买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河海大学;江苏艾龙科技有限公司

摘要：本发明公开了一种基于鲁棒扩展卡尔曼滤波的机器人姿态估计方法，属于移动机器人运动感知技术领域。本发明首先进行传感器系统模型构建；然后在构建的系统模型的基础上实现基于鲁棒扩展卡尔曼滤波的机器人姿态估计算法；再基于混合加权核函数的改进最大熵准则，实现对外界噪声的自适应估计，得到k时刻量测噪声方差阵的一次估计值；然后基于Sage‑Husa原理进行的二次估计；最后进行算法量测更新。本发明方法能有效减小机器人运动过程中外界干扰对状态估计的影响，提高移动机器人的姿态估计精度，进一步提升机器人在复杂场景下的工作质量。

主权项：1.一种基于鲁棒扩展卡尔曼滤波的机器人姿态估计方法，该方法基于已知量：所使用惯性测量传感器的输出信息包括：三轴陀螺仪信息、三轴加速度计信息、磁力计航向信息；其中，三轴陀螺仪信息为表示k时刻x轴的陀螺仪信息，表示k时刻y轴的陀螺仪信息，表示k时刻z轴的陀螺仪信息；三轴加速度计信息表示k时刻x轴的加速度信息、表示k时刻y轴的加速度信息、表示k时刻z轴的加速度信息；磁力计航向信息表示k时刻磁力计输出的航向信息；其特征在于，该方法包括如下步骤：S1.传感器系统模型构建；S2.在步骤S1构建的系统模型的基础上实现基于鲁棒扩展卡尔曼滤波的机器人姿态估计算法；S3.基于混合加权核函数的改进最大熵准则，实现对外界噪声的自适应估计，得到k时刻量测噪声方差阵的一次估计值具体包括：引入混合加权核函数，具体表示如下： 其中ρk表示权矩阵，为高斯核函数和sigmoid核函数的混合，表示高斯核函数，ek表示k时刻的量测新息矩阵，σ＝0.5表示高斯核函数的宽度参数；表示sigmoid核函数，β表示函数调节系数，且β＝0.5；diag[·]表示取矩阵的对角线元素函数；τ表示混合核函数的加权系数；基于权矩阵的计算，得量测噪声方差阵的估计结果如下： 其中，表示k时刻量测噪声方差阵的一次估计值；Rk表示k时刻量测噪声方差阵，L表示采样周期；S4.基于Sage-Husa原理进行的二次估计；S5.算法量测更新。

全文数据：

权利要求：

百度查询： 河海大学 江苏艾龙科技有限公司 基于鲁棒扩展卡尔曼滤波的机器人姿态估计方法