基于无线传感器网络的机器人定位跟踪研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (31): 94-96.

基于无线传感器网络的机器人定位跟踪研究

李夏，张云洲，徐开勇，范冠廷

东北大学信息科学与工程学院，沈阳 110819

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-01 发布日期:2011-11-01

Research of robot localization and tracking based on wireless sensor network

LI Xia，ZHANG Yunzhou，XU Kaiyong，FAN Guanting

College of Information Science and Engineering，Northeastern University，Shenyang 110819，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要： 针对基于无线传感器网络的机器人定位提出了一种分段极大似然质心算法。将质心法引入极大似然估计算法中，通过计算已预测结果的质心提高目标位置的预测精度。考虑到WSN系统的超声定位实时性较差，采用扩展卡尔曼滤波算法将WSN系统改进定位算法与机器人航位推算进行融合以跟踪机器人位姿，从而提高了定位精度和系统动态性能。仿真结果表明：在不同锚节点个数和不同测距误差条件下，分段极大似然质心算法均能取得良好的定位效果;采用扩展卡尔曼滤波算法的数据融合，进一步提高了机器人轨迹跟踪的精度。

关键词: 无线传感器网络, 机器人, 定位跟踪, 扩展卡尔曼滤波, 数据融合

Abstract: An improved algorithm based on wireless sensor network is proposed in order to solve robot localization problem.This algorithm introduces centroid algorithm into maximum likelihood estimation，and improves prediction accuracy of target location by calculating the centroid of several predicted data.Considering the relatively poor real time property of WSN system，extended Kalman filter algorithm is adopted to track robot trajectory by combining WSN and DR system.The simulation shows that on condition of vary anchor nodes number and different raging error，the improved algorithm can achieve good results.The data fusion according to EKF algorithm further improves the accuracy of robot trajectory tracking.

Key words: wireless sensor network, robot, localization and tracking, extended Kalman filter, data fusion

李夏，张云洲，徐开勇，范冠廷. 基于无线传感器网络的机器人定位跟踪研究[J]. 计算机工程与应用, 2011, 47(31): 94-96.

LI Xia，ZHANG Yunzhou，XU Kaiyong，FAN Guanting. Research of robot localization and tracking based on wireless sensor network[J]. Computer Engineering and Applications, 2011, 47(31): 94-96.

[1]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[2]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[3]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[6]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[7]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[8]	冯戒虚，司冠南，周风余. 服务机器人云平台服务质量指标体系综述[J]. 计算机工程与应用, 2021, 57(3): 58-71.
[9]	惠小健. 任意初态下的工业机器人迭代学习控制[J]. 计算机工程与应用, 2021, 57(3): 261-265.
[10]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[11]	王琛，茅健. 基于时间窗模型的双向机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(23): 287-294.
[12]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[13]	涂睿，王文格，卢成阳. 移动机器人实时采样路径重规划[J]. 计算机工程与应用, 2021, 57(20): 157-163.
[14]	林韩熙，向丹，欧阳剑，兰晓东. 移动机器人路径规划算法的研究综述[J]. 计算机工程与应用, 2021, 57(18): 38-48.
[15]	王科银，石振，杨正才，杨亚会，王思山. 改进强化学习算法应用于移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 270-274.