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：河南应用技术职业学院

摘要：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。

主权项：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

全文数据：

权利要求：

百度查询： 河南应用技术职业学院 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