[发明专利]基于多数据分析的移动机器人定位方法

权利要求书

1.一种基于多数据分析的移动机器人定位方法，其特征在于，机器人上设置有里程计及导航系统，所述里程计用于记录机器人的前进距离和机器人的旋转角度，所述导航系统用于记录机器人当前的旋转方向角和加速度；

将里程计记录的机器人的前进距离和机器人的旋转角度记为里程计数据；

导航系统记录的机器人当前的旋转方向角和加速度记为导航数据；

包括以下步骤：

步骤一：将里程计数据及导航数据转换到全局坐标系，得到有关移动数据信息在全局坐标系下的表示；

步骤二：对在全局坐标系下表示的里程计数据及导航数据进行分析计算，得到分析数据；

步骤三：根据分析数据获取机器人的定位信息。

2.根据权利要求1所述的基于多数据分析的移动机器人定位方法，其特征在于，所述步骤一中包括以下子步骤：

1-1：设置起点位置(x₀,y₀,z₀)，并以此作为全局坐标系的坐标原点，以右手法则确定x轴，y轴和z轴正方向；

1-2：:机器人在平面上运动，里程计从起点位置(x₀,y₀,z₀)开始计算机器人运动增量信息，包括(Δx,Δy,Δz)，其中：Δx记录的是机器人前进的距离，Δz记录的是机器人的旋转角度，将数据信息转换到全局坐标系；

1-3：导航系统输出机器人当前的状态信息，包括旋转方向角w，加速度a_x和a_y，将数据信息转换到全局坐标系。

3.根据权利要求2所述的基于多数据分析的移动机器人定位方法，其特征在于，所述步骤二中，在全局坐标系下表示的里程计数据及导航数据通过数据耦合预测算法进行分析计算，得到分析数据。

4.根据权利要求3所述的基于多数据分析的移动机器人定位方法，其特征在于，所述步骤二中，包括以下子步骤：

2-1：设定状态变量；

2-2：将所述里程计数据迭代数据作为所述状态变量对应的运动更新状态量；

2-3：将所述导航数据二次时间积分数据作为对应的修正变量；

2-4：根据数据耦合预测算法将所述运动更新状态量与所述修正变量进行叠加得到分析后数据。

5.根据权利要求4所述的基于多数据分析的移动机器人定位方法，其特征在于，步骤2-1中，所述状态变量为(x,y,z)。

6.根据权利要求5所述的基于多数据分析的移动机器人定位方法，其特征在于，步骤2-2中，使用里程计数据(Δx,Δy,Δz)作为运动更新状态量，里程计数据(Δx,Δy,Δz)在起始位置(x₀,y₀,z₀)迭代计算后，对应着新的运动更新状态量(x+Δx,y+Δy,z+Δz)。

7.根据权利要求5所述的基于多数据分析的移动机器人定位方法，其特征在于，步骤2-3中，导航数据加速度a_x和a_y的2次时间积分可得到x和y方向上的运动信息(∫∫ax,∫∫ay)，而导航数据的旋转方向角w则为对应要修正变量。

8.根据权利要求7所述的基于多数据分析的移动机器人定位方法，其特征在于，步骤2-4中，数据耦合预测算法的计算步骤如下：

2-4-1：预测当前时刻K的运动状态X(K)，其计算公式如下：

X(K)＝{(x₀+Δx),(y₀+Δy),(z₀+Δz)}；

k为当前时刻；

2-4-2：预测当前时刻K的修正量Y(K)其计算公式如下：

Y(K)＝{a_x,a_y,w}；

2-4-3:一阶线性化状态方程，求解状态转移矩阵Φ(k)，其计算公式如下：

2-4-4：一阶线性化观测方程，求解观测矩阵H(K)，其计算公式如下：

2-4-5：求协方差矩阵预测P(k|k-1)，其计算公式如下：

2-4-6：消噪处理W(k)，其计算公式如下：

2-4-7：求状态更新X(k)，其计算公式如下：

X(k)＝X(k|k-1)+K(Y(k)-Y(k|k-1))

2-4-8：协方差更新P(k)，其计算公式如下：

P(k)＝(I-K(k)H(k))P(k|k-1)，其中，I为3维向量矩阵。