[发明专利]一种适应于时变通信拓扑的多机器人分布式协作定位方法

说明书

本发明属于机器人自定位技术领域，公开了一种适应于时变串行通信拓扑的多机器人分布式协作定位方法，是基于UKF框架，将分布式协作定位转化为分布式U变换的实现问题，其中的协方差矩阵分布式分解是关键，利用向上看Cholesky矩阵分解递推逐步进行的特点，将分布式协方差矩阵分解过程适应于可获得的通信拓扑，从而实现分布式U变换。本发明避免了单机器人定位对其它所有机器人信息的需求，单机器人仅依赖随机可获得的邻机器人信息，即可进行自身位置估计，并完成与其它机器人位置关系的更新。提高了协作定位对动态时变通信拓扑的适应性，可应对多机器人在执行灾后搜救、大范围监视等任务时所面临的通信拓扑条件受限问题。

技术领域

本发明属于机器人自定位技术领域，尤其涉及一种应用于时变通信拓扑的多机器人分布式协作定位方法。

背景技术

协作定位是多机器人利用它们之间的相对信息来提高自身定位精度的一种方法。多机器人分散于地理空间中，为此，协作定位存在集中式和分布式两种实施架构，前者所有机器人都将信息传送与中心处理单元，存在通信消耗大、可靠性差等问题，而后者是在各个机器人内完成协作定位，是常用的一种架构。在分布式协作定位中，机器人间的信息流通分享是前提，然而在一些特殊应用环境下，自由的信息流通难以被提供，如在未知环境探索中，经常会出现机器人的间距超出通信路径而不能自由通信，再如，在对抗环境下，各种有意或无意的干扰会阻断节点间通信链路等，这使得机器人之间的通信拓扑(描述通信关系)是不确定的，且随环境条件时变，若不能适应这一情况，协作定位效能将会大大降低。

卡尔曼滤波(KF)是当前解决协作定位问题的主要技术之一，基于KF的分布式协作定位算法设计有两种方向，一种是以提高定位精度为目的，侧重于理论分析层面，往往假设机器人可以自由获得所需信息，它们之间可以无约束地通信；另一种虽将通信条件作为设计约束，但一般假定约束是已知且固定的(即通信拓扑固定)，即对每一个个体，其信息来自谁，发给谁提前规定，基于这一前提的算法设计对通信条件需求苛刻，且一旦在实际应用中不能被满足，协作定位任务就面临失败的可能。因此，基于这两方向设计出的协作定位方法在实际应用中均受限制，特别是通信拓扑时变的场合。

发明内容

为克服现有技术的不足，本发明提出了一种适应于时变通信拓扑的多机器人分布式协作定位方法。

为实现上述发明目的，本发明采用如下技术方案：

一种适应于时变通信拓扑的多机器人分布式协作定位方法，采用无味卡尔曼滤波UKF作为分布式协作定位的技术基础，利用一组sigma点来近似表示变量的概率密度分布，针对服从正态分布的变量，即用一些采样点来等价描述变量的估计值和该估计的方差，该过程称为U变换；此处，假设在k时刻，N个机器人的整体位置估计为：表示机器人i的位置估计，整体位置估计对应的方差为：那么该估计的U变换为：

式中ξ⁽⁰⁾(k)…ξ^(4N)(k)即为sigma点，λ为可调整量；P(k)为对称矩阵，表示的第p列；

保障单机器人获得所有的块元素P_ij(k)以构建P(k)，以获得以使单机器人i获得局部sigma点：

基于向上看Cholesky分解来解决协方差矩阵的分布式获得问题，令：P＝AA^T，A中每一块元素A_ij可根据求解：

上式有：1)每一块元素A_ij的获取只依赖A_ij(i＞j)和P_ij(i＞j)，而非所有元素块，避免了所有机器人对信息交换的需求；2)由上至下递推而出，并将该特点与通信顺序结合；