点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
对于移动机器人,定位技术是保证移动机器人轨迹/运动作业的前提技术,特别是跟踪作业的基础。
与自动驾驶车辆定位不同,小型移动机器人更需要的是定位精度。根据作业环境,小型移动机器人定位技术可以视为室内定位系统(Indoor Location System, ILS)。小型移动机器人定位技术不同于机械加工领域的定位技术,从关键词上可以明显区别“Location/Localization”与“Position/Positioning”。Localization 指的是机器人在作业空间内的自身的位置关系问题,position 是会指向更精密的点问题。
本文的主要内容包括:室内定位测量原理(物理属性)[1],室内定位技术,定位模型方法,定位算法,定位系统评价因子,基于惯导的定位系统,基于无线电网络的定位技术,集群定位算法。
室内定位测量原理
无线电频谱与电磁波
(1)个人或区域互联网,包括IEEE 802.11, Ultra-Wideband (UWB),ZigBee, 或者 Bluetooth。
采指纹基定位方法
邻近技术
贝叶斯统计匹配
极大似然估计
关联判决(Correlation discriminant kernel selection)
神经网络
非采指纹基定位方法
几何学
(2)区域广播网络,包括定位目的的网络,例如GPS/GNSS,以及具有定位功能多的网络,例如智能手机网络、电视广播信号。
电视信号
胞元网络(智能手机)
移动相机系统
固定相机系统
(2)图像分析与特征点标记(二维码定位)
此外,还有声波、机械能(惯性/接触)、地球磁场、大气压。
无线电室内定位系统分类[2]
室内定位技术
室内定位服务系统Indoor Location Based Services (ILBS)可以简单地分为三类[3]:
1、网络系统:基于无线网络
2、惯性系统:机载惯导系统预估定位
3、混合系统:融合无线网络与惯性系统的混合系统
RSS-IMU 混合系统
基于地图的混合系统
基于智能手机的混合系统
室内定位模拟方法分类
1、angle of arrival(AoA) 技术:根据到达信号角度
2、time of arrival(ToA) 技术:根据到达信号时间(类似雷达测距)
3、fingerprinting 技术,即特征技术
室内定位模拟算法
1、三角定位(Triangulation),需要借助固定基站或者已知基站位置信息,GPS等无线网络定位法。
2、邻近(Proximity), 使用具有有限的感知范围和分析能力的传感器,RFID。
3、场景分析(Scene analysis),利用场景画面中的特征完成定位分析,点云和3D重构技术,机器视觉。
4、航位推算(Dead reckoning),基于先验信息推算出运动轨迹,惯导、捷联惯导。
按照文献[5],基于静态传感器节点的定位技术广泛应用于移动机器人跟踪功能,定位算法可总结为:
1、范围基定位(Range-based localization)
time-of-arrival (TOA) – based 定位. 联合最小二乘估计 the Least-Square Estimate
time-difference-of-arrival (TDOA) – based 定位. 协同定位
Angle-of-arrival (AOA) – based 定位.
received signal strength (RSS) – based 定位,联合最大似然估计Maximum likelihood estimate
MDS Based 定位,联合奇异值分解 Singular Value Decomposition (SVD)
Channel Impulse Response Based fingerprinting 定位
Approximate Point in Triangle Test (APIT)
Centroid-based 定位
Monte-Carlo 定位
DV-Hop based 定位
Closer point based 定位
Based Coordinates (ABC) localization method
1、机器学习方法 Machine Learning Based Methods:
least square support vector machine and Gaussian processes ,Semi-supervised Laplacian regularized least squares method and HMM based RSS-EKF (Extended Kalman Filter) method using RSS
2、集中和分布式方法Centralized and Distributed Methods
3、多传感器数据融合方法Multi-Sensor Data Fusion Methods
4、采指纹方法Fingerprinting Based Methods
1、聚类跟踪算法 Cluster-based tracking methods, dynamic clustering algorithm for target tracking
2、预测跟踪算法 Prediction-based tracking methods
3、树基跟踪算法 Tree-based tracking methods
4、主动跟踪算法 Activation-based tracking method
5、Mobicast基跟踪算法 Mobicast-based tracking method
室内定位方法评价
1、精度与误差
2、环境适应性。场景对定位系统测量精度影响,一个高性能框架能够避免对重复定位差异
3、消耗:带宽、寿命、能耗、权重与额外设备
4、基站数量
基于惯导的定位系统
捷联惯导系统Strapdown systems: 采用两次积分预测运动
步进与航向系统Step and Heading Systems (SHS): 通过表示步进长度与航向的惯性定位向量预测位置
参考下图,惯导定位系统通过二次积分获得定位信息[6]
一个经典的具有定位功能的移动机器人控制系统架构如下图所示,该系统通过无线电、里程计以及惯性测量单元实现自定位功能[7]。
微型惯性测量单元,包括陀螺仪、加速度计、磁偏角计、温度和气压等功能,通过物理模型和误差模型推算。
扩展卡尔曼滤波算法EKF与粒子滤波器是移动机器人群体定位中最为广泛,尤其在RoboCup等机器人大赛[7]。
基于无线电定位系统
参考[8]
基于ZigBee组件的微型定位系统
集群定位系统
参考文献[9][10],集群类机器人定位技术,不仅可以依靠静态基站进行定位,还可以利用机器人之间无线电终端辅助其它终端进行定位。
算法1 [9]
因为集群定位存在很大的噪声干扰,因此需要对采集到的信息进行去噪处理,或者提高系统抗干扰能力,采用统计算法提高定位系统精度。如在文献[10],采用了卡尔曼滤波器对定位优化。
文献[10]-算法1
文献[10]-算法2
文献[10]-算法3
好消息!
小白学视觉知识星球
开始面向外开放啦
下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2:Python视觉实战项目52讲
在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。
下载3:OpenCV实战项目20讲
在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~