野外移动机器人自主定位与误差修正方法研究

Field mobile robot needs to move tens to hundreds of kilometers in unstructured environments, once the satellite or other active signal is damaged, which have to entirely rely on autonomous positioning in order to find the location of the target. At present navigation and positioning without active signal can only the navigation demand, however, accumulated system error and random error exists in positioning accuracy with the time passing by and the increase in the driving distance.This project proposes a closed-loop correction method, with multiple small distances embedded in a long-distance driving process. It means, multiple nodes are set in a large distance driving process of the robot, which moves a small-distance specific map to form a closed-loop at the nodes, and the influencing factor parameters of the mobile robot system error is derived by using the multiple linear regression method according to the observational data of the robot in the enclosed map. Meanwhile, random error samples which the mobile robot spreads through state space in the enclosed map are used to approximately calculate the posterior probability density of the mobile robot positioning error in order to establish the random error model and estimate the error, thus realize the random error correction for wide-range mobile robot. The project is expected to provide an integral and effective error correction method for mobile robot navigation and positioning in the field environment and theoretically support to long-distance positioning of the robot.

野外移动机器人需要在非结构化环境中进行数十至数百公里移动，一旦卫星或其它有源信号被破坏，就必须完全依靠自身定位才能找到目标位置。目前不依赖有源信号的导航定位系统仅在导航方面能满足需求，但定位精度随时间推移及行驶距离增大存在不断积累的系统误差和随机误差。本项目提出一种在大距离行驶过程中嵌入多个小距离路段的闭环修正方法，在机器人大距离行驶中设定多个节点，在节点处机器人走过一个小距离的特定地图形成闭环，运用多元线性回归的方法，根据机器人在封闭地图上走过的观测数据，获得移动机器人系统误差的影响因素参数；同时，利用移动机器人通过封闭地图中状态空间传播的随机误差样本，近似计算移动机器人定位误差的后验概率密度，实现对随机误差模型的建立和误差估计，进而对大范围移动机器人定位的随机误差进行修正。项目预期将为移动机器人在野外环境下定位提供一种完整、有效的误差修正方法，为机器人大范围自主定位提供理论支持。

本项目围绕野外移动机器人大范围行驶自主定位问题，开展了自主定位系统的系统误差和随机误差的修正方法研究。针对移动机器人野外行驶过程中行驶范围大、情况未知等不确定情况下，分别建立起导致机器人定位的影响因素系统误差和随机误差的数学模型，然后分别采用基于正交实验法的系统误差修正方法以及基于粒子滤波的随机误差修正方法进行修正；在此基础上，项目组融合拓扑地图信息对移动机器人野外大范围的自主定位进行地图匹配，并通过扩展卡尔曼滤波和基于直行路口检测的航迹推算定位修正方法对行驶过程中的误差进行校正；针对系统误差的校正，项目组提出一种基于双目视觉的四边形闭环跟踪算法，该算法不仅可以单独使用，作为视觉里程计进行机器人自身位置推算，而且可以和航迹推算以及地图匹配结合进行校正。最后项目组在配置有里程计、惯导系统、GPS和相机的智能车为平台。进行了野外环境中进行大范围的试验，试验结果表明，在100公里范围内，整个过程定位平均误差在为7.035米，最大误差9.91米，达到了项目任务书的指标。项目的研究成果为移动机器人在室外大范围环境下定位提供一种完整、有效的误差修正方法，并且该项目的研究成果目前正在向企业转化，并且有明确的应用产品背景。