[发明专利]融合图像传感器和惯性传感器的智能小车控制方法及系统

说明书

本发明公开了一种融合图像传感器和惯性传感器的智能小车控制方法及系统，该系统包括小车机械结构、接收子系统、传输控制子系统和驱动子系统。该系统使用图像传感器和惯性传感器作为信息输入。通过卡尔曼滤波器融合图像传感器获得的标志点的位置信息以及惯性传感器获得的小车的角速度、加速度，进而控制单片机动态输出PWM控制舵机和电机，使得智能小车准确到达给定标志点。本发明将图像传感器和惯性传感器的信息相融合，加快了位姿的反馈速度，实现了对智能小车精确且高速的控制。

技术领域

本发明涉及图像以及惯性传感器定位技术、小车控制技术领域，特别涉及一种融合图像传感器和惯性传感器的智能小车控制方法及系统。

背景技术

惯性测量单元通常写作IMU，它的主要组成部分包括线加速度计、陀螺仪及信号转换器，其中，线加速度计主要负责测量在三个坐标轴方向上的线加速度，由此可以积分求得机器人在三个轴向上的线速度，进一步积分便可求得移动机器人的位置信息；而陀螺仪主要负责测量移动机器人的欧拉角或者角速度，由此可以求得机器人的姿态信息。综合线加速度计和陀螺仪的测量信息，便可以得到移动机器人的位置、姿态等运动参数信息，从而实现移动机器人的自主定位。但是，这种定位方法需要对线加速度计和陀螺仪的测量信号进行积分运算，时间越长，其积分的误差便会变得越大，造成定位结果的误差也会越来越大。同时，陀螺仪的测量信号容易受到电磁信号的干扰，数据的漂移情况比较严重，这一点也会影响其定位精度。

而视觉定位方法主要是通过视觉相机对周围环境进行测量，获取图像数据，并对采集到的图像数据进行处理运算后得到移动机器人的运动参数，实现移动机器人的自主导航和定位。现在机器人领域应用的较为广泛的几种视觉定位技术包括单目相机定位和双目相机定位。单目相机定位即通过一个摄像头对外界环境的信息进行采集，因为无法获取周围环境的深度信息，所以在使用过程中必须从多个角度来采取同一个物体的图像，造成其应用过程比较繁琐。双目视觉定位方法中使用两个摄像头来采集外界环境信息，其使用的原理是模拟人的双眼对外界环境的观察方式，通过计算左右图像中的特征点变化值来确定相机自身的运动情况进而获得移动机器人的运动信息，实现机器人的定位和导航。双目相机采集得到的信息量较单目相机要大得多，定位结果更为准确。但同时由于系统采集的数据量较大，造成视觉算法的计算量也会很大，大大延长了计算的时间。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种融合图像传感器和惯性传感器的智能小车控制方法及其系统。

根据公开的实施例，本发明的第一方面公开了一种融合图像传感器和惯性传感器的智能小车控制方法，所述的智能小车控制方法包括以下步骤：

S1、惯性传感器获取智能小车在t时刻相对于自身坐标系的角速度信息以及加速度将角速度信息转换为智能小车相对于惯性坐标系的旋转矩阵ω，将加速度转换为智能小车相对于惯性坐标系的加速度

S2、图像传感器获取含有空间位置已知的标志点的图片，构建3条直线相交于标志点，图像传感器坐标系原点与上述3条直线分别构成3个平面，计算获得3个平面的法向量γ_i，i＝1,2,3；

S3、将所述的旋转矩阵ω和3个平面的法向量γ_i经过融合计算得到智能小车的旋转姿态；

S4、构造隐式观测方程，对上述隐式观测方程进行线性化以及离散化，然后输入到卡尔曼滤波器得到递推方程，输出智能小车在惯性坐标系的坐标位置；

S5、将智能小车的旋转姿态、智能小车在惯性坐标系的坐标位置和空间位置已知的标志点信息融合计算后输出舵机控制信号以及电机控制信号，分别控制小车的转向和速度。

进一步地，所述的步骤S1过程如下：