導和里程計的井下機器人定位方法研究[J]. 馬宏偉,張璞,毛清華,周穎.  工礦自動化. 2019(04)
[2]SINS/GPS組合導航系統(tǒng)Kalman濾波仿真研究[J]. 王艷梅,王海生.  沈陽理工大學學報. 2019(01)
[3]校園巡檢機器人智能導航與控制[J]. 楊林,馬宏偉,王川偉,夏偉.  西安科技大學學報. 2018(06)
[4]基于kalman濾波的智能小車GPS軌跡跟蹤[J]. 孫成正.  佳木斯大學學報(自然科學版). 2018(06)
[5]里程計輔助車載GNSS/INS組合導航性能分析[J]. 姚卓,章紅平.  大地測量與地球動力學. 2018(02)
[6]基于GPS和里程計的列車定位方法[J]. 陶漢卿,蔡煊,吳昕慧.  城市軌道交通研究. 2017(08)
[7]基于灰色理論的列車組合定位輪徑校準方法研究[J]. 劉江,蔡伯根,王劍,唐濤.  鐵道學報. 2011(05)

碩士論文
[1]四驅(qū)輪式移動機器人建模與運動控制研究[D]. 卓穎莉.浙江大學 2017
[2]基于GPS/SINS/里程計的智能車導航定位算法研究[D]. 宋志雪.北京工業(yè)大學 2017



本文編號：3709429