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！

申请/专利权人：盐城工学院

摘要：本发明公开了基于RTB的线控底盘地图构建与同时定位方法，写出一个离散时间模型，然后机器人就可以获得一个用一包含三元素的列向量表示的新位形，这些粒子随机分布在机器人的位形空间中，所有粒子具有相同的初始权重或可能性，更新里程移动每个粒子的状态，这是预测与实际地标观察之间的误差，选择高斯似然函数来产生一个标量，从地图上知道机器人的估计位置以及特征物的已知位置，也可以估算出它到特征物的距离和方位角，观测值与估计值之间的任何差异说明机器人位置估计存在误差，它并不在它设想的位置上，度量某个特定粒子来确定该观察的好坏，本发明，具有实用性强和不确定性一直减小且最为稳定的特点。

主权项：1.基于RTB的线控底盘地图构建与同时定位方法，其特征在于：第一步，写出一个离散时间模型，航向的变化量用δk＝δd，δθ来表示，而k则表示为时间段段内间隔所对应的表示次序的号码，机器人在SE2中的初始位姿表示为： 第二步，先沿x方向驶过δd，接着再旋转δθ，然后机器人就可以获得一个用一包含三元素的列向量表示的新位形：第三步，分别在δd和δd中增加连续的并且是随机的变量vd和vθ来给误差建模，如此一来，既包含里程计误差而又在下个时刻的新位形则是： 所需要的函数f·为xk+1＝fxk，δk，vk；第四步，k为表示时间次序的号码，δk是里程计测量所得的数据，而vk是上个时间段段内间隔的随机所测得的噪声；第五步，里程计的噪声模型可以建立成：v＝vd，vθ～N0，V，而一个高斯过程且附带的是零均值，这个过程的方差为：第六步，用一张包含N个固定路标的地图，路标的位置已知但是随意放置，z＝hxv，xf，w机器人的状态用xv来表示，特征物处于坐标系下已知的位置用xf表示，而w则是一随机变量，而这个随机变量用来表示传感器的误差；第七步，机器人观测方程线性化其中的雅克比矩阵由对方程求微分可得： 可以用新息来更新之前用方程得到的预计状态： 第八步，通过创建N个粒子xv，i，i∈[1，N]来初始化估计器，这些粒子随机分布在机器人的位形空间中，所有粒子具有相同的初始权重或可能性wi＝1N，更新里程移动每个粒子的状态：xv，ik+1＝fxv，ik，δk+qk；第九步，对地图上坐标为xf的地标i获取一个观察信息z，然后对每个粒子计算相应新息：vi＝hxv，i，xf-z，这是预测与实际地标观察之间的误差，选择高斯似然函数来产生一个标量，度量某个特定粒子来确定该观察的好坏：w＝exp-0.5vTLv+w0，W被称为粒子的权重，L是协方差矩阵，w0＞0能确保在状态空间中的任一点都有一有限但很小的概率；第十步，选择能够最好解释观察信息的粒子，这个过程被称为重采样，按照它们的权重随机选择粒子，若给定N个粒子xi，对应权重为wi，先将权重标准化并构建一累计直方图然后抽取一均匀随机数r∈[0，1]，并找出最小的|cj-r|，其中粒子j被选中用于下一轮迭代。

全文数据：

权利要求：

百度查询： 盐城工学院 基于RTB的线控底盘地图构建与同时定位方法