基于贝叶斯估计理论的自主机器人双目视觉相机量化误差数据最优融合方法研究

The optimal fusion between stereo vision camera data with quantization error and dead-reckoning is investigation. The conventional kalman filtering demands that the measurement noise is Gaussian noise, which is quantization error for stereo vision camera. This leads to the accuracy decrease of kalman filtering. Especially, when the distance between the stereo vision camera and the features is far, the effect of quantization error is obvious. The divergence of filtering happens some time. To solve these problems, the reason for quantization error is analyzed firstly. And the modeling method for quantization error is proposed. As a result, the stochastic model of quantization error is derived. Then, the particle filtering and nonlinear filtering based Fokker-Planck equation are incorporated with the stochastic model of quantization error to solve the problem of fusing the data of stereo vision camera and dead-reckoning. Finally, the hardware platform of integrated navigation system is constructed. The stochastic models of quantization and filtering algorithms are compared. The investigation of quantization error and its fusion helps to improve the ability to navigate, control and tracking target for autonomous robot.

本项目针对自主机器人具有量化误差特性的双目视觉相机测量数据与里程计信息的最优融合问题展开研究。传统卡尔曼滤波融合传感器数据要求量测噪声为高斯白噪声，这与双目视觉相机测量数据的量化误差特性相矛盾，必然导致滤波精度下降，尤其是当双目视觉相机与所观测的特征点距离较远时，量化误差的影响更为显著，这时甚至会出现滤波发散的现象。为解决上述问题，首先深入分析双目视觉相机量化误差的产生机理，提出量化误差建模方法，进而推导出量化误差的随机模型；然后，以量化误差的建模成果为基础，结合粒子滤波和基于求解Fokker-Planck方程的非线性滤波的改进研究成果，解决双目视觉相机测量数据与里程计信息的最优数据融合问题。最后，设计和搭建导航系统硬件试验平台，对比分析各种量化误差随机模型和数据融合算法的性能。对双目视觉相机测量数据量化误差特性以及融合问题的研究有助于提高自主机器人在导航、控制、目标跟踪等各方面能力。

本项目以自主机器人视觉导航问题为研究背景，对自主机器人具有量化误差特性的双目视觉相机测量数据与里程计信息的最优融合问题开展深入研究，完成了双目视觉相机量化误差建模、基于粒子滤波和求解Fokker-Planck方程的非线性滤波算法研究以及导航系统硬件平台设计等工作，具体内容如下：. 1. 从双目视觉相机成像原理出发，分析了双目视觉相机量化误差产生机理，给出了双目视觉相机量化误差模型，采用分段函数分别描述各段的量化误差，每个分段函数内的量化误差服从均匀分布，量化区间的长度与相机平面和特征点距离相关，距离越近，量化区间长度越大；. 2. 采用多项式重采样、自适应部分重采样和遗传重采样三种方法对粒子滤波进行了改进，结合自主机器人组合导航系统模型，设计了改进粒子滤波器，其中双目视觉相机测量模型采用分段量化误差模型，最后进行了数学仿真研究，验证了最优融合算法的有效性；. 3. 结合双目视觉相机的分段量化误差模型，基于求解Fokker-Planck方程的非线性滤波算法，设计了导航滤波器，提出了自适应变尺度网格化和直接积分矩两种改进方法，进行了数学仿真研究，验证了三种基于求解Fokker-Planck方程的最优融合算法的有效性；. 4. 设计了双目视觉相机/里程计组合导航硬件试验平台，建立组合导航算法性能评价体系，验证量化误差建模的正确性。. 本项目完成了双目视觉相机量化误差的建模,提出了双目视觉相机量化误差数据最优融合方法，解决了具有量化误差特性的数据最优融合问题，给涉及量化误差特性的数据融合研究提供了科学借鉴，有利于推进提高机器人自主能力方面的学术研究。