摘  要： 用四輪差動驅(qū)動輪式機器人作為試驗平臺,以編碼器和陀螺儀作為機器人的定位系統(tǒng),建立了機器人的運動學(xué)方程。采用卡爾曼濾波器對兩種傳感器的數(shù)據(jù)進行融合，以減小編碼器和陀螺儀的誤差，再通過最小二乘支持向量機建立回歸曲線模型，獲得機器人的位姿信息。
關(guān)鍵詞： 輪式機器人；卡爾曼濾波器；最小二乘支持向量機；位姿

    對于在動態(tài)環(huán)境中的移動機器人來說，定位技術(shù)是一項最基本、最重要的功能。因此,研究移動機器人的自主定位具有很重要的意義。
    機器人的定位[1]技術(shù)分為兩類：相對定位和絕對定位。相對定位是由編碼器、里程計等傳感器與機器人前一時刻的位姿來推出下一時刻的位姿。絕對定位是采用攝像頭和激光超聲波等傳感器,然后根據(jù)已知位置的標志物進行定位,需要對環(huán)境的先驗知識。由于單傳感器都有局限性，因此采用多個傳感器進行融合以達到較準確的定位技術(shù)。本文將講述利用卡爾曼濾波算法將編碼器測得的機器人航向角和陀螺儀測得的機器人航向角進行濾波融合[2]，修正因輪子打滑等引起的編碼器測角誤差，再經(jīng)過LS_SVR建立回歸曲線，提高定位精度。
1 系統(tǒng)定位模型的構(gòu)建
    差動驅(qū)動式移動機器人的幾何模型如圖1所示。

    根據(jù)圖1所示則有：
    
    其中，NL是編碼器的線數(shù)，ML和MR分別為?駐t時間內(nèi)左右兩個編碼器輸出的脈沖數(shù)，L為左右兩個驅(qū)動輪之間的距離，r為驅(qū)動輪的半徑，VL為機器人左邊兩輪的線速度，VR為機器人右邊兩輪的線速度，w為里程計測得的機器人航向變化的角速率，θk為機器人的航向角。
    一般差動機器人的位置p=[x，y，θ]T可以從一個已知的位置開始，然后對其運動積分來估計下一時刻的位置。若采樣周期為Δt的離散系統(tǒng)，則位置增量為：

通過高維特征空間中的線性函數(shù)
    

    估計誤差初值取濾波前的均方差和4%的均方差，則：
  
    實驗方法：以鋪著鵝卵石的水泥地為實驗平臺，設(shè)定好全局坐標及將機器人的起始航向角記為0，然后通過編碼器實現(xiàn)機器人的直線和轉(zhuǎn)彎行走。圖2所示為機器人直線行走時航向角的變化，可以看出經(jīng)過卡爾曼濾波和最小二乘支持向量機回歸之后的航向角誤差在1°以內(nèi)。圖3所示為機器人的軌跡圖，可明顯看出處理完之后的軌跡很接近于理論的軌跡。

    本文將卡爾曼濾波和最小二乘支持向量機相結(jié)合實現(xiàn)了對機器人的定位?？柭鼮V波是一種遞推估計算法，主要思想是利用前一時刻的估計值和現(xiàn)時刻的觀測值來更新對狀態(tài)變量的估計，求出現(xiàn)時刻的估計值,經(jīng)實驗證明有較好的效果。但是,在本文中所采用的定位方法只是相對定位方法,隨著時間的增加就會有誤差的累積，因而可將激光超聲波和攝像頭等傳感器加入機器人定位系統(tǒng),采用相對定位和絕對定位相結(jié)合,來消除經(jīng)長時間運行而產(chǎn)生的累積誤差。
參考文獻
[1] 歷茂海,洪炳熔.一種魯棒的室內(nèi)移動機器人定位方法[J].計算機工程與應(yīng)用,2005，42(4)：1-4.
[2] 王軍,蘇劍波,席裕庚.多傳感器集成與融合概述[J].機器人,2001,23(2)：183－192.
[3] 陳旻.基與DSP的擴展卡爾曼濾波直流無刷電機控制[J].單片機與嵌入式系統(tǒng)應(yīng)用，2003,3(11)：1-4.
[4] 段凱宇,張力軍.基于到達角Kalman濾波的TDOA/AOA定位算法[J].電子與信息學(xué)報，2006，28(9)：1-4.
[5] 辛菁,劉丁,徐慶坤.基于LS_SVR的機器人空間4DOF無標定視覺定位[J].控制理論與應(yīng)用,2010,27(1):1-9.
[6] 周松斌,劉桂雄.基于LS_SVR的無線傳感器網(wǎng)絡(luò)節(jié)點定位算法[J].制造業(yè)自動化,2008,30(9):1-5.