Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >轮式机器人定位中ODO/NHC的两种测量模型的精度和鲁棒性研究

轮式机器人定位中ODO/NHC的两种测量模型的精度和鲁棒性研究

作者头像
一点人工一点智能
发布于 2022-12-27 02:28:18
发布于 2022-12-27 02:28:18
8980
举报

轮式机器人过减速带时,里程计(ODO)和非完整性约束(NHC)都被干扰甚至破坏,那么除了抗差这种亡羊补牢之外,ODO/NHC修正算法本身是否能够更鲁棒地应对这种情况?我们的研究表明:采用距离增量修正(包括ODO和NHC)比传统的速度修正的组合导航精度更高,稳健性也更好,尤其是对小型轮式机器人这种不精密载体[1]。

里程计(ODO)和非完整性约束(NHC)通常一起为轮式载体提供三维距离增量或速度测量信息,能够有效抑制轮式载体在GNSS失效时定位误差发散。车辆导航应用中,ODO/NHC辅助信息广泛采用了速度测量模型;距离增量测量模型也有一些前人研究,但未表现出明显优势[2]。然而,结构相对简单粗糙的轮式机器人相比于结构精密的汽车,工作时的震动和颠簸更严重,其运动学模型更容易被破坏。因此,ODO/NHC的速度修正和距离增量修正这两种测量模型在轮式机器人定位中的效果如何,有待进行针对性研究。

我们开展了在轮式机器人定位中ODO/NHC测量模型的精度和鲁棒性研究,主要开展了以下工作:

1,将NHC也扩展成为距离增量约束(在载体系横向和垂向的零距离增量约束),与里程计测量的距离增量一起为载体提供三维距离增量测量信息,并在载体坐标系下基于积分测量方法构建了ODO/NHC距离增量测量模型。

2,定量研究了轮式里程计提供的速度信息和距离增量信息的测量精度,并基于轮式机器人的运动特性定性分析了ODO/NHC的这两种测量模型的鲁棒性。

3,通过充分的实测实验来评估两种测量模型的定位精度,并设计了针对性的实验来对比分析这两种测量模型的鲁棒性。

测试机器人和测试轨迹

在六轮机器人上搭载4个组合导航模块(INS-Probe,集成了MEMS IMU ADIS16465),采集了7组测试数据进行ODO/NHC两种测量模型的精度评估。为了使两种测量模型的观测噪声达到最优值,我们使用了三组测试数据对ODO/NHC的观测噪声进行优化,采用余下四组数据的中断测试结果进行精度对比分析。下表为ODO/NHC距离增量模型定位误差相比于速度模型减小的百分比,距离增量测量模型在前向、横向和垂向定位误差相比于速度模型分别减小67%,15%和39%。

为了分析ODO/NHC两种模型的鲁棒性,我们设计了三种针对性测试,包括载体震动测试,急停测试和过减速带测试。

1,载体震动测试

我们在机器人的塔顶和安装板上分别安装了组合导航模块,其中塔顶相比于安装板震动更剧烈。GNSS中断测试结果表明,速度测量模型辅助下塔顶处IMU定位误差更大,距离增量模型辅助下塔顶和安装板IMU定位误差基本一致。即速度测量模型的辅助效果更易受载体震动影响,而距离增量测量模型几乎不受载体震动影响。

2,急停测试

我们在实验中设计了两次机器人急停情况,采用GNSS中断测试评估急停情况下两种测量模型的定位精度。测试结果表明,里程计速度测量模型定位误差在机器人急停时会突然变大,而距离增量测量模型的定位结果则几乎不受急停的影响。

3,过减速带测试

我们控制机器人通过减速带并评估过减速带时两种测量模型的鲁棒性。过减速带时,由于机器人的减震设置,车辆的运动模型被破坏,IMU和车体的安装角也发生变化。采用GNSS中断测试,并计算过减速带时两种测量模型的定位误差,结果表明距离增量测量模型定位误差明显小于速度模型,即在过减速带这种恶劣情况下表现出更强的鲁棒性。

总结:我们分析研究了轮式载体所具有的ODO/NHC运动辅助信息的两种测量模型(距离增量修正和速度修正)在轮式机器人定位中的精度和鲁棒性,在载体坐标系下构建了三维距离增量测量模型,并进行了实验验证。结果表明ODO/NHC距离增量模型在精度和鲁棒性上都有更好的表现。

参考文献:

[1]. L. Wang, X. Niu, T. Zhang, H. Tang, and Q. Chen, “Accuracy and robustness of ODO/NHC measurement models for wheeled robot positioning,”Measurement, vol. 201, p. 111720, Sep. 2022, doi: 10.1016/j.measurement.2022.111720.

[2]. W. Ouyang, Y. Wu, and H. Chen, “INS/Odometer Land Navigation by Accurate Measurement Modeling and Multiple-Model Adaptive Estimation,” IEEE Trans. Aerosp. Electron. Syst., vol. 57, no. 1, pp. 245–262, Feb. 2021, doi: 10.1109/TAES.2020.3011998.

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-08-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 一点人工一点智能 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Ground-Fusion:一种对Corner-case具有鲁棒性的低成本地面SLAM系统
文章:Ground-Fusion: A Low-cost Ground SLAM System Robust to Corner Cases
点云PCL博主
2024/03/19
4740
Ground-Fusion:一种对Corner-case具有鲁棒性的低成本地面SLAM系统
RailLoMer-V:适用于铁轨系统的多传感器融合SLAM(RAL 2022)
监测铁路安全运营需要精确的轨道车辆定位和长期的铁路环境。国内现行铁道系统的定位策略仍以轨旁系统为主,不仅实时性和准确率都差,而且需要大量的前期投资和后续维护。
3D视觉工坊
2023/04/29
6000
RailLoMer-V:适用于铁轨系统的多传感器融合SLAM(RAL 2022)
利用显著地面特征进行配送机器人定位的鲁棒方法
论文:Salience-guided Ground Factor for Robust Localization of Delivery Robots in Complex Urban Environments
一点人工一点智能
2024/05/27
1960
利用显著地面特征进行配送机器人定位的鲁棒方法
Point-LIO:鲁棒高带宽激光惯性里程计
标题:Point-LIO: Robust High-Bandwidth LiDAR-Inertial Odometry
3D视觉工坊
2023/04/30
1K0
Point-LIO:鲁棒高带宽激光惯性里程计
移动机器人视觉里程计综述与研究展望
摘 要: 移动机器人基于激光和视觉SLAM导航可实现环境的智能感知和非固定路径行走,其中视觉SLAM导航是指机器人利用视觉系统实现自主定位与地图创建,其优势为结构简单、成本低,信息量丰富。而视觉里程计作为移动机器人视觉SLAM导航的前端,能为机器人自主导航提供廉价、可靠的位姿估计。本文对移动机器人视觉里程计的概念与发展历程进行了简述,总结了实现视觉里程计的不同方法并分别对比了其优缺点,同时也分析了视觉里程计在移动机器人领域的应用以及未来研究展望。
用户9868602
2022/09/02
7640
移动机器人视觉里程计综述与研究展望
移动机器人轮式里程计
如果你拥有一辆马车,你知道你马车轮子的周长,并且你安装了一种装置可以统计车轮转了多少圏数。你从A地一到达B地,便可以计算出A到B的路程,换句话说:你知道自己行走了多远的路程。
全栈程序员站长
2022/07/02
1.1K0
移动机器人轮式里程计
Adaptive-LIO:通过环境自适应提升 LiDAR 惯性里程计的鲁棒性和精度
文章:Adaptive-LIO: Enhancing Robustness and Precision through Environmental Adaptation in LiDAR Inertial Odometry
点云PCL博主
2025/03/17
1310
Adaptive-LIO:通过环境自适应提升 LiDAR 惯性里程计的鲁棒性和精度
用于机器人定位和建图的增强型 LiDAR-惯性 SLAM 系统
粒子滤波也是一个十分经典的算法,它与卡尔曼滤波的不同之处在于卡尔曼滤波假设概率分布是高斯分布,然后在计算后验概率(pdf)时,利用正态分布的性质,可以计算出来;而粒子滤波的后验概率分布是通过蒙特卡洛方法采样得到的。蒙特卡洛方法很清楚的一点是采样的粒子越多,概率分布越准确,但是计算速度会下降。也就是说如何分布你的有限个数的采样粒子来得到更为准确的后验概率分布是粒子滤波一直在做的事情。在本文中粒子滤波的改善一个是局部采样,另一个是采样时更好的概率分布来得到更精确的后验概率。在闭环检测这里则是应用了深度学习的方法。具体实现可以随笔者一起看下面的文章。
3D视觉工坊
2023/04/29
5310
用于机器人定位和建图的增强型 LiDAR-惯性 SLAM 系统
通过迭代地标匹配实现人形足球机器人的快速鲁棒定位
论文链接:https://export.arxiv.org/pdf/2503.11020
一点人工一点智能
2025/04/13
810
通过迭代地标匹配实现人形足球机器人的快速鲁棒定位
LOCUS 2.0:基于激光雷达的鲁棒且高效的3D实时建图
文章:LOCUS 2.0: Robust and Computationally Efficient Lidar Odometry for Real-Time 3D Mapping
点云PCL博主
2022/12/27
9470
LOCUS 2.0:基于激光雷达的鲁棒且高效的3D实时建图
机器人相关学术速递[9.8]
【1】 Optimal Stroke Learning with Policy Gradient Approach for Robotic Table Tennis 标题:基于策略梯度法的机器人乒乓球最优击球学习 链接:https://arxiv.org/abs/2109.03100
公众号-arXiv每日学术速递
2021/09/16
3820
在毫米波雷达里程计中是否需要扫描帧匹配?
文章:Do we need scan-matching in radar odometry?
点云PCL博主
2023/11/22
3340
在毫米波雷达里程计中是否需要扫描帧匹配?
基于3D激光雷达的SLAM算法研究现状与发展趋势
SLAM算法是移动机器人实现自主移动的关键环节。激光雷达(LiDAR)具有测距精度高、不易受外部干扰和地图构建直观方便等优点,广泛应用于大型复杂室内外场景地图的构建。随着3D激光器的应用与普及,国内外学者围绕基于3D激光雷达的SLAM算法的研究已取得丰硕的成果。
一点人工一点智能
2023/08/25
3.2K0
基于3D激光雷达的SLAM算法研究现状与发展趋势
基于3D激光雷达的SLAM算法研究现状与发展趋势
SLAM算法是移动机器人实现自主移动的关键环节。激光雷达(LiDAR)具有测距精度高、不易受外部干扰和地图构建直观方便等优点,广泛应用于大型复杂室内外场景地图的构建。随着3D激光器的应用与普及,国内外学者围绕基于3D激光雷达的SLAM算法的研究已取得丰硕的成果。
一点人工一点智能
2023/04/26
1.6K0
基于3D激光雷达的SLAM算法研究现状与发展趋势
DLL: 一种直接法的激光雷达定位方案
文章:DLL: Direct LIDAR Localization. A map-based localization approach for aerial robots
点云PCL博主
2022/01/27
4550
DLL: 一种直接法的激光雷达定位方案
八种常用激光雷达和视觉SLAM算法的评估与比较
文章:Evaluation and comparison of eight popular Lidar and Visual SLAM algorithms
点云PCL博主
2022/12/27
3.6K0
八种常用激光雷达和视觉SLAM算法的评估与比较
实时自动驾驶车辆定位技术概述
实时、准确和鲁棒的定位对于自动驾驶汽车(AVs)实现安全、高效驾驶至关重要,而实时性能对于AVs及时实现其当前位置以进行决策至关重要。迄今为止,没有一篇综述文章定量比较了基于各种硬件平台和编程语言的不同定位技术之间的实时性能,并分析了定位方法、实时性能和准确性之间的关系。因此,本文讨论了最先进的定位技术,并分析了它们在AV应用中的整体性能。
一点人工一点智能
2023/02/18
1.9K0
实时自动驾驶车辆定位技术概述
导航系统中里程计研究综述
文章:A Survey on Odometry for Autonomous Navigation Systems
3D视觉工坊
2020/12/11
1.2K0
导航系统中里程计研究综述
无人水面艇自主回收中的导航定位技术分析
无人水面艇(USV)是一种集环境感知、路径规划、导航控制功能为一体的无人水面平台,通过搭载相应任务载荷,能够执行不同的任务,尤适用于各种危险、重复及其他不适于有人船艇执行的任务场景。但因其体量小、携带能源有限,一般由母船携带并通过收放装置投送至特定的海域执行相应任务。
一点人工一点智能
2023/05/25
8720
无人水面艇自主回收中的导航定位技术分析
一文详解高精地图构建与SLAM感知优化建图策略
高精度地图对自动驾驶系统功能研发的影响已经越来越明显,整体上来讲主要包含但不仅限于提升车端感知性能、拓展自动驾驶新功能、动态建图等相关应用。具体体现在如下几个重要方面:
3D视觉工坊
2021/03/19
7.2K0
一文详解高精地图构建与SLAM感知优化建图策略
推荐阅读
相关推荐
Ground-Fusion:一种对Corner-case具有鲁棒性的低成本地面SLAM系统
更多 >
领券
💥开发者 MCP广场重磅上线!
精选全网热门MCP server,让你的AI更好用 🚀
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档