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 > 恭喜华南理工大学张浪文获国家专利权

恭喜华南理工大学张浪文获国家专利权

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!

龙图腾网恭喜华南理工大学申请的专利一种基于双层视觉的移动机器人多传感器融合定位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:CN115326053B

龙图腾网通过国家知识产权局官网在2025-04-01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:202210995947.5,技术领域涉及:G01C21/00;该发明授权一种基于双层视觉的移动机器人多传感器融合定位方法是由张浪文;杨奕斌;谢巍;刘彦汝设计研发完成,并于2022-08-18向国家知识产权局提交的专利申请。

一种基于双层视觉的移动机器人多传感器融合定位方法在说明书摘要公布了:本发明公开了一种基于双层视觉的移动机器人多传感器融合定位方法,采用新型特征码实现顶部底部摄像头的协同识别定位功能,同时利用获得的位姿信息用于移动机器人的数据融合算法,实现高精度的机器人定位功能,在行驶过程中,顶部摄像头用于识别铺设于地面的特征码,移动机器人能够提前对自身位姿进行纠偏,提高系统的鲁棒性,底部摄像头仅当机器人在运行至特征码上方时工作,用于移动机器人的精确定位以及在旋转过程中的冗余控制,由于摄像头识别特征码在时间上为间歇性的,引入信息更新频率高,同时没有间断的IMU传感器和轮式里程计,利用IMU和里程计提供的信息进行状态预测,通过摄像头间歇性的数据实现数据融合滤波器的状态更新。

本发明授权一种基于双层视觉的移动机器人多传感器融合定位方法在权利要求书中公布了:1.一种基于双层视觉的移动机器人多传感器融合定位方法,其特征在于,包括以下步骤:S1、基于差分轮式移动机器人相应的系统控制量以及传感器获取的信息构建动力学模型;S2、通过移动机器人顶部摄像头识别新型特征码中的外部定位码,在移动机器人到达新型特征码前提取获取移动机器人的位姿;S3、采用移动机器人底部摄像头识别位于移动机器人底部的中部定位码,当移动机器人移动至新型特征码上方时,通过底部摄像识别新型特征码中的中部定位码,通过坐标转换算法能够获得定位偏差,同时通过匹配算法获得移动机器人的位姿;S4、基于移动机器人的位姿和定位误差构建摄像头传感器测量模型,分析定位算法过程中的误差,获得移动机器人的状态向量以及与摄像头测量误差相关的协方差矩阵;S5、通过IMU传感器作为状态预测传感器获取移动机器人的角速度,结合IMU角速度动力学模型以及差分轮动力学模型进行下一时刻移动机器人的状态预测,状态预测结果与摄像头状态向量和协方差矩阵中航向角部分进行数据融合,具体包括以下步骤:定义移动机器人角度状态向量Xθ=[θg,ug],其中θg为IMU测量获得的角度,ug为IMU测量获得的角度与角速度相关测量误差系数,每次传感器测量时间间隔Ts,则传感器角度测量模型表示为: 其中,Ts为两相邻时刻之间的时间间隔即k与k+1时刻的时间间隔,为关于航向角的状态向量,下标k为k时刻时的变量值,类似的下标k-1为k-1时刻,表示k时刻时IMU测量获得的角度,表示k时刻时IMU测量获得的角度与角速度相关测量误差系数,ωk为k时刻移动机器人的角速度,表示为IMU产生的噪声误差,为测量状态向量,为状态转移函数,顶部摄像头与底部摄像头完成特征识别定位后,获取的观测量为相对新型特征码的角度偏移量Δθc,即 其中θtag为特征码的安装角度;相应的测量方程表示为: 其中为观测的真实值,表示传感器测量值,为视觉识别的获得移动机器人与特征码的角度偏差,表示为摄像头的测量误差,如果与ug为白噪声且相互之间互不影响,则通过扩展卡尔曼滤波进行融合;预测阶段表示为: 其中,为预测阶段移动机器人的状态预测值,为预测阶段的协方差矩阵,为k-1时刻的最佳状态估计值,是k时刻到k+1时刻的变换矩阵,为IMU测量获取的在第k时刻的角速度,分别是根据测量方程关于状态向量X和角速度ω的雅可比矩阵,Qk-1为上一时刻的协方差矩阵,为IMU在的噪声方差;当摄像头未识别到特征码时,无法获取观测值,将预测结果中的状态向量和协方差矩阵作为当前时刻的最优估计;若摄像头识别特征码即存在观测值,则更新动机器人的状态,更新过程亦是融合过程: 其中I为单位矩阵,F为系统的输出矩阵,在此处F=[-1,0],为扩展卡尔曼滤波增益,用于确定更新时传感器测量值的权重,通过上式实现扩展卡尔曼滤波数据融合并获得优化后的航向角,顶部摄像头与底部摄像头在更新过程是相同的,通过改变在于测量过程中定位信息的方差完成;S6、通过里程计获取移动机器人车轮的角速度,结合动力学模型进行下一时刻移动机器人的状态预测进行状态预测,状态预测结果与摄像头状态向量和协方差矩阵中坐标部分进行数据融合;S7、在数据融合完成后,采用Rauch-Tung-Striebel反向平滑对获得的移动机器人的位姿数据进一步平滑处理,获得移动机器人状态的最优估计。

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华南理工大学,其通讯地址为:510640 广东省广州市天河区五山路381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。