复杂环境下的移动机器人定位算法设计

王宁佳 张占胜 李 峰 李啸林

(沈阳化工大学信息工程学院，辽宁 沈阳 110142)

复杂环境下的移动机器人定位方法是机器人研究中的核心内容。一般来讲，机器人的定位方式按照信息来源分为3种：第一种是依赖外部GPS等信息进行指引定位；第二种是靠自身配置的各类传感器获取环境信息进行定位；第三种是依靠惯性传感器实现自主定位。其中，前两种定位方式均需要外部信息源作为引导，而使用摄像机、激光雷达、超声波、红外线和微波雷达等传感器定位时对机器人工作环境有一定的要求，不适宜复杂环境下移动机器人的定位。

本文研究的定位方法是一种完全自主的机器人定位方式，受环境因素干扰较少，因此可以适合移动机器人在复杂环境下较短时间内的高精度定位。

本文研究的定位方式，是已知初始位置信息，通过滤波、融合等方法，可以解算出定位系统中心在其坐标系中的位置姿态信息，简单来说就是通过处理上一定位点的位置数据，比如说惯性测量单元误差处理，然后计算相对位移以及姿态角，获得当前定位点绝对位置数据。

1 惯性测量单元误差处理

在复杂环境下的移动定位机器人算法研究中，惯性测量单元为定位系统测量角度的核心器件，其数据处理以及姿态解算是整个研究中的关键因素。

本文研究的机器人所采用的惯性测量单元为MPU6050，根据分析先对惯性测量单元MPU6050的加速计和陀螺仪分别采用12位置重力翻滚法和3位置法对其零偏输出、标度因数和安装误差角进行标定。

图1 误差补偿流程图

然后对此类惯性测量单元产生的两种误差进行补偿：由于随机噪声产生的角速度随机漂移产生的随机误差；由于惯性测量单元的零点漂移会随着温度的改变而发生变化产生温度漂移误差，误差补偿流程图如图1所示。

对于温度漂移误差本文采用一元线性补偿法进行补偿。具体方法是将陀螺仪的零点漂移与温度变化的关系抽象为一次函数。采用最小二乘法对所采到的温度值与零点漂移值进行拟合。

由于随机噪声产生的角速度随机漂移产生随机误差，我们使用卡尔曼滤波的方式进行补偿，具体方式如图2。

图2 卡尔曼滤波原理图

2 定位算法设计

由于前提是已知初始位置，所以定位的方式是，根据惯性测量单元原始数据以及上一定位点位置数据计算出运动控制器件目前定位点相对于上一定位点的相对位移以及姿态角，获得移动机器人当前定位点绝对位置的相对位移误差补偿量。算法层面的结构如图3所示。

将相对于移动机器人参考系的加速度数据转换为相对地面的全局参考系加速度量，参考系如图4所示。对于二维导航系统，N，E为地面参考系的两轴，φ为移动机器人相对于N轴的顺时针偏转角度，通过将车体初始位置对准N轴，然后用从惯性测量单元中得到的欧拉角代替φ角进行接下来的运算。最后，根据计算获得的相对位移误差补偿量，获得移动机器人当前定位点绝对位置数据。

图3 算法结构图

图4 坐标变换示意图

3 结束语

随着移动机器人研究的日益深入和不断扩大，机器人的定位问题作为机器人性能的关键衡量指标也越发重要，机器人的定位是机器人得以自主运行和移动的基础。本文研究的复杂环境下的移动定位机器人算法设计可以减少移动机器人室内定位算法的定位误差值，并且为移动机器人在复杂地形下工作提供理论依据。