基于自适应卡尔曼滤波的侧滑移动机器人运动模型估计  

Kinematics Model Prediction of Skid-steering Robot Using Adaptive Kalman Filter Estimation

作　　者：吴耀[1] 王田苗[1] 王晓刚[1] 刘淼[1] 

机构地区：[1]北京航空航天大学机械工程及自动化学院,北京100191

出　　处：《电子与信息学报》2015年第12期3016-3024,共9页Journal of Electronics & Information Technology

基　　金：国家863计划(2011AA040202)~~

摘　　要：精确实时在线的运动模型对于侧滑移动机器人的运动控制和轨迹规划至关重要,相比于离线模型估计,该文在基于速度瞬心(ICRs)的侧滑移动机器人运动学模型基础上,采用扩展卡尔曼滤波(EKF),在同一特定地形下在线准确得到ICRs的参数值;并针对不同的地形情况,采用k-近邻法对地形进行分类,实时判别机器人当前运行的路面,采用自适应的卡尔曼滤波器(AKF)调整滤波器参数。仿真和实验对比表明,该方法在同一地形和变化地形下均能快速估计出侧滑移动机器人的运动学模型,收敛时间均为3 s以内,可以满足实际使用的需要。Exact and real-time kinematics model plays a very important role in the mobile robot motion control and path planning. Compared to the off-line model estimation, based on an Instantaneous Centers of Rotation（ICRs）based kinematic model of skid-steering, an Extend Kalman Filter（EKF） method is used to estimate ICRs values on specific terrain on line. Terrains are identified by introducing k-Nearest Neighbors（k NN） algorithm when the robot moves on different terrains. Based on terrain classification, an Adaptive Kalman Filter（AKF） is used to adjust the filter parameters. The simulation and experiment results show that this method can converge very fast and estimate the ICRs value accurately with 3 seconds.

关 键 词：移动机器人 侧滑移动 自适应卡尔曼滤波 速度瞬心 K-近邻法 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]