CN102297692B - 用于智能轮椅在转角区域的自定位方法 - Google Patents
用于智能轮椅在转角区域的自定位方法 Download PDFInfo
- Publication number
- CN102297692B CN102297692B CN 201110193304 CN201110193304A CN102297692B CN 102297692 B CN102297692 B CN 102297692B CN 201110193304 CN201110193304 CN 201110193304 CN 201110193304 A CN201110193304 A CN 201110193304A CN 102297692 B CN102297692 B CN 102297692B
- Authority
- CN
- China
- Prior art keywords
- wheelchair
- camera
- value
- kalman filter
- sonar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
一种用于智能轮椅在转角区域的自定位方法,它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器,通过传感器采集环境信息,两次卡尔曼估算,得到各传感器的相应权值,再监控拐角位置,算出轮椅与拐角之间的精准距离,完成自定位。
Description
技术领域
本发明涉及一种定位方法,特别是一种多传感器信息融合定位方法。
背景技术
随着科学的发展,人们对于轮椅的智能化要求越来越高,传统智能轮椅包括有轮椅本体、人工手动操作界面和操作***,使用者根据使用场地控制操作界面,对轮椅运气路线进行控制,目前还没有轮椅本身根据现场情况自行设计运行路线,并运行的智能机器人式轮椅,智能机器人式轮椅的实现难点在于轮椅的自定位,特别是在需要转角的地方,轮椅需要精确测量出轮椅本身与转角之间的距离和位置关系,处理器再根据距离和位置关系制定相应的路线规划,由于轮椅一直保持运行状态,仅通过传感器采集轮椅与转角之间的距离不够精确,不足以使处理器规划出正确的转角路线。
发明内容
本发明的目的就是提供一种用于智能轮椅在转角区域的自定位方法,它通过卡尔曼滤波器对传感器所测得的数据进行融合,使测得的轮椅与转角之间的距离更精准,完成轮椅在转角区域的精确自定位。
本发明的目的是通过这样的技术方案实现的,它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器,其步骤如下:
1)摄像头和声纳传感器对轮椅附近的环境信息进行采集,并分别记录探测位置与轮椅之间的距离为Lc和Ls;
2)第一卡尔曼滤波器对摄像头采集到的Lc进行分析处理,对摄像头探测值进行矫正,得到摄像头探测距离估算值Lck;
3)比对Lck与Ls的值,排除误差大的声纳探测错误数据Ls,对声纳探测值进行矫正,得到声纳传感器探测距离估算值Lsk;
4)将Lck与Lsk统一坐标系对准,再通过第二卡尔曼滤波器进行处理,经多次迭代后卡尔曼滤波器会给各传感器分配相应权值,得出每个时刻的最优状态估计值L;
5)监控声纳传感器探测值,声纳传感器探测值跳变时,表明探测到转角,此时第二卡尔曼滤空器得到的最优状态估计值L为轮椅与转角的精准距离,完成轮椅自定位。
进一步,摄像头采集到的数据和卡尔曼滤波器处理后的数据逐帧传送至上位机处理器进行图像处理,进行模拟成像。
进一步,上位机处理器通过无线网卡接收数据。
进一步,卡尔曼滤波器是这样进行数据处理的:
在卡尔曼滤波器中建立跟踪对象的线性***的状态方程和观测方程为:
卡尔曼滤波器中根据当前的状态估计后来的随机模型状态其定义是:
在给定模型状态的测量参数的基础上,调节随机模型状态,其定义为
预测增益矩阵: ,
由于采用了上述技术方案,本发明具有如下的优点:
卡尔曼算法是采用信号与噪声的状态空间模型,利用前一时刻地估计值和当前时刻的观测值来更新对状态变量的估计,第一卡尔曼处理器对摄像头采集到的Lc进行分析处理,其目的是为了使摄像头探测到的距离数据更加准确,并且可以减小摄像头所测数据受光线强弱变化的影响,提高鲁棒性。
由于将处理后的数据样本与声纳所测得的数据进行比对,排除声纳因镜面反射所采集到的错误数据,使声纳传感器所测得的数据更加精确,并且卡尔曼滤波器对声纳传感器和摄像头的数据进行融合,显著提高数据准确性。
附图说明
本发明的附图说明如下。
图1为本发明工作状态示意图。
图2为声纳自定位观测模型示意图。
图3摄像头自定位观测模型示意图。
图4为摄像头小孔成像模型示意图。
图5为卡尔曼运算方法示意图。
图6为本发明的工作原理图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
一种用于智能轮椅在转角区域的自定位方法,它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器,其步骤如下:
1)摄像头和声纳传感器对轮椅附近的环境信息进行采集,并分别记录探测位置与轮椅之间的距离为Lc和Ls;
2)第一卡尔曼滤波器对摄像头采集到的Lc进行分析处理,对摄像头探测值进行矫正,得到摄像头探测距离估算值Lck;
3)比对Lck与Ls的值,排除误差大的声纳探测错误数据Ls,对声纳探测值进行矫正,得到声纳传感器探测距离估算值Lsk;
4)将Lck与Lsk统一坐标系对准,再通过第二卡尔曼滤波器进行处理,经多次迭代后卡尔曼滤波器会给各传感器分配相应权值,得出每个时刻的最优状态估计值L;
5)监控声纳传感器探测值,声纳传感器探测值跳变时,表明探测到转角,此时第二卡尔曼滤空器得到的最优状态估计值L为轮椅与转角的精准距离,完成轮椅自定位。
摄像头和声纳传感器均为传感器,用于采集初始数据,摄像头和声纳传感器采集转角距离之外还负责采集轮椅四周的数据,包括有摄像头采集的图像数据,用于处理器模拟成像,声纳传感器采集的四周障碍物距离数据。
卡尔曼算法是采用信号与噪声的状态空间模型,利用前一时刻地估计值和当前时刻的观测值来更新对状态变量的估计,第一卡尔曼处理器对摄像头采集到的Lc进行分析处理,其目的是为了使摄像头探测到的距离数据更加准确,并且可以减小摄像头所测数据受光线强弱变化的影响,提高鲁棒性。
将处理后的数据样本与声纳所测得的数据进行比对,排除声纳因镜面反射所采集到的错误数据,使声纳传感器所测得的数据更加精确。
由于摄像头和声纳传感器所测得数据是基于不同坐标系得到的结果,在融合之前需要进行对准,统一坐标系,第二卡尔曼处理器对两个传感器经过处理器后的准确数据进行融合,得到最后估算值,对比两个传感器所测值于估算值,测出它们的误差,并根据多次的上述处理对误差进行统计,得出每个传感器应分配的权值,传感器所测得数据乘以权值再相加得到最优估算值,即轮椅与所测处置的距离估算值,完成轮椅相对于所测位置处的自定位,该估算值通过多次处理并多次迭代后精确性显著提高,适用于处理器进行轨道规划。
本发明用于智能轮椅在转角区域的位置自定位,只需测出轮椅距离转角之间的距离,当声纳传感器扫描到转角时,其所测距离数据必然进行跳变,监控声纳所测数据,当发生跳变时,即证明目前所测位置为转角,此时第二卡尔曼处理器处理后的距离数据为轮椅与转角的精确距离,再发送至处理器,处理器即可进行轨道规划,处理器根据所接收的数据可以进行无数种轨道规划。
为了便于使用者直观的察看轮椅的运行状态,摄像头采集到的数据和卡尔曼滤波器处理后的数据逐帧传送至上位机处理器进行图像处理,进行模拟成像。可以在上位机处理器处置处或轮椅上安装显示屏,将模拟成像传送至需要观看的地方。
上位机处理器通过无线网卡接收数据。使操控者可以远程控制轮椅,若轮椅的使用者无行动控制能力,操控者可以通过模拟成像进行远程控制,方便安全。
卡尔曼滤波器是这样进行数据处理的:
在卡尔曼滤波器中建立跟踪对象的线性***的状态方程和观测方程为:
卡尔曼滤波器中根据当前的状态估计后来的随机模型状态其定义是:
预测状态: ,
在给定模型状态的测量参数的基础上,调节随机模型状态,其定义为
滤波器收到预测对象运动状态,调用状态方程建立运动模型对预测对象在时刻的运动状态进行估计,得到一个先验估计值,然后对先验估计值进行校正,得到校正后的的估计值,从而达到预测的目的。根据卡尔曼算法可以计算出上位机所需准确数值。
Lc和Ls是这样计算得出的,如图2所示,以门型为例,使用安装在和门所在墙壁同侧的声纳A和声纳B对环境信息进行获取。在移动机器人向前运动的过程中应首先调整机器人的位姿使其和侧面墙壁保持平行,当A声纳测得的距离保持不变即确定机器人和墙壁的平行关系。调整过位姿以后,机器人继续向前行进,当声纳B发出的超声波扫过门的前沿时,所采集到的距离信息会产生一个跳变。且B声纳发出的超声波和机器人自身坐标系x轴的夹角以及B声纳在机器人上的坐标都是已知的。所以当声纳B检测到距离的跳变时,通过和便能唯一的确定机器人和门之间的位置关系如式(1)、(2)所示:
如图4所示,摄像头是这样小孔模拟成像的,调整摄像头的朝向,使
(5)
当发生跳变时,将得到的状态估计值作为摄像头的观测值。同样声纳的观测数据根据(1)和(2)式进行对准,得到依据声纳的观测值,然后将两者的观测值输入卡尔曼滤波器进行融合,的卡尔曼状态方程和观测方程分别为(16)、(17)式:
在卡尔曼滤波的算法过程中,有误差协方差矩阵校正方程(18)式,提供误差协方差矩阵作为融合的加权因子:
Claims (3)
1. 一种用于智能轮椅在转角区域的自定位方法,其特征在于,它包括有摄像头、声纳传感器、第一卡尔曼滤波器和第二卡尔曼滤波器,其步骤如下:
1)摄像头和声纳传感器对轮椅附近的环境信息进行采集,并分别记录探测位置与轮椅之间的距离为Lc和Ls;
2)第一卡尔曼滤波器对摄像头采集到的Lc进行分析处理,对摄像头探测值进行矫正,得到摄像头探测距离估算值Lck;
3)比对Lck与Ls的值,排除误差大的声纳探测错误数据Ls,对声纳探测值进行矫正,得到声纳传感器探测距离估算值Lsk;
4)将Lck与Lsk统一坐标系对准,再通过第二卡尔曼滤波器进行处理,经多次迭代后卡尔曼滤波器会给各传感器分配相应权值,得出每个时刻的最优状态估计值L;
5)监控声纳传感器探测值,声纳传感器探测值跳变时,表明探测到转角,此时第二卡尔曼滤空器得到的最优状态估计值L为轮椅与转角的精准距离,完成轮椅自定位。
2. 如权利要求1所述的用于智能轮椅在转角区域的自定位方法,其特征在于:摄像头采集到的数据和卡尔曼滤波器处理后的数据逐帧传送至上位机处理器进行图像处理,进行模拟成像。
3. 如权利要求2所述的用于智能轮椅在转角区域的自定位方法,其特征在于:上位机处理器通过无线网卡接收数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110193304 CN102297692B (zh) | 2011-07-12 | 2011-07-12 | 用于智能轮椅在转角区域的自定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110193304 CN102297692B (zh) | 2011-07-12 | 2011-07-12 | 用于智能轮椅在转角区域的自定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102297692A CN102297692A (zh) | 2011-12-28 |
CN102297692B true CN102297692B (zh) | 2013-05-08 |
Family
ID=45358268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110193304 Active CN102297692B (zh) | 2011-07-12 | 2011-07-12 | 用于智能轮椅在转角区域的自定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102297692B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106153043B (zh) * | 2015-04-13 | 2019-09-10 | Tcl集团股份有限公司 | 一种基于红外测距传感器的机器人室内定位方法及*** |
CN106851095B (zh) * | 2017-01-13 | 2019-12-24 | 深圳拓邦股份有限公司 | 一种定位方法、装置及*** |
CN107782304B (zh) * | 2017-10-26 | 2021-03-09 | 广州视源电子科技股份有限公司 | 移动机器人的定位方法及装置、移动机器人及存储介质 |
CN110955263A (zh) * | 2019-12-31 | 2020-04-03 | 中国电子科技集团公司信息科学研究院 | 移动机器人的主动感知与自主趋近方法及移动机器人*** |
CN111736185B (zh) * | 2020-05-28 | 2021-03-23 | 腾讯科技(深圳)有限公司 | 终端定位方法、装置及计算机可读存储介质和终端设备 |
CN111966130B (zh) * | 2020-06-28 | 2023-06-27 | 上海伊涵家居饰品有限公司 | 座椅自动归位控制方法、***及其存储介质 |
CN116237947B (zh) * | 2023-03-22 | 2024-05-07 | 北京瓦特曼智能科技有限公司 | 机器人控制方法、***、表面处理设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100883792B1 (ko) * | 2005-12-29 | 2009-02-18 | 한국생산기술연구원 | 이동 로봇의 위치 추정 시스템 및 그 방법 |
KR100877072B1 (ko) * | 2007-06-28 | 2009-01-07 | 삼성전자주식회사 | 이동 로봇을 위한 맵 생성 및 청소를 동시에 수행하는 방법및 장치 |
CN101285686B (zh) * | 2008-05-29 | 2010-11-10 | 中国农业大学 | 一种农业机械导航分级定位的方法和*** |
CN101576384B (zh) * | 2009-06-18 | 2011-01-05 | 北京航空航天大学 | 一种基于视觉信息校正的室内移动机器人实时导航方法 |
-
2011
- 2011-07-12 CN CN 201110193304 patent/CN102297692B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN102297692A (zh) | 2011-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102297692B (zh) | 用于智能轮椅在转角区域的自定位方法 | |
EP3825903A1 (en) | Method, apparatus and storage medium for detecting small obstacles | |
US7627447B2 (en) | Method and apparatus for localizing and mapping the position of a set of points on a digital model | |
KR100823739B1 (ko) | 주변 환경 변화에 신속하게 적응하여 환경 지도를 작성할수 있는 이동체의 환경 지도 작성 장치 및 그 방법 | |
CN111337018B (zh) | 定位方法及装置、智能机器人及计算机可读存储介质 | |
CN108876822A (zh) | 一种行为危险度评估方法及家庭安防看护*** | |
TWI481980B (zh) | 電子裝置及其導航方法 | |
JP5873864B2 (ja) | オブジェクト追跡及び認識方法及び装置 | |
CN106605154B (zh) | 一种运动目标的监测方法、穿戴式装置及服务器 | |
CN102499687B (zh) | 一种基于机器视觉的猪的呼吸频率检测方法及装置 | |
CN104287946A (zh) | 盲人避障提示装置及方法 | |
CN110568515B (zh) | 基于红外阵列的人体存在检测方法、装置、存储介质 | |
CN103298156A (zh) | 基于无线传感器网络的无源多目标检测跟踪方法 | |
CN109805936B (zh) | 基于地面振动信号的人体摔倒检测*** | |
WO2020163611A1 (en) | Indoor occupancy estimation, trajectory tracking and event monitoring and tracking system | |
CN204270146U (zh) | 一种移动机器人多方位避障*** | |
CN103810472B (zh) | 基于运动相关性的瞳孔位置滤波方法 | |
US20120051600A1 (en) | Distance Estimation from Image Motion for Moving Obstacle Detection | |
CN104346606B (zh) | 异常步态分析方法及*** | |
CN113190005B (zh) | 一种模块化小型侦察机器人 | |
Yang et al. | Image analyses for video-based remote structure vibration monitoring system | |
Uddin et al. | SmartSpaghetti: Accurate and robust tracking of Human's location | |
CN110340882A (zh) | 机器人避障方法、装置、计算机设备及存储介质 | |
KR102121458B1 (ko) | 자동 충전을 위한 로봇 청소기의 경로 추정 방법 및 이를 이용한 로봇 청소기 | |
CN112215146A (zh) | 基于随机有限集的弱小目标联合检测与跟踪***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |