隨著電子技術(shù)和計算機技術(shù)的快速發(fā)展及機器人定位精度的不斷提高,，智能移動機器人的應用越來越廣泛。現(xiàn)已廣泛應用于工業(yè)生產(chǎn),、?？仗剿鳌④娛?、家庭和一些服務(wù)行業(yè),。

     精確的定位是移動機器人安全、有效地完成任務(wù)的關(guān)鍵和前提[1]?，F(xiàn)有的大多數(shù)定位方法是通過機器自身攜帶的傳感器實時感知自身所處環(huán)境的位置和周圍信息,，并不斷修正自身狀態(tài)，然后在有障礙物的環(huán)境中有效地完成任務(wù),。
    卡爾曼濾波[2]是由一系列遞歸數(shù)學公式描述的,。它們提供了一種高效可計算的方法來估計過程的狀態(tài)，并使估計均方誤差最小,，應用廣泛且功能強大,。但如果模型或系統(tǒng)噪聲特性估計與實際不符，則會降低濾波器的精度甚至導致濾波器發(fā)散,。為了解決此問題,，本文結(jié)合外部環(huán)境特征信息并在測量更新階段多次迭代濾波估計值，減小定位誤差,，提高系統(tǒng)穩(wěn)定性,。
1 系統(tǒng)模型
    本文的研究對象是一種三輪智能移動機器人，該機器人的其中一輪為萬向輪,，另外兩輪為驅(qū)動輪,。兩個驅(qū)動輪上裝有光電碼盤。利用驅(qū)動輪的碼盤數(shù)據(jù),，可以計算機器人的動態(tài)位置信息,。機器人的正前方裝有激光雷達測距傳感器，可以采集已知環(huán)境中的路標信息,。準確的系統(tǒng)模型直接影響著機器人的定位精度,。因此，本文首先根據(jù)機器人信息建立了坐標系統(tǒng)模型,、機器人運動模型和傳感器觀測模型,。

1.3 觀測模型
    根據(jù)機器人運動模型估計的位姿,，只是實際位姿的一個粗略的估計，由于輪子打滑等原因存在一定誤差,，而且隨著機器人移動時間的增加,，誤差將越來越大，最終移動機器人將偏離自己的軌跡,。為了修正誤差,，移動機器人需要利用激光雷達傳感器，對路標進行觀測,，修正自身的位姿,。
    本文利用激光雷達測距傳感器的觀測信息來修正機器人自身的位置。機器人在運動過程中,，利用測距傳感器掃描周圍環(huán)境,，獲得的觀測量z(k)是周圍環(huán)境路標相對于傳感器的距離和方向，然后根據(jù)先驗的地圖信息確定自身的實際位置,。在定位問題的狀態(tài)空間描述中可以表示為：



 

    眾所周知,，迭代次數(shù)越多，計算量越大,，時間越長,。因此，實際機器人定位中,，針對實際硬件條件,，可以選取合適的迭代次數(shù)提高算法的定位精度，增強算法的收斂穩(wěn)定性,。
    由兩次實驗結(jié)果可以看出,，IEKF算法估計的路標特征和機器人路徑與實際基本相符。從實驗所得的誤差數(shù)據(jù)可以看出,，相對于機器人自身的空間大小,，誤差在可接受的范圍之內(nèi)，表明該定位系統(tǒng)定位精度較高,，具有較高的可靠性,。
    本文針對機器人定位精度問題，在傳統(tǒng)卡爾曼濾波的基礎(chǔ)上,，提出一種迭代擴展卡爾曼濾波算法,。該算法相對于傳統(tǒng)卡爾曼濾波算法，在狀態(tài)更新階段采用多次迭代更新,，減少了系統(tǒng)線性化時所帶來的誤差,，并將該算法與多傳感器信息融合技術(shù)結(jié)合應用于有路標的機器人定位。模型簡單,、存儲量小,。實驗結(jié)果表明該算法在保證實時性的同時較大地提高了定位精度,，能夠滿足機器人高精度及可靠性等方面的要求。
參考文獻
[1] 丁偉,，孫華,，曾建輝.基于多傳感器信息融合的移動機器人導航綜述[J].傳感器與微系統(tǒng)，2006,25(7):1-3.
[2] 石杏喜,，趙春霞.基于概率的移動機器人SLAM算法框架[J].計算機工程,，2010,36(2)：31-32.
[3] 曾健平, 王保同,， 謝海情. 自主移動機器人定位系統(tǒng) Kalman濾波算法改進[J].計算機應用研究,，2011,28(5): 1710-1712.
[4] 李良群，姬紅兵,，羅軍輝.迭代擴展卡爾曼粒子濾波器 [J].西安電子科技大學學報,，2007,34(2)：233-238.
[5] 陳小寧，黃玉清,，楊佳. 多傳感器信息融合在移動機器人定位中的應用[J].傳感器與微系統(tǒng),，2008，27(6)：110-113.
[6] 鄒智榮,，蔡自興,，陳白帆.移動機器人SLAM中一種混合 數(shù)據(jù)關(guān)聯(lián)方法[J]. 小型微型計算機系統(tǒng)，2011,32(7)：1341-1343.