李昌明，梅 莉，秦东兴

（1.电子科技大学，四川 成都 611731；2.克拉玛依职业技术学院，新疆 独山子 833600）

0 引 言

由于传感器都存在着自身缺陷，获取的信息量有限，单一传感器信号难以保证输入信息的准确性、可靠性及充足性。针对这个问题，该文采用扩展卡尔曼滤波进行多传感信息融合，扩展卡尔曼滤波器（EKF）具有收敛速度快、存储量小的优点[1]。其中里程计、陀螺仪、激光雷达为主要传感器，将相对定位[2]与绝对定位[3]进行组合，里程计与陀螺仪的融合滤波作为机器人运动学模型；通过激光雷达获取环境特征，建立其模型作为机器位置观测模型。运动模型与观测模型进行结合，利用扩展卡尔曼滤波对环境特征进行跟踪，最终实现机器人的精确定位。

1 系统工作原理

图1为设计的扩展卡尔曼滤波机器人定位系统的原理图。由图可知，该系统的过程为一个递推过程。第一步位置预测或动作更新，把高斯误差运动模型[4]直接应用到机器人所测量的里程计与陀螺仪的行走，获取里程计和陀螺仪的数据，通过里程计和陀螺仪的估计融合，产生机器人的预测位置。然后根据预测位置，在环境地图数据库中找到与之匹配的预测观测值，即预测激光雷达将提取到的环境特征及特征的位置信息。在匹配过程中，机器人将预测的观测值与激光雷达的实际观测值进行匹配，找出最佳匹配。最后应用扩展卡尔曼滤波将最佳匹配所提供的信息进行数据融合，更新估计机器人的信任度状态，得到机器人位置的最佳估计，最终实现机器人基于环境地图定位的精确定位[5-6]。……