论文部分内容阅读
室内场景下精确位置信息的获取是移动机器人的关键挑战之一,传统的定位方式如GPS、航迹推算、Wi-Fi、蓝牙等在室内机器人的应用中定位精度不够理想,而基于超宽带(Ultra-wide Band,UWB)技术的无线定位系统具有高多径分辨率、高定位精度、不易受到其他无线信号干扰的特点,在室内定位中逐渐有了更多的应用。本课题以移动机器人为研究对象,主要研究目标是提高移动机器人在室内环境的定位精度。为了解决传统室内定位精度低、信号干扰严重的问题,本文综合了UWB超宽带技术和基于惯性测量单元(Inertial Measurement Unit,IMU)的惯性导航技术的优缺点,在扩展卡尔曼滤波的框架下将UWB定位和IMU信息融合,并根据系统模型对状态方程和观测方程进行了详细的分析。针对MEMS IMU传感器存在的噪声问题,本文使用LSTM循环神经网络进行去噪处理。LSTM模型的输入门、遗忘门、输出门的设计能够保存对时间序列中信息的长期记忆,获得序列数据之间的非线性关系,对低成本IMU传感器的噪声去除有着明显的效果。为了验证本文所设计的复杂环境下UWB/IMU融合算法的定位效果,本文搭建了一套基于UWB技术的室内移动机器人定位系统,其中包含上位机定位显示平台、移动机器人下位机硬件模块以及下位机软件模块。经实验测试,本文设计的UWB/IMU融合定位解决方案在视距环境下定位精度约为0.12米,在非视距环境下定位精度达到了0.43米,相比单独使用UWB定位的精度分别提升了42.7%和47.5%。