激光导航AGV的马尔可夫定位方法研究

0 引言

自动导引车( automated guided vehicle，AGV) 作为高端智能物流运输装备正越来越多地应用于自动化生产与制造中，定位问题是 AGV 导航运动中的基本问题。马尔可夫( Markov) 定位算法是一种常用于初始位姿未知情况下的 AGV 全局定位方法［1］。该方法利用概率状态分布，将对 AGV 位姿的估计看作多阶 Markov 过程，离散化的空间位姿即代表其中的状态变量。Markov 定位方法不仅可以解决 AGV 被移动到新位置而已知初始位姿错误的拐骗问题，而且可以处理多模及非高斯分布的概率模型。应用上，Markov 定位方法可以基于任意一种形式的地图实现对 AGV 的全局定位［2］。对 Markov 定位的研究最早出现在基于拓扑地图的定位中［3］，其后被广泛应用于基于栅格地图的定位。Markov 定位方法最大的问题在于对移动机器人位姿的离散化处理导致的庞大计算量。在以往的研究中，Burgard 等［4］利用图像处理中的八叉树模型使状态空间可变分辨率表示; 吴庆祥等［5］通过对 Markov 定位的仿真研究，使用电子罗盘解决了对称环境中的定位问题。但针对计算量庞大限制 Markov 定位方法应用的问题，始终没有完善的简化改进方法。

Markov 定位方法的庞大计算量主要体现在两方面［6］: 离散化后的 AGV 位姿是三维变量，计算时离散化栅格数量多; 计算某一时刻单一栅格信度时涉及到前一时刻所有栅格的信度。针对这两方面，本文采用高精度电子罗盘的方向信息作为 AGV 的姿态信息，从而将三维空间信息计算简化为二维平面信息计算; 同时在计算 Markov 算法中的预测模型时通过傅里叶变换将空间域转换至频域，将 AGV 的两个平面位置变量视为一个整体处理，从而不必对相邻时刻的栅格信度重新依次计算，减少了计算量。将此简 化 预 测 模 型 计 算 方 法 结 合 观 测 更 新 模型构成Markov 定位算法，从而实现对 AGV 的位姿估计与全局定位。