隨著電子技術(shù)和計算機技術(shù)的快速發(fā)展及機器人定位精度的不斷提高，智能移動機器人的應(yīng)用越來越廣泛。現(xiàn)已廣泛應(yīng)用于工業(yè)生產(chǎn)、海空探索、軍事、家庭和一些服務(wù)行業(yè)。

     精確的定位是移動機器人安全、有效地完成任務(wù)的關(guān)鍵和前提[1]。現(xiàn)有的大多數(shù)定位方法是通過機器自身攜帶的傳感器實時感知自身所處環(huán)境的位置和周圍信息，并不斷修正自身狀態(tài)，然后在有障礙物的環(huán)境中有效地完成任務(wù)。
    卡爾曼濾波[2]是由一系列遞歸數(shù)學(xué)公式描述的。它們提供了一種高效可計算的方法來估計過程的狀態(tài)，并使估計均方誤差最小，應(yīng)用廣泛且功能強大。但如果模型或系統(tǒng)噪聲特性估計與實際不符，則會降低濾波器的精度甚至導(dǎo)致濾波器發(fā)散。為了解決此問題，本文結(jié)合外部環(huán)境特征信息并在測量更新階段多次迭代濾波估計值，減小定位誤差，提高系統(tǒng)穩(wěn)定性。
1 系統(tǒng)模型
    本文的研究對象是一種三輪智能移動機器人，該機器人的其中一輪為萬向輪，另外兩輪為驅(qū)動輪。兩個驅(qū)動輪上裝有光電碼盤。利用驅(qū)動輪的碼盤數(shù)據(jù)，可以計算機器人的動態(tài)位置信息。機器人的正前方裝有激光雷達測距傳感器，可以采集已知環(huán)境中的路標(biāo)信息。準(zhǔn)確的系統(tǒng)模型直接影響著機器人的定位精度。因此，本文首先根據(jù)機器人信息建立了坐標(biāo)系統(tǒng)模型、機器人運動模型和傳感器觀測模型。

1.3 觀測模型
    根據(jù)機器人運動模型估計的位姿，只是實際位姿的一個粗略的估計，由于輪子打滑等原因存在一定誤差，而且隨著機器人移動時間的增加，誤差將越來越大，最終移動機器人將偏離自己的軌跡。為了修正誤差，移動機器人需要利用激光雷達傳感器，對路標(biāo)進行觀測，修正自身的位姿。
    本文利用激光雷達測距傳感器的觀測信息來修正機器人自身的位置。機器人在運動過程中，利用測距傳感器掃描周圍環(huán)境，獲得的觀測量z(k)是周圍環(huán)境路標(biāo)相對于傳感器的距離和方向，然后根據(jù)先驗的地圖信息確定自身的實際位置。在定位問題的狀態(tài)空間描述中可以表示為：



 

    眾所周知，迭代次數(shù)越多，計算量越大，時間越長。因此，實際機器人定位中，針對實際硬件條件，可以選取合適的迭代次數(shù)提高算法的定位精度，增強算法的收斂穩(wěn)定性。
    由兩次實驗結(jié)果可以看出，IEKF算法估計的路標(biāo)特征和機器人路徑與實際基本相符。從實驗所得的誤差數(shù)據(jù)可以看出，相對于機器人自身的空間大小，誤差在可接受的范圍之內(nèi)，表明該定位系統(tǒng)定位精度較高，具有較高的可靠性。
    本文針對機器人定位精度問題，在傳統(tǒng)卡爾曼濾波的基礎(chǔ)上，提出一種迭代擴展卡爾曼濾波算法。該算法相對于傳統(tǒng)卡爾曼濾波算法，在狀態(tài)更新階段采用多次迭代更新，減少了系統(tǒng)線性化時所帶來的誤差，并將該算法與多傳感器信息融合技術(shù)結(jié)合應(yīng)用于有路標(biāo)的機器人定位。模型簡單、存儲量小。實驗結(jié)果表明該算法在保證實時性的同時較大地提高了定位精度，能夠滿足機器人高精度及可靠性等方面的要求。
參考文獻
[1] 丁偉，孫華，曾建輝.基于多傳感器信息融合的移動機器人導(dǎo)航綜述[J].傳感器與微系統(tǒng)，2006,25(7):1-3.
[2] 石杏喜，趙春霞.基于概率的移動機器人SLAM算法框架[J].計算機工程，2010,36(2)：31-32.
[3] 曾健平, 王保同， 謝海情. 自主移動機器人定位系統(tǒng) Kalman濾波算法改進[J].計算機應(yīng)用研究，2011,28(5): 1710-1712.
[4] 李良群，姬紅兵，羅軍輝.迭代擴展卡爾曼粒子濾波器 [J].西安電子科技大學(xué)學(xué)報，2007,34(2)：233-238.
[5] 陳小寧，黃玉清，楊佳. 多傳感器信息融合在移動機器人定位中的應(yīng)用[J].傳感器與微系統(tǒng)，2008，27(6)：110-113.
[6] 鄒智榮，蔡自興，陳白帆.移動機器人SLAM中一種混合 數(shù)據(jù)關(guān)聯(lián)方法[J]. 小型微型計算機系統(tǒng)，2011,32(7)：1341-1343.