Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜河南应用技术职业学院常新中获国家专利权

恭喜河南应用技术职业学院常新中获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜河南应用技术职业学院申请的专利基于抗差秩卡尔曼滤波的轮式机器人状态估计方法及自主导航方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN113532416B

龙图腾网通过国家知识产权局官网在2024-09-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202110594903.7,技术领域涉及:G01C21/00;该发明授权基于抗差秩卡尔曼滤波的轮式机器人状态估计方法及自主导航方法是由常新中;郜海超;张二月;任旭凯;孙丽娜;王嵩垚;娄泰山;陈沛;余红奎;李原厂设计研发完成,并于2021-05-28向国家知识产权局提交的专利申请。

基于抗差秩卡尔曼滤波的轮式机器人状态估计方法及自主导航方法在说明书摘要公布了:本发明公开了一种基于抗差秩卡尔曼滤波的轮式机器人状态估计方法及自主导航方法,旨在解决现有的SLAM技术无法处理非线性不确定系统、导航定位精度不高的技术问题。本发明中抗差秩卡尔曼滤波‑SLAM自主导航方法对于轮式机器人的系统模型是否是高斯分布没有要求,且当量测数据的噪声统计受未知环境影响不准确时具有更强的鲁棒性和导航定位精度,有利于提高轮式机器人在未知环境中的定位与建图的精度。

本发明授权基于抗差秩卡尔曼滤波的轮式机器人状态估计方法及自主导航方法在权利要求书中公布了:1.一种基于抗差秩卡尔曼滤波的轮式机器人状态估计方法,其特征在于,包括如下步骤:S1初始化轮式机器人的初始状态和初始方差P0: S2对轮式机器人的位置、方位角进行采样,得到秩采样点集为: 式中,χk-1,i为轮式机器人第k-1时刻的状态的第i个采样点,共有4n个样本点;n为的维数;表示的是Pk-1平方根的第i列向量;up1与up2为正态偏量,其中p1=0.6852,p2=0.8704,up1=0.4823,up2=1.1281;S3对轮式机器人第k步的状态进行一步预测: 式中,为第i个采样点的预测值;为轮式机器人的状态预测值;S4获取协方差的一步预测: 式中,Pkk-1为轮式机器人的一步预测误差;Qk-1为过程噪声的方差; 为协方差权重系数;S5对状态一步预测的进行重新秩采样: 式中,χk,i为的第i个采样点;S6计算量测预测值和量测预测方差Pzz:Zk,i=hχk,i,i=1,2,…,4n8 式中,Zk,i为第i个采样点的量测预测值;为轮式机器人的量测预测值;为轮式机器人量测预测方差;S7计算量测噪声方差阵Rk的修正矩阵 式中,为等加权矩阵;为的第i行第j列元素;为量测预测误差分量,r′i=riσri为相应的标准残差分量,为ri的标准差;σi,j为量测噪声方差阵Rk的第i行第j列元素;c为常数,其取值范围为1.3~2.0;max|r′i|,|r′j|表示取|r′i|和|r′j|之间的最大值;S8计算滤波增益矩阵Kk: 式中,Pzz为修正后的轮式机器人量测预测方差;Pxz为状态预测值与量测预测值的协方差;S9更新状态: S10计算状态估计误差的方差Pk: S11循环迭代步骤S1至步骤S1,得到轮式机器人的状态估计值

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人河南应用技术职业学院,其通讯地址为:450000 河南省郑州市中原区建设西路548号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。