隨著電子技術(shù)和計(jì)算機(jī)技術(shù)的快速發(fā)展及機(jī)器人定位精度的不斷提高,，智能移動(dòng)機(jī)器人的應(yīng)用越來(lái)越廣泛?，F(xiàn)已廣泛應(yīng)用于工業(yè)生產(chǎn)、?？仗剿?、軍事、家庭和一些服務(wù)行業(yè),。

     精確的定位是移動(dòng)機(jī)器人安全,、有效地完成任務(wù)的關(guān)鍵和前提[1]。現(xiàn)有的大多數(shù)定位方法是通過(guò)機(jī)器自身攜帶的傳感器實(shí)時(shí)感知自身所處環(huán)境的位置和周圍信息，并不斷修正自身狀態(tài),，然后在有障礙物的環(huán)境中有效地完成任務(wù),。
    卡爾曼濾波[2]是由一系列遞歸數(shù)學(xué)公式描述的。它們提供了一種高效可計(jì)算的方法來(lái)估計(jì)過(guò)程的狀態(tài),，并使估計(jì)均方誤差最小,，應(yīng)用廣泛且功能強(qiáng)大。但如果模型或系統(tǒng)噪聲特性估計(jì)與實(shí)際不符,，則會(huì)降低濾波器的精度甚至導(dǎo)致濾波器發(fā)散,。為了解決此問(wèn)題，本文結(jié)合外部環(huán)境特征信息并在測(cè)量更新階段多次迭代濾波估計(jì)值,，減小定位誤差,，提高系統(tǒng)穩(wěn)定性。
1 系統(tǒng)模型
    本文的研究對(duì)象是一種三輪智能移動(dòng)機(jī)器人,，該機(jī)器人的其中一輪為萬(wàn)向輪,，另外兩輪為驅(qū)動(dòng)輪。兩個(gè)驅(qū)動(dòng)輪上裝有光電碼盤(pán),。利用驅(qū)動(dòng)輪的碼盤(pán)數(shù)據(jù),，可以計(jì)算機(jī)器人的動(dòng)態(tài)位置信息。機(jī)器人的正前方裝有激光雷達(dá)測(cè)距傳感器,，可以采集已知環(huán)境中的路標(biāo)信息,。準(zhǔn)確的系統(tǒng)模型直接影響著機(jī)器人的定位精度。因此,，本文首先根據(jù)機(jī)器人信息建立了坐標(biāo)系統(tǒng)模型,、機(jī)器人運(yùn)動(dòng)模型和傳感器觀測(cè)模型。

1.3 觀測(cè)模型
    根據(jù)機(jī)器人運(yùn)動(dòng)模型估計(jì)的位姿,，只是實(shí)際位姿的一個(gè)粗略的估計(jì),，由于輪子打滑等原因存在一定誤差，而且隨著機(jī)器人移動(dòng)時(shí)間的增加,，誤差將越來(lái)越大,，最終移動(dòng)機(jī)器人將偏離自己的軌跡,。為了修正誤差,，移動(dòng)機(jī)器人需要利用激光雷達(dá)傳感器，對(duì)路標(biāo)進(jìn)行觀測(cè),，修正自身的位姿,。
    本文利用激光雷達(dá)測(cè)距傳感器的觀測(cè)信息來(lái)修正機(jī)器人自身的位置。機(jī)器人在運(yùn)動(dòng)過(guò)程中,，利用測(cè)距傳感器掃描周圍環(huán)境,，獲得的觀測(cè)量z(k)是周圍環(huán)境路標(biāo)相對(duì)于傳感器的距離和方向，然后根據(jù)先驗(yàn)的地圖信息確定自身的實(shí)際位置。在定位問(wèn)題的狀態(tài)空間描述中可以表示為：



 

    眾所周知,，迭代次數(shù)越多,，計(jì)算量越大，時(shí)間越長(zhǎng),。因此,，實(shí)際機(jī)器人定位中，針對(duì)實(shí)際硬件條件,，可以選取合適的迭代次數(shù)提高算法的定位精度,，增強(qiáng)算法的收斂穩(wěn)定性。
    由兩次實(shí)驗(yàn)結(jié)果可以看出,，IEKF算法估計(jì)的路標(biāo)特征和機(jī)器人路徑與實(shí)際基本相符,。從實(shí)驗(yàn)所得的誤差數(shù)據(jù)可以看出，相對(duì)于機(jī)器人自身的空間大小,，誤差在可接受的范圍之內(nèi),，表明該定位系統(tǒng)定位精度較高，具有較高的可靠性,。
    本文針對(duì)機(jī)器人定位精度問(wèn)題,，在傳統(tǒng)卡爾曼濾波的基礎(chǔ)上，提出一種迭代擴(kuò)展卡爾曼濾波算法,。該算法相對(duì)于傳統(tǒng)卡爾曼濾波算法,，在狀態(tài)更新階段采用多次迭代更新，減少了系統(tǒng)線性化時(shí)所帶來(lái)的誤差,，并將該算法與多傳感器信息融合技術(shù)結(jié)合應(yīng)用于有路標(biāo)的機(jī)器人定位,。模型簡(jiǎn)單、存儲(chǔ)量小,。實(shí)驗(yàn)結(jié)果表明該算法在保證實(shí)時(shí)性的同時(shí)較大地提高了定位精度,，能夠滿足機(jī)器人高精度及可靠性等方面的要求。
參考文獻(xiàn)
[1] 丁偉,，孫華,，曾建輝.基于多傳感器信息融合的移動(dòng)機(jī)器人導(dǎo)航綜述[J].傳感器與微系統(tǒng)，2006,25(7):1-3.
[2] 石杏喜,，趙春霞.基于概率的移動(dòng)機(jī)器人SLAM算法框架[J].計(jì)算機(jī)工程,，2010,36(2)：31-32.
[3] 曾健平, 王保同， 謝海情. 自主移動(dòng)機(jī)器人定位系統(tǒng) Kalman濾波算法改進(jìn)[J].計(jì)算機(jī)應(yīng)用研究,，2011,28(5): 1710-1712.
[4] 李良群,，姬紅兵，羅軍輝.迭代擴(kuò)展卡爾曼粒子濾波器 [J].西安電子科技大學(xué)學(xué)報(bào),，2007,34(2)：233-238.
[5] 陳小寧,，黃玉清,，楊佳. 多傳感器信息融合在移動(dòng)機(jī)器人定位中的應(yīng)用[J].傳感器與微系統(tǒng)，2008,，27(6)：110-113.
[6] 鄒智榮,，蔡自興，陳白帆.移動(dòng)機(jī)器人SLAM中一種混合 數(shù)據(jù)關(guān)聯(lián)方法[J]. 小型微型計(jì)算機(jī)系統(tǒng),，2011,32(7)：1341-1343.