专利名称：一种高精度移动机器人二维地图数据融合方法
技术领域：
本发明运用于机器人、自动化工业控制、汽车无人驾驶等相关领域。在移动机器人系统中，导航与定位技术是机器人自主行走的关键，必须通过机器人的各个传感器，快速且精确的获得周围环境的障碍物信息，才能使机器人安全行走。
背景技术：
在移动机器人技术运用方面，需要通过传感器精确地感知移动机器人周围的环境，一方面可以有效地避开障碍物，另一方面为了得到更为精确的环境信息，构建出周围环 境的平面电子地图，并通过电子地图确定移动机器人自身所处的位置。而在事先整个地图并不是已知的，机器人移动的同时，通过自身系统上的传感器信息构建的，这种方法叫做“同步定位与地图构建”(SLAM)，是移动机器人定位与导航中一个非常重要的研究热点。而SLAM技术的提前就是需要精确而快速地获得移动机器人周围的环境信息。对于这类技术，声纳传感器和红外测距传感器都有自身的缺陷，难以单独地作为获取环境信息的主要模块。一是对于障碍物的测量距离不够，对于较大尺寸的环境无法探测；二是因为多次反射会带来干扰，测量的精度将大大下降。针对这种情况，拥有高精度、高分辨率、宽视角、快速度的激光传感器，是移动机器人系统较为理想的测距传感器。但是，激光同样有其自身的缺点，如遇到镜子等反射物体时，则会产生较大的误差。

发明内容
根据激光测距传感器的误差情况，若障碍物表面不规则或者是障碍物之间有很小的缝隙，激光测距传感器不会受到返回的光波，而认为其到障碍物的距离是超过测量范围的，所以先对得到的障碍物距离数据进行预处理，将其误差部分进行线性插值补偿。而针对多个声纳传感器存在串扰的因素，采用声纳轮流收发技术，有效避免的传感器的交叉干扰情况。随后，找出激光和声纳传感器在同一时间、同一角度下得到的障碍物数据信息。通过声纳传感器的远距离数据和近距离数据的权重值不同，来将激光传感器和声纳传感器融合成一组数据。对时间和空间上相临近的五组数据进行初步平滑滤波，消去扰动。最后通过运用数字信号处理技术，将融合后每组距离数据进行IIR巴特沃斯低通滤波，使融合部分的数据平滑，进一步减小误差。
具体实施例方式实例I :激光距离数据的线性插值补偿方法若得到距离数据分别为I. 10m, 0m, 0m, 0m, 0m, I. 30m。其中第一个和第六个距离数据I. IOm和1.30m是有效数据，而中间的四个Om数据是由于障碍物环境因素造成的误差。则通过激光数据的线性插值补偿方法，可以得到补偿后的距离数据为1. IOm,I.14m，I. 18m，I. 22m，I. 26m，I. 30m。实例2 :激光和声纳距离数据的融合方法激光和声纳距离数据的融合是对同一时刻、同一角度下得到的障碍物数据信息，通过声纳传感器得到的远近距离数据的不同值，得到所对应的权值不同。如声纳传感器所得到的距离数据为I. 2m, 0. 4m, 0. 5m, I. 8m, 2. 5m, I. lm，则根据声纳传感器的特性和实验数据的经验值，权值分别为15，30，30，7，5，15。通过不同的权值，在所有的激光距离数据中，所替换数据的范围不同。权值高的替代距离个数多，小的则替代距离个数少。实例3 :初歩融合后距离数据的邻域平均方法若在下列时刻、角度得到的距离数据如下
权利要求
1.ー种高精度移动机器人ニ维地图数据融合方法，通过得到的声纳距离数据远近值不同，对应修正的激光距离数据范围不同，来实现多传感器距离数据的融合。
2.对激光距离数据误差进行线性插值补偿技术，消除周围环境因素带来的误差，采用轮流收发的方式来避免声纳传感器的交叉干扰。
全文摘要
一种高精度移动机器人二维地图数据融合方法，运用于机器人、自动化工业控制、汽车无人驾驶等相关领域。该技术主要解决了定位与导航技术中，快速且精确地获取二维地图中移动机器人周围障碍距离信息的问题。通过对激光数据进行线性差值补偿处理，轮流收发来避免多声纳传感器交叉干扰。根据声纳距离数据的权值，修正激光距离信息，将激光和声纳数据融合成一组数据。该方法逐级降低了系统中各种因素产生的误差，提高了二维地图中障碍物距离的精度。可以有效地运用于移动机器人、汽车无人驾驶系统中。
文档编号G01S7/48GK102654577SQ20111005111
公开日2012年9月5日 申请日期2011年3月3日 优先权日2011年3月3日
发明者张全彪, 黎亮 申请人:张全彪, 黎亮