关键词:
泛在定位
多源融合
自适应EKF
位置聚合
硬件设计
摘要:
近年来,随着信息科技的飞速发展,大型场馆的展览也越来越多,旅游景区的设施也越来越智能化,智能引导机器人已成为一个发展趋势。譬如,在北京冬奥会中就会亮相许多智慧游览机器人,提供导览讲解服务。如何准确获取当前引导机器人的位置,并在引导过程中连续准确定位成为研究热点。传统的室外卫星导航定位方式适用场景单一,若遇到紧急情况需要引导群众前往隧道或者室内等安全区域时,机器人由于缺乏卫星信号而无法定位;且室内环境下机器人蓝牙、视觉定位也会受到各种外界条件的影响而大大降低定位精度;同时室内外切换的连贯性也是亟待解决的问题。因此,为了能在智能机器人引导过程中连续而准确地定位机器人的位置,本文设计了一个多源融合泛在高精度定位终端,安装在智能机器人上,辅助泛在场景下的连贯定位。基于卫星及蓝牙信号特征使终端识别当前运动场景,根据场景的不同,设计不同的组合定位算法,从而使机器人在室内外运动过程中持续获得高精度定位。首先,针对不同场景难以区分的问题,本文提出了基于全连接神经网络的场景识别算法。利用卫星数量、卫星截止高度角、卫星信噪比以及蓝牙信号等特征,构造场景分类特征数据,输入全连接神经网络进行场景分类,能够有效区分出室内场景、室外场景以及室内外模糊地带场景。其次,针对室内场景下定位受环境及硬件设备影响较大的问题,本文提出基于环境自适应扩展卡尔曼滤波(EKF,Extended Kalman Filter)的蓝牙与惯性导航动态融合定位算法。该算法利用多级滤波对蓝牙 RSSI(Received Signal Strength Indicator)数据进行修正,引入波动系数消除蓝牙信标的波动性进行位置指纹定位,将蓝牙定位的结果与惯性导航结果相融合,并加入蓝牙信标路径衰减因子作为观测噪声输入扩展卡尔曼滤波器进行误差修正,实现室内的高精度稳定性定位。针对室外环境下部分场景卫星信号短时缺失的问题,融合惯性导航系统,同时加入系统安装空间误差及时间不同步误差作为观测噪声输入到扩展卡尔曼滤波器中优化状态空间模型,从而实现室外短时弱卫星信号场景的高精度定位。接着,针对机器人在不同场景之间运动难以连贯持续定位的问题,在半开放的室内外中间模糊地带中,本文提出了基于概率密度函数拟合的室内外模糊场景下位置聚合算法。融合蓝牙、惯性导航、RTK(Real Time Kinematic)三种方式,利用Gamma函数拟合三种定位技术的误差分布,并提出了时间远近加权法将其聚合成单一的位置估计,达到室内外的平滑过渡,提高了组合导航系统的稳定性。最后,基于上述的定位算法,本文设计并实现了多源融合的高精度定位终端。选用***8MMini作为核心处理器,NEO-M8T作为GNSS(GlobalNavigation Satellite System)接收机,OPENIMU300 作为惯性导航传感器,结合电源模块、通信模块、接口拓展模块设计4层PCB(Printed Circuit Board)硬件电路板,同时设计个性化蓝牙信标接收器,通过USB接口外接终端电路板,采集定位所需蓝牙信号。通过实际室内环境和室外环境测试验证终端的性能,现场测试表明,本文设计实现的终端在实验环境中能较好地实现亚米级平均定位精度,达到了泛在高精度定位的目标。