迭代卡尔曼滤波在机器人定位中的应用  

Application of Iterated Kalman Filtering in Robot Localization

作　　者：龙慧[1] 胡利 周宴宇[3] 

机构地区：[1]湖南生物机电职业技术学院信息技术系,湖南长沙410126 [2]湖南长沙智能控制系统有限公司,湖南长沙410001 [3]中南大学信息科学工程学院,湖南长沙410075

出　　处：《现代电子技术》2010年第22期123-125,共3页Modern Electronics Technique

基　　金：湖南省教育厅基金资助项目(09C1215)

摘　　要：定位是移动机器人最基本的问题之一。应用了迭代卡尔曼滤波(IEKF)集成航位推算和全局观测信息,解决机器人的定位问题。该方法在卡尔曼滤波测量更新阶段,多次迭代计算估计状态,直到误差小于一定的阈值。减少了由于泰勒展开的截断带来的定位误差,使得算法的收敛稳定性增强。最后通过仿真实验与EKF方法比较。结果表明,IEKF在移动机器人定位中是一种有效的方法。Localization is one of the most fundamental problem in mobile robots. The localization problem was solved by iterated extended Kalman filtering （IEKF） by combining the reckon reference and global observation information. In the measurement update phase of Kalman filtering, the state estimation is iterated many times until estimation error is lower than the threshold and localization error aroused from Taylor expand is reduced effectively. The convergent stability was improved by the method. Finally, IEKF and EKF methods are compared, the simulation result shows that IEKF is an effective method in localization of mobile robots.

关 键 词：迭代卡尔曼滤波 误差分析 移动机器人 机器人定位 

分 类 号：TP919-34[自动化与计算机技术] TP391