|本期目录/Table of Contents|

[1]萧志聪,叶 迅.基于粒子滤波的机器人搬运轨迹协同定位方法[J].电子设计工程,2019,27(22):184-187.
 XIAO Zhicong,YE Xun.Collaborative location method of robot handling trajectory based on particle filter[J].SAMSON,2019,27(22):184-187.
点击复制

基于粒子滤波的机器人搬运轨迹协同定位方法(PDF)
分享到:

《电子设计工程》[ISSN:1674-6236/CN:61-1477/TN]

卷:
27
期数:
2019年22期
页码:
184-187
栏目:
电力电子技术
出版日期:
2019-11-20

文章信息/Info

Title:
Collaborative location method of robot handling trajectory based on particle filter
文章编号:
1674-6236(2019)22-0184-04
作者:
萧志聪1叶 迅2
(1.广东工业大学 物理与光电工程学院,广东 广州 510006;2.华南理工大学广州学院 汽车与交通工程学院,广东 广州 510800)
Author(s):
XIAO Zhi?cong1YE Xun2
(1.School of Physics & Optoelectronic Engineering,Guangdong University of Technology, Guangzhou 510006,China;2.Guangzhou College of South China University of Technology,College of Automobile and Transportation Engineering,Guangzhou 510800,China)
关键词:
粒子滤波 搬运轨迹 协同定位 跟踪框架 隐含层 协同校正 定位条件熵
Keywords:
particle filter handling trajectory cooperative positioning tracking framework hidden layer cooperative correction positioning condition entropy
分类号:
TN433
DOI:
-
文献标志码:
A
摘要:
为全面提升自治机器人在搬运行进过程中的的绝对定位能力,提出基于粒子滤波的机器人搬运轨迹协同定位方法。在粒子滤波跟踪框架中,通过选取定位隐含层的方式,计算轨迹滤波梯度,完成基于粒子滤波的轨迹定位环境搭建。在此基础上,利用满足标定规则的粒子滤波器,校正机器人搬运轨迹的协同误差,并以此为条件推导出定位条件熵,完成基于粒子滤波机器人搬运轨迹协同定位方法的顺利应用。模拟对比实验结果显示,应用新型轨迹协同定位方法后,绝对定位精度可达到90%以上,传统定位方法遗留问题得到有效解决。
Abstract:
In order to improve the absolute positioning and relative positioning ability of autonomous robots in the process of moving, a coordinated positioning method based on particle filter is proposed. In the framework of particle filter tracking, the trajectory filtering gradient is calculated by choosing the way of locating the hidden layer, and the trajectory location environment based on particle filter is built. On this basis, the particle filter satisfying the calibration rules is used to correct the cooperative error of the robot’s trajectory. Based on this condition, the positioning condition entropy is deduced, and the successful application of the cooperative positioning method of the robot’s trajectory based on particle filter is completed. The simulation results show that the absolute positioning accuracy and relative positioning accuracy can reach more than 90% after the application of the new trajectory cooperative positioning method, and the problems left by the traditional positioning method can be effectively solved.

参考文献/References:

[1] 潘爽,刘海光,李楠,等. 基于量子PSO免疫粒子滤波的FastSLAM算法[J]. 计算机仿真, 2018,35(8):202-205.[2] 李芳芳,杜明田,赵泉刚,等. 基于分层试拉的配电网小电流接地故障定位方法[J]. 电子设计工程, 2018, 26(21):21-25.[3] 路飞,田国会,刘国良,等. 智能空间下基于WIFI指纹定位与粒子滤波的服务机器人复合全局定位系统设计[J]. 机器人, 2016,38(2):178-184.[4] 罗元,庞冬雪,张毅,等. 基于自适应多提议分布粒子滤波的蒙特卡洛定位算法[J]. 计算机应用, 2016,36(8):2352-2356.[5] 赵国旗,杨明,王冰,等. 基于智能终端的移动机器人室内外无缝定位方法[J]. 上海交通大学学报, 2018,52(1):13-19.[6] 姜道伟,袁亮,巨刚. 基于图像技术与粒子滤波融合新算法的机器人多目标跟踪[J]. 组合机床与自动化加工技术, 2016,19(12):31-34.[7] 李修云,梁山,赵聃敏. 一种基于视觉补偿的移动机器人地图匹配室外定位算法[J]. 机床与液压, 2016,44(12):122-128.[8] 何博,方勇纯,刘海亮,等. 桥式起重机精准定位在线轨迹规划方法设计及应用[J]. 控制理论与应用, 2016,33(10):1352-1358.[9] 陶金,孙青林,朱二琳,等. 基于量子遗传算法的翼伞系统归航轨迹规划[J]. 哈尔滨工程大学学报, 2016,37(9):1261-1268.[10]李家春,熊冬青,曹建洲.一种移动社交网络的协同定位隐私保护方法[J].华南理工大学学报:自然科学版,2019(2):92-97,105.[11]张成,凌有铸,陈孟元.改进蚁群算法求解移动机器人路径规划[J].电子测量与仪器学报,2016(11):1758-1764.[12]王东署,王佳.未知环境中移动机器人环境感知技术研究综述[J].机床与液压,2013(15):187-191.[13]秦颖,李涛,张智勇,等.一种面向工程应用的多移动搬运机器人系统结构[J].中南大学学报:自然科学版,2013(S2):21-27.[14]黄太安,生佳根,徐红洋,等.一种改进的简化粒子群算法[J].计算机仿真,2013(2):327-330,325.[15]李冯敬,姚佩阳,张杰勇,等.基于多Agent的分布式通信对抗目标分配系统[J].计算机工程,2012(12):283-286,290.[16]王超,杨静,张健沛.基于轨迹位置形状相似性的隐私保护算法[J].通信学报,2015(2):148-161.

相似文献/References:

[1]曹占启,孟 华.一种水下被动目标纯方位跟踪方法[J].电子设计工程,2014,(08):74.
 CAO Zhan-qi,MENG Hua.Bearing-only tracking algorithm for underwater passive target[J].SAMSON,2014,(22):74.
[2]陶 模,李 俨,谢 兰,等. 基于粒子滤波算法的自平衡两轮电动车设计与研究[J].电子设计工程,2013,(21):95.
 TAO Mo,LI Yan,XIE Lan,et al. Based on the self-balancing two-wheeled electric car of the particle filter algorithm design and research[J].SAMSON,2013,(22):95.
[3]何鹏举,宋阿梅,张永锋,等. 基于概率密度估计改进粒子滤波的行人跟踪算法研究[J].电子设计工程,2013,(15):178.
 HE Peng-ju,SONG A-mei,ZHANG Yong-feng,et al. Research on improved particle filter pedestrian tracking algorithm based on probability density estimation[J].SAMSON,2013,(22):178.
[4]李白燕,李 平. 目标跟踪中目标匹配的特征融合算法研究[J].电子设计工程,2013,(12):102.
 LI Bai-yan,LI Ping. Feature fusion algorithms of the target matching in target tracking[J].SAMSON,2013,(22):102.
[5]胡永昌. 卡尔曼与粒子滤波在GPS多径估计中的应用研究[J].电子设计工程,2013,(04):61.
 HU Yong-chang. Performance of GPS multipath-estimator based on Kalman and particle filter[J].SAMSON,2013,(22):61.
[6]李国新,何英杰,许海涛.EKF、PF在目标跟踪中的研究[J].电子设计工程,2012,(07):56.
 LI Guo-xin,HE Ying-jie,XU Hai-tao.Research of EKF、PF in the target tracking[J].SAMSON,2012,(22):56.
[7]郁卫华,朱 翔,朱晓华.基于交互式多模型粒子滤波的相控阵雷达自适应采样[J].电子设计工程,2012,(05):29.
 YU Wei-hua,ZHU Xiang,ZHU Xiao-hua.Adaptive sampling method for phased array radar based on interacting multiple model particle filter[J].SAMSON,2012,(22):29.
[8]薛亚阳,李晋惠,肖 锋.基于P-N跟踪器的自适应粒子滤波算法[J].电子设计工程,2011,(17):153.
 XUE Yayang,LI Jinhui,XIAO Feng.Self-adapted particle filter based on P-N tracker[J].SAMSON,2011,(22):153.
[9]刘德春,谭 信.非线性滤波算法性能对比[J].电子设计工程,2011,(13):49.
 LIU De-chun,TAN Xin.Performances comparison on nonlinear filtering algorithms[J].SAMSON,2011,(22):49.
[10]李 静,沈瑞冰.一种新型多特征融合粒子滤波视觉跟踪算法[J].电子设计工程,2011,(04):140.
 LI Jing,SHEN Rui-bing.A novel visual tracking algorithm based on multi-cues fusion and particle filter[J].SAMSON,2011,(22):140.

备注/Memo

备注/Memo:
收稿日期:2019-04-05 稿件编号:201904027作者简介:萧志聪(1993—),男,广东广州人,硕士研究生。研究方向:机器人、机器学习。
更新日期/Last Update: 2019-11-25