典型文献
结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计
文献摘要：
针对机器人利用单一位姿估计方法累积误差大、精度低的问题,本文提出了一种基于扩展卡尔曼滤波算法(EKF)和基于点线的最近点迭代扫描匹配算法(PL-ICP)的机器人位姿自适应估计方法.为了减少轮式里程计造成的累积误差,利用Mahony算法对陀螺仪和加速度计进行姿态解算,进而基于扩展卡尔曼滤波融合轮式里程计初步估计机器人位姿;为了减少轮子变形、打滑等对机器人位姿的影响,利用PL-ICP点云匹配算法构建单线激光里程计,对机器人位姿再次进行估计;为了提高位姿估计的准确度,提出了一种基于两种位姿总均方差和前后时刻位姿误差构建累积误差的自适应修正算法,通过分析两种位姿总均方差及前后时刻位姿误差,得到全局最优权重因子和局部动态权重因子,实现累积误差修正因子的自适应调整,得到机器人更精确的位姿估计.试验结果表明,该方法可对机器人的位姿累积误差进行修正,显著提高机器人的位姿估计精度.
文献关键词：
激光里程计;EKF;机器人位姿估计;PL-ICP;多源信息融合
中图分类号：
作者姓名：
岳胜杰;王红旗;刘群坡;赵荣亮
作者机构：
河南理工大学电气工程与自动化学院,河南 焦作454000;河南省智能装备直驱技术与控制国际联合实验室,河南 焦作454000
文献出处：
引用格式：
[1]岳胜杰;王红旗;刘群坡;赵荣亮-.结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计)[J].测绘通报,2022(07):49-53
A类：
B类：
点线,最近点迭代,匹配算法,自适应估计,估计方法,累积误差,扩展卡尔曼滤波算法,EKF,PL,ICP,轮式里程计,Mahony,陀螺仪,加速度计,姿态解算,卡尔曼滤波融合,轮子,打滑,点云匹配,单线,线激光,激光里程计,位姿误差,自适应修正,修正算法,全局最优,最优权重,权重因子,动态权重,误差修正,修正因子,自适应调整,位姿估计精度,机器人位姿估计,多源信息融合
AB值：
0.299493
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
