留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SLAM/UWB的室内融合定位算法研究

周韦 孙宪坤 吴飞

周韦, 孙宪坤, 吴飞. 基于SLAM/UWB的室内融合定位算法研究[J]. 全球定位系统, 2022, 47(1): 36-42. doi: 10.12265/j.gnss.2021081802
引用本文: 周韦, 孙宪坤, 吴飞. 基于SLAM/UWB的室内融合定位算法研究[J]. 全球定位系统, 2022, 47(1): 36-42. doi: 10.12265/j.gnss.2021081802
ZHOU Wei, SUN Xiankun, WU Fei. Research on indoor fusion positioning algorithm based on SLAM/UWB[J]. GNSS World of China, 2022, 47(1): 36-42. doi: 10.12265/j.gnss.2021081802
Citation: ZHOU Wei, SUN Xiankun, WU Fei. Research on indoor fusion positioning algorithm based on SLAM/UWB[J]. GNSS World of China, 2022, 47(1): 36-42. doi: 10.12265/j.gnss.2021081802

基于SLAM/UWB的室内融合定位算法研究

doi: 10.12265/j.gnss.2021081802
基金项目: 上海市科学技术委员会重点项目(18511101600);上海市科委青年科技英才“杨帆计划”资助项目(19YF1418200)
详细信息
    作者简介:

    周韦:(1994—),男,硕士,主要研究方向为室内融合定位

    孙宪坤:(1972—),男,副教授,研究方向为地理信息系统、计算机应用等

    吴飞:(1968—),男,教授,研究方向为信息物理融合系统、计算机并行处理与节能控制等

    通信作者:

    孙宪坤 E-mail: xiankunsun@yahoo.com.cn

  • 中图分类号: P228.4

Research on indoor fusion positioning algorithm based on SLAM/UWB

  • 摘要: 精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果.

     

  • 图  1  TDOA算法原理图

    图  2  ORB-SLAM2流程框图

    图  3  预处理结构框图

    图  4  融合定位算法框架图

    图  5  实验场景

    图  6  UWB轨迹与参考轨迹对比

    图  7  SLAM轨迹与参考轨迹对比

    图  8  SLAM/UWB融合轨迹与参考轨迹对比

    图  9  EKF、本文算法与真实轨迹对比

    图  10  EKF、本文算法与真实轨迹误差曲线

    图  11  大场地单一定位方式实验结果

    图  12  大场地两种融合定位实验结果

    表  1  单一定位与本文融合定位误差对比 m

    路径误差类型定位方式
    UWB定位SLAM定位融合定位
    AB平均值0.070.070.06
    最大值0.510.220.22
    BC平均值0.080.160.11
    最大值0.390.570.29
    CD平均值0.300.950.14
    最大值0.791.650.34
    DA平均值0.051.560.10
    最大值0.301.650.22
    整体平均值0.160.700.10
    最大值0.791.650.34
    下载: 导出CSV

    表  2  小场地下两种融合定位算法误差对比 m

    算法平均值最大值
    传统EKF融合算法0.130.59
    本文融合算法0.100.34
    下载: 导出CSV

    表  3  大场地下两种融合定位算法误差对比 m

    算法平均值最大值
    传统EKF融合算法0.180.87
    本文融合算法0.150.50
    下载: 导出CSV
  • [1] LEE T J, KIM C H, CHO D D. A monocular vision sensor-based efficient SLAM method for indoor service robots[J]. IEEE transactions on industrial electronics, 2019, 66(1): 318-328. DOI: 10.1109/TIE.2018.2826471
    [2] KHAIRUDDIN A R, TALIB M S, HARON H. Review on simultaneous localization and mapping (SLAM)[C]// IEEE International Conference on Control System, Computing and Engineering (ICCSCE), 2015: 85-90. DOI: 10.1109/ICCSCE.2015.7482163
    [3] 张小红, 左翔, 李盼, 等. BDS/GPS精密单点定位收敛时间与定位精度的比较[J]. 测绘学报, 2015, 44(3): 250-256. DOI: 10.11947/j.AGCS.2015.20130771
    [4] 翟昆朋, 徐建华, 叶甜春. GPS/BD2双系统联合定位算法分析与测试[J]. 微电子学与计算机, 2013, 30(10): 130-133.
    [5] 邸凯昌, 万文辉, 赵红颖, 等. 视觉SLAM技术的进展与应用[J]. 测绘学报, 2018, 47(6): 770-779. DOI: 10.11947/j.AGCS.2018.20170652
    [6] 陈志键, 徐爱功, 隋心, 等. 室内UWB/LiDA组合定位算法[J]. 导航定位学报, 2019, 7(1): 38-42.
    [7] 杨东辉, 甄杰, 隋心. 超宽带与激光雷达组合的室内定位方法[J]. 测绘科学, 2019, 44(6): 72-78.
    [8] 乔智, 徐爱功, 隋心, 等. 一种单目视觉/UWB组合的室内定位方法[J]. 导航定位学报, 2018, 6(4): 29-34,63.
    [9] 王文博, 黄璞, 杨章静. 基于超宽带、里程计、RGB-D融合的室内定位方法[J]. 计算机科学, 2020, 47(S2): 334-338.
    [10] TIEMANN J, RAMSEY A, WIETFELD C. Enhanced UAV indoor navigation through SLAM-augmented UWB localization[C]// IEEE International Conference on Communications Workshops (ICC Workshops), 2018: 1-6. DOI: 10.1109/ICCW.2018.8403539
    [11] 王嫣, 常晓鹏, 张建平. 基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位[J]. 应用科学学报, 2019, 37(6): 815-824. DOI: 10.3969/j.issn.0255-8297.2019.06.006
    [12] SHEN G W, ZETIK R, THOMA R S. Performance comparison of TOA and TDOA based location estimation algorithms in LOS environment[C]// The 5th Workshop on Positioning, Navigation and Communication, 2008. DOI: 10.1109/WPNC.2008.4510359
    [13] MUR-ARTAL R, TARDOS J D. ORB-SLAM2: an open-source SLAM system for monocular, stereo, and RGB-D cameras[J]. IEEE transactions on robotics, 2017, 33(5): 1255-1262. DOI: 10.1109/TRO.2017.2705103
    [14] 王鸣翠, 张帅帅. 基于SVD法的经纬仪测量系统空间数据配准[J]. 测绘地理信息, 2016, 41(1): 31-33,36.
    [15] 刘胜永, 于跃, 罗文广, 等. 基于自适应无迹卡尔曼滤波的锂电池SOC估计[J]. 控制工程, 2017, 24(8): 1611-1616.
  • 加载中
图(12) / 表(3)
计量
  • 文章访问数:  823
  • HTML全文浏览量:  338
  • PDF下载量:  110
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-08-18
  • 网络出版日期:  2022-02-23

目录

    /

    返回文章
    返回