导　　师： 苏为洲

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 在工业和军事领域中发挥着重要作用的移动机器人系统是当前持续的研究热点,其综合了机器视觉、概率论、控制论、人工智能等诸多学科研究成果。机器人上装载多种传感器用于感知环境并提取关键信息以做出相应决策。相比于单机器人,多个机器人具有更强的容错性和更灵活的部署结构,可通过信息交互和协同合作完成复杂任务。本文以扩展卡尔曼滤波为基础研究多机器人协同目标跟踪和位姿估计,主要工作包括:搭建一套基于无线传感网络的多移动机器人实验平台。具有唯一的身份标志的机器人按照模块功能分为感知层、驱动层、通信层和运算中心,可实时感知外界信息并交互测量数据。所设计的机器人因其个体感知能力的局限性无法单独完成位姿估计或目标跟踪,需联合其他机器人来共同实现。阐述了机器人静止状态下仅根据方位角信息来跟踪机动目标的问题。由于基于角度观测的非线性特性,定位精度受到目标与观测点的相对位置的影响,对此分析了基于最小二乘定位的几何精度因子。针对当前统计模型需要预设机动频率、且其不能随着目标机动性变化而调整的问题,改进了基于残差检测的频率自适应算法。仿真结果说明改进后的算法比仅使用当前统计模型取得了更好的跟踪效果。针对机器人的初始位姿估计问题,以真实实验环境为背景,比较了牛顿-拉夫逊迭代法、航向搜索法和两圆交点法的估计精度。针对多机器人协同位姿估计问题,分别提出了集中式和配对式两种滤波算法,其中集中式算法能得到更高的精度但消耗更大的运算资源,配对式算法将计算量分配给各个机器人但是估计精度较低。在多机器人协同位姿估计的基础上,针对同时实现目标跟踪及动态位姿估计的问题,确定了多机器人的观测方案,提出了采用一个低维的滤波器单�

关 键 词： 多机器人 扩展卡尔曼滤波 目标跟踪 位姿估计

领　　域： []