[发明专利]一种基于UWB与VIO的室内定位方法及设备

说明书

本发明涉及一种基于UWB与VIO的室内定位方法及设备，所述定位方法包括以下步骤：采用DS‑TWR算法和卡尔曼滤波算法获得UWB定位结果；采用S‑MSCKF算法获得VIO定位结果；对所述UWB定位结果与VIO定位结果进行时间同步处理；使用ES‑EKF算法，将时间同步后UWB定位结果与VIO定位结果进行数据融合，得到机器人的最优位置估计。与现有技术相比，本发明具有可在复杂的室内环境中灵活、准确地进行定位等优点。

技术领域

本发明属于SLAM和室内定位领域，涉及一种室内定位方法及设备，尤其是涉及一种基于UWB与VIO的室内定位方法及设备。

背景技术

近年来，以服务机器人为代表的室内移动机器人在日常生活中得到快速推广。而如何在复杂的室内环境中灵活、准确地进行定位，并对室内环境进行全面的建模，是移动机器人在完成室内任务前所需要面临的首要问题。

UWB(ultra-wide band，超宽带)技术是一种具有低功耗高数据速率的无载波通信技术，它通过高频非正弦窄脉冲传输数据，因此UWB系统占据很宽的频带，同样由于发射的信号脉冲持续时间极短，也使得UWB系统具有很低的发射功率谱密度。相比WLAN、蓝牙等无线技术，基于UWB技术的定位系统成本低、穿透能力强、对信道衰落不敏感、时间戳精度高、测距定位精度高，这些优点使得其适用于室内场所的高速无线数据通信和无线定位。如：Prorok等人在《Accurate indoor localization with ultra-wideband using spatialmodels and collaboration》一文中首次提出了一种基于TDOA模型(Time Difference ofArrival，到达时间差)的定位模型，该方法虽在UWB基站部署方面较为简单、可扩展性较强，然而定位精度有待提高，且定位结果的鲁棒性不强；公开号为CN107566065A的中国专利公开了一种基于TOF算法的UWB定位技术，该方法虽然响应速度快，但因为TOF算法本身易受环境干扰而导致定位结果出现较大误差。

UWB定位目前还存在定位精度有待提高、定位结果存在较大误差等不足，需要对其进行改进。VIO(visual-inertial odometry，视觉惯性里程计)是融合相机和IMU数据实现SLAM的算法，根据融合框架的区别又分为紧耦合和松耦合。松耦合中视觉运动估计和惯导运动估计系统是两个独立的模块，将每个模块的输出结果进行融合，而紧耦合则是使用两个传感器的原始数据共同估计一组变量，传感器噪声也是相互影响的，紧耦合算法上比较复杂，但充分利用了传感器数据，可以实现更好的效果。公开号为CN110487267A的中国专利公开了基于UWB与VIO(visual inertial odometry，视觉惯性里程计)松耦合的定位方法，该算法为通过卡尔曼滤波将UWB信息、视觉信息以及惯性数据进行融合的松耦合框架。但该方法由于是松耦合，在定位误差方面表现不佳。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于UWB与VIO的室内定位方法及设备，可在复杂的室内环境中灵活、准确地进行定位。

本发明的目的可以通过以下技术方案来实现：

本发明提供一种基于UWB与VIO的室内定位方法，包括以下步骤：

采用DS-TWR算法和卡尔曼滤波算法获得UWB定位结果；

采用S-MSCKF算法获得VIO定位结果；

对所述UWB定位结果与VIO定位结果进行时间同步处理；

使用ES-EKF算法，将时间同步后UWB定位结果与VIO定位结果进行数据融合，得到机器人的最优位置估计。

进一步地，所述UWB定位结果通过以下步骤获得：

采用DS-TWR算法进行基站标签测距，获得测距数据；