未知室内环境下移动机器人INS/RGB-D自主紧组合导航信息融合方法研究

It is with great economic significance and scientific value to study on the theory and method of information fusion in high precision real-time integrated navigation system for mobile robot in complex indoor environment. In order to further improve the navigation accuracy, the information fusion method of autonomous tightly-coupled INS/RGB-D integrated navigation for mobile robot in unknown indoor environment will be studied. First of all, the mechanism-based sensing error characteristics of the robot during operation will be analyzed. And the optimization method of model parameters for the robot during operation is studied by combining the available environment characteristics, which solves the poor fault tolerance of the system model caused by the truncation error. Secondly, aim at the instability and low precision of the integrated navigation system due to the perturbation of the system parameters and the missing measurement during the operation of the mobile robot, based on parameter perturbation and missing data will be studied using the T-S fuzzy algorithm and the data missing state estimation method, the finite impulse response (FIR)/Kalman filter (KF) hybrid filtering method which integrated the FIR filter and KF will be studied. And a high-precision robust FIR/KF filtering algorithm based on parameter perturbation and missing data is designed. This research laid good scientific theoretical foundation of the continuous and high-precision navigation for the indoor robot navigation.

针对移动机器人在室内复杂环境下对高性能导航需求开展高精度信息融合理论与方法研究具有重要经济意义和科学价值。为了进一步提升导航精度，本项目拟对未知室内环境下移动机器人惯性导航（INS）/RGB-D自主紧组合导航信息融合方法展开研究。首先，在机理上分析机器人运行过程中传感误差特性，结合有效环境特征研究机器人运行过程中模型参数优化方法，解决由于截断误差引起的系统模型容错性差问题。其次，针对移动机器人运行时的系统参数摄动和测量数据易丢失带来的组合导航系统不稳定性和低精度问题，将有限脉冲响应（FIR）滤波和Kalman滤波（KF）进行融合，采用T-S模糊算法和带观测信息丢失的状态估计方法研究基于参数摄动和测量数据丢失的FIR/KF混合滤波方法，设计基于参数摄动和测量数据丢失的高精度鲁棒FIR/KF滤波算法。通过本项目的研究，为移动机器人在室内复杂环境下的持续高精度导航奠定良好的科学理论基础。

针对移动机器人在室内复杂环境下对高性能导航需求开展高精度信息融合理论与方法研究具有重要经济意义和科学价值。为了进一步提升导航精度，本项目对移动机器人未知室内环境下惯性导航（INS）/RGB-D自主紧组合导航信息融合方法展开研究，取得了丰富的研究成果。首先，在机理上对机器人运行过程中传感误差特性进行了分析，结合有效环境特征研究机器人运行过程中模型参数优化方法，设计了基于多状态误差模型描述的传感器解算误差补偿方法，解决由于截断误差引起的系统模型容错性差问题。其次，对传感器原始数据与所要获取的导航信息之间的关系进行了分析，重点考虑了采样周期的小幅不确定情况对组合导航系统的影响，完成了基于环境特征并考虑采样周期随机变化的分布式INS/RGB-D 紧组合导航模型的构建。为了充分发挥Kalman滤波器数据融合精度高以及FIR滤波器鲁棒性好的优势，本项目提出了IMM-FIR/KF混合滤波算法。在这种模式下，FIR和Kalman两种滤波算法并行工作，利用IMM算法将FIR和Kalman滤波算法的输出进行数据融合。为了克服传感器由于元器件老化等原因造成的测量数据丢失对组合导航系统的影响，本项目提出了预测FIR算法。面向INS/UWB组合导航模型，从理论上推导了UWB数据缺失的数学表达模型，以此为基础，设计了预测FIR算法，有效的克服UWB数据缺失对组合导航数据融合算法的影响。通过本项目的研究，为移动机器人在室内复杂环境下的持续高精度导航奠定良好的科学理论基础。