劉 鵬 劉 凱 周 愉

(成都信息工程大學(xué) 四川 成都 610225)

0 引 言

定位是移動(dòng)機(jī)器人導(dǎo)航技術(shù)中的一個(gè)關(guān)鍵環(huán)節(jié)。在一個(gè)簡(jiǎn)單的導(dǎo)航任務(wù)中，移動(dòng)機(jī)器人需要獲知自己在當(dāng)前環(huán)境中的準(zhǔn)確位置，才能順利地由初始位置A移動(dòng)到目標(biāo)位置B。在已知自己準(zhǔn)確位置信息的前提下，服務(wù)型機(jī)器人可以輕松地完成從廚房拿一杯咖啡送至客廳任務(wù)。Pinheiro等[1]認(rèn)為機(jī)器人在自身位置已知的情況下也可以很好地幫助人類完成日常家庭的清潔工作。除此以外，自主定位與導(dǎo)航技術(shù)還廣泛地應(yīng)用于自動(dòng)運(yùn)輸車輛的集裝箱碼頭、自動(dòng)駕駛汽車等方面。在自動(dòng)駕駛領(lǐng)域，文獻(xiàn)[2]提出全球定位系統(tǒng)(GPS)可以為車輛提供必要的位置信息，但由于其定位誤差過(guò)大，不適用于定位精度要求較高的場(chǎng)所。

1 相關(guān)工作

移動(dòng)機(jī)器人的定位是利用當(dāng)前位姿信息、先驗(yàn)地圖信息和傳感器輸入信息來(lái)預(yù)判機(jī)器人下一時(shí)刻位姿的過(guò)程[3]。從概率的角度來(lái)看，機(jī)器人的定位問(wèn)題就是狀態(tài)估計(jì)的問(wèn)題。由于基于概率的方法普遍具有很好的魯棒性，因此很多概率估計(jì)方法適用于移動(dòng)機(jī)器人的位置估計(jì)。經(jīng)典卡爾曼濾波(KF)和擴(kuò)展卡爾曼濾波(EKF)方法雖可以有效地解決移動(dòng)機(jī)器人的姿態(tài)跟蹤問(wèn)題，但其要求系統(tǒng)必須是線性系統(tǒng)且滿足高斯分布，所以卡爾曼濾波方法(KF)在實(shí)際應(yīng)用中會(huì)產(chǎn)生很多問(wèn)題[4]。為了解決上述問(wèn)題，使用了粒子濾波算法(PF)的蒙特卡洛定位法(MCL)在移動(dòng)機(jī)器人定位問(wèn)題上的效果顯著[5-6]。該方法利用一組離散加權(quán)粒子對(duì)估計(jì)狀態(tài)后驗(yàn)概率增加的過(guò)程進(jìn)行模擬，通過(guò)狀態(tài)預(yù)測(cè)的步驟完成對(duì)粒子過(guò)濾，權(quán)重更新和重新采樣。蒙特卡洛方法的主要特點(diǎn)是可以有效地應(yīng)用于非線性和非高斯系統(tǒng)，但這種方法無(wú)法解決當(dāng)移動(dòng)機(jī)器人因姿態(tài)突然改變產(chǎn)生的機(jī)器人“綁架”問(wèn)題，且其難以從定位失敗中恢復(fù)過(guò)來(lái)[7-8]。當(dāng)其定位環(huán)境規(guī)模較大時(shí)，蒙特卡洛方法還存在粒子的退化風(fēng)險(xiǎn)。在粒子退化過(guò)程中，絕大多數(shù)顆粒的權(quán)重變得非常小，只有一個(gè)或幾個(gè)顆粒的權(quán)重發(fā)生了相對(duì)較大迭代。針對(duì)上述問(wèn)題，Li等[9]提出了自適應(yīng)蒙特卡洛定位方法,不僅給予了移動(dòng)機(jī)器人從“綁架”中恢復(fù)過(guò)來(lái)的能力，還使用了KLD采樣方法調(diào)整粒子的數(shù)量和解決粒子退化的問(wèn)題。受上述文獻(xiàn)啟發(fā)，本文提出了一種基于Wi-Fi和自適應(yīng)蒙特卡洛的移動(dòng)機(jī)器人混合定位方法，解決了傳統(tǒng)自適應(yīng)蒙特卡洛(AMCL)方法存在的初始位姿定位效果差、粒子收斂速度慢、定位所需移動(dòng)距離遠(yuǎn)等問(wèn)題。實(shí)驗(yàn)結(jié)果表明，通過(guò)引入Wi-Fi三角定位算法改進(jìn)自適應(yīng)蒙特卡洛(AMCL)定位方法，在明顯縮短定位時(shí)間的同時(shí)，很大限度上提高了移動(dòng)機(jī)器人初始化定位精度。

2 Wi-Fi定位原理及信號(hào)衰減模型

2.1 Wi-Fi定位原理

文獻(xiàn)[10-12]最早提出了利用Wi-Fi進(jìn)行移動(dòng)機(jī)器人的定位，其具體方法是利用Wi-Fi接收信號(hào)強(qiáng)度和方向采用三角定位技術(shù)估計(jì)當(dāng)前位置。無(wú)線局域網(wǎng)技術(shù)用于距離接入點(diǎn)20～100 m的數(shù)據(jù)計(jì)算機(jī)網(wǎng)絡(luò)的無(wú)線交換。它是基于IEEE 802.11標(biāo)準(zhǔn)在2.4或5 GHz頻帶上完成超過(guò)1 Gbit的吞吐量。本文的Wi-Fi定位系統(tǒng)是由三個(gè)相同規(guī)格的路由器和一個(gè)移動(dòng)機(jī)器人構(gòu)成，其三個(gè)路由器的分布情況如圖1所示。

圖1 路由器分布

Wi-Fi初始定位法首先是通過(guò)接收多個(gè)AP接收信號(hào)強(qiáng)度值，之后根據(jù)接收信號(hào)強(qiáng)度和一定的信號(hào)衰減模型來(lái)估計(jì)距參考點(diǎn)的距離。本文將通過(guò)實(shí)際信號(hào)衰減模型計(jì)算出實(shí)際位置已知的AP與未知節(jié)點(diǎn)距離之間的關(guān)系，利用此距離推算未知節(jié)點(diǎn)的絕對(duì)位置信息。該方法產(chǎn)生的誤差主要是由環(huán)境對(duì)信號(hào)的影響造成的。在傳播過(guò)程中，無(wú)線信號(hào)會(huì)受到反射、折射和多徑效應(yīng)的干擾，使得現(xiàn)有的基本信號(hào)衰減模型可能不適用于當(dāng)前的測(cè)量環(huán)境，從而導(dǎo)致出現(xiàn)很大的定位誤差。因此需要在實(shí)驗(yàn)環(huán)境中實(shí)際測(cè)量記錄每個(gè)信號(hào)發(fā)射節(jié)點(diǎn)的實(shí)際發(fā)射功率，然后記錄穩(wěn)定環(huán)境下信號(hào)傳播損耗的實(shí)際情況，并根據(jù)損耗建立衰減模型[13]。最后，基于接收點(diǎn)的RSSI的實(shí)際消耗，使用損失模型計(jì)算未知節(jié)點(diǎn)與參考節(jié)點(diǎn)間的相對(duì)距離，通過(guò)三角定位法來(lái)確定待估計(jì)節(jié)點(diǎn)的實(shí)際位置坐標(biāo)。Wi-Fi初始位置定位流程如圖2所示。

圖2 Wi-Fi初始定位流程

首先移動(dòng)機(jī)器人開(kāi)始搜索附近多個(gè)的AP的接收信號(hào)強(qiáng)度值(RSSI)，在對(duì)無(wú)效值信息進(jìn)行剔除后將其發(fā)送至信號(hào)衰減損耗模型進(jìn)行計(jì)算，估計(jì)信號(hào)實(shí)際傳播距離。然后選取三個(gè)最近的距離值作為三角定位算法的輸入，得到初始位置的坐標(biāo)信息，將其作為自適應(yīng)蒙特卡洛算法的初始位姿輸入。經(jīng)過(guò)一段時(shí)間的粒子收斂得到機(jī)器人最終位姿信息。

2.2 信號(hào)衰減模型

無(wú)線信號(hào)本質(zhì)上是一種電磁波，它通常在大氣之中傳播。由于大氣環(huán)境中顆粒物質(zhì)分布不均，導(dǎo)致其在傳播時(shí)容易發(fā)生折射、散射和多徑現(xiàn)象，致使其能量被大氣吸收，到達(dá)信號(hào)強(qiáng)度發(fā)生衰減[14-15]。一般來(lái)說(shuō)，信號(hào)強(qiáng)度的大小是由特定的信號(hào)值表示，其單位為dB或dBm。在理想情況下，Wi-Fi信號(hào)在真空中傳播速度最快，損耗最小，但在現(xiàn)實(shí)生活中，真空的傳播環(huán)境是不存在的。所以在信號(hào)傳播過(guò)程中，其不可避免地會(huì)造成能量損失。Wi-Fi信號(hào)傳播損耗模型主要分為自由空間損耗模型、對(duì)數(shù)距離損耗模型和衰減因子損耗模型三種。自由空間損耗模型又稱理論覆蓋模型，是無(wú)線電波傳播最簡(jiǎn)單的模型，在給定信號(hào)頻率時(shí)只和距離有關(guān)。但由于其不能在復(fù)雜的室內(nèi)環(huán)境下準(zhǔn)確地反映環(huán)境特征，故不適用于本文實(shí)驗(yàn)環(huán)境。而衰減因子損耗模型一般適用于信號(hào)由室外向室內(nèi)傳輸(遭受建筑物阻擋)，信號(hào)強(qiáng)度發(fā)生嚴(yán)重衰減的情況。由于本實(shí)驗(yàn)環(huán)境存在較多諸如桌椅和大型設(shè)備等障礙物，因此選用復(fù)雜條件下環(huán)境特征效果較為明顯的對(duì)數(shù)距離損耗模型。其信號(hào)傳輸公式為：

(1)

式中：L[dB](d)是機(jī)器人與AP之間距離為d時(shí)的路徑損耗；d0是參考距離(通常參考距離設(shè)為1米)；L(d0)是機(jī)器人與AP之間距離為d0時(shí)的路徑損耗；Xσ為覆蓋因子，服從平均值為0、標(biāo)準(zhǔn)差在4～10之間的高斯分布，Xσ值越大，代表測(cè)距誤差越大；n為路徑損耗因子，即單位距離內(nèi)的信號(hào)功率衰減率，該值一般為1～6，具體取值視室內(nèi)環(huán)境條件而定。距信源距離為d時(shí)接收到的無(wú)線信號(hào)強(qiáng)度為：

RSSI(d)=Pa-L(d)

(2)

式中：RSSI(d)表示當(dāng)前時(shí)刻的信號(hào)強(qiáng)度；Pa是AP發(fā)送時(shí)的功率。當(dāng)d=d0時(shí)，由式(2)得：

RSSI(d0)=Pa-L(d0)

(3)

將上述公式代入式(1)可得：

(4)

(5)

式中：Xσ是均值為0的一個(gè)正隨機(jī)變量。故可得到距離公式：

(6)

式中：RSSI(d0)為單位距離處的信號(hào)強(qiáng)度。

下面實(shí)驗(yàn)將在實(shí)驗(yàn)環(huán)境中的信號(hào)采集點(diǎn)上進(jìn)行信號(hào)強(qiáng)度采樣，每個(gè)信號(hào)采集點(diǎn)進(jìn)行100次實(shí)驗(yàn)采樣，最后計(jì)算100個(gè)樣本的平均值作為采樣點(diǎn)處的信號(hào)強(qiáng)度值。具體的采樣點(diǎn)分布情況如圖3所示。

圖3 Wi-Fi采樣點(diǎn)分布(未能采樣處均有大型障礙物)

由上述采樣結(jié)果可得實(shí)驗(yàn)環(huán)境中AP1、AP2、AP3的信號(hào)強(qiáng)度分布分別如圖4、圖5、圖6所示。

圖4 AP1信號(hào)強(qiáng)度分布

圖5 AP2信號(hào)強(qiáng)度分布

圖6 AP3信號(hào)強(qiáng)度分布

3 Wi-Fi三角定位算法

3.1 自適應(yīng)蒙特卡洛算法

自適應(yīng)蒙特卡洛定位算法是MCL(Monte Carlo Localization)算法的一種改進(jìn)。蒙特卡洛定位算法適用于局部定位和地圖較小的全局定位，已成為機(jī)器人定位領(lǐng)域的主流算法。蒙特卡洛定位算法的原理較為簡(jiǎn)單，首先將隨機(jī)粒子均勻地散布在需要定位的局部或全局地圖上，每個(gè)粒子的位姿即代表機(jī)器人此刻可能的一種位置姿態(tài)。當(dāng)機(jī)器人向前或向后移動(dòng)一段距離時(shí)，所有粒子都按照自己當(dāng)前的位置和姿態(tài)在地圖上向前或向后移動(dòng)一段距離。此后，算法將與機(jī)器人自身的運(yùn)動(dòng)不一致的粒子除去，保留剩余正確的粒子，經(jīng)過(guò)一段時(shí)間的粒子收斂后，剩余的粒子位置即代表了機(jī)器人當(dāng)前所處位置。在某種程度上，粒子只能在單個(gè)位置附近“存活”，如果這個(gè)位置不正確，則算法就無(wú)法恢復(fù)。所以MCL算法仍然存在無(wú)法從機(jī)器人綁架或全局定位失敗中恢復(fù)的問(wèn)題。實(shí)際上，當(dāng)粒子數(shù)量很小時(shí)，任何隨機(jī)算法都可能會(huì)意外地丟失在正確位置附近的所有粒子。而AMCL算法有效地解決了該問(wèn)題，AMCL算法在機(jī)器人遭遇綁架時(shí)注入新的隨機(jī)粒子。AMCL定位是指在地圖已知的情況下，機(jī)器人通過(guò)使用傳感器的觀測(cè)結(jié)果來(lái)確定其位置。由于機(jī)器人的運(yùn)動(dòng)過(guò)程具有不可預(yù)測(cè)性，AMCL方法通過(guò)產(chǎn)生許多隨機(jī)粒子來(lái)估計(jì)機(jī)器人在地圖上的位姿狀態(tài)，每個(gè)粒子都包含對(duì)未來(lái)可能狀態(tài)的完整描述。當(dāng)機(jī)器人觀測(cè)到周圍環(huán)境特征時(shí)，它會(huì)丟棄與此觀測(cè)結(jié)果不一致的粒子，并生成更多與觀測(cè)結(jié)果一致的粒子。隨著移動(dòng)機(jī)器人的不斷運(yùn)動(dòng)，基本上所有粒子都收斂至機(jī)器人實(shí)際所在的位置，以此達(dá)到定位的目的。移動(dòng)機(jī)器人系統(tǒng)的運(yùn)動(dòng)狀態(tài)模型表示為：

xt=ft(xt-1,ut-1)

(7)

式中：xt代表系統(tǒng)t時(shí)刻的運(yùn)動(dòng)狀態(tài)；xt-1代表系統(tǒng)上一時(shí)刻的運(yùn)動(dòng)狀態(tài)；ut-1表示系統(tǒng)的控制噪聲。機(jī)器人系統(tǒng)的觀測(cè)模型可表示為：

zt=ht(xt,vt)

(8)

式中：zt表示當(dāng)前時(shí)刻的觀測(cè)狀態(tài)信息；vt表示系統(tǒng)觀測(cè)噪聲。

(9)

根據(jù)移動(dòng)機(jī)器人的系統(tǒng)動(dòng)力學(xué)，可得其擬議分布為：

(10)

位姿xt的后驗(yàn)可靠性估計(jì)為：

(11)

(12)

由AMCL算法中提出的擬議式分布原理可以看出，當(dāng)其系統(tǒng)缺少及時(shí)的觀測(cè)信息zt時(shí)，該方法容易使采樣粒子集的觀測(cè)似然函數(shù)分布過(guò)于尖銳或?yàn)榱?，最終導(dǎo)致機(jī)器人定位失敗，如圖7所示，使用AMCL算法進(jìn)行初始化定位效果較差。

(a)

可以看出，微小顆粒表示隨機(jī)粒子，圖中箭頭表示機(jī)器人運(yùn)動(dòng)方向，圖7(a)的圓點(diǎn)表示機(jī)器人實(shí)際所在位置，圖7(b)的圓點(diǎn)表示粒子最終收斂的位置。圖7展示了機(jī)器人初始化位姿的收斂過(guò)程，在該過(guò)程中，機(jī)器人初始化定位結(jié)果在五個(gè)位置反復(fù)跳躍，引起粒子聚集錯(cuò)誤，致使定位收斂時(shí)間長(zhǎng)，定位性能不高，魯棒性較差。

3.2 三角定位算法

Wi-Fi定位算法基本上分為兩類。一類是非基于Wi-Fi信號(hào)強(qiáng)度，例如TOA(到達(dá)時(shí)間)、TDOA(到達(dá)時(shí)間差)；另一類是基于Wi-Fi信號(hào)強(qiáng)度的RSSI方法。三角測(cè)量定位算法是基于接收信號(hào)強(qiáng)度的最為典型的算法之一。三角測(cè)量定位過(guò)程主要分為兩個(gè)階段，即測(cè)量階段和定位階段。測(cè)量階段是將接收點(diǎn)的信號(hào)強(qiáng)度代入2.2節(jié)所述的對(duì)數(shù)衰減模型中，計(jì)算出其與參考目標(biāo)點(diǎn)的相對(duì)距離。本節(jié)主要介紹定位階段。通過(guò)三角形算法分別計(jì)算待測(cè)點(diǎn)與三個(gè)AP的實(shí)際距離，將位置已知的三個(gè)AP作為圓心，將測(cè)量點(diǎn)與AP之間的距離作半徑畫圓，得到三個(gè)圓的交點(diǎn)，如圖8所示。

圖8 三角定位算法原理

假設(shè)A、B、C是三個(gè)參考節(jié)點(diǎn)，其坐標(biāo)分別為(x1,y1)、(x2,y2)、(x3,y3)，中心灰點(diǎn)是未知坐標(biāo)(x,y)。從灰點(diǎn)到A、B、C三點(diǎn)的距離分別為d1、d2、d3。此距離可由2.2節(jié)的對(duì)數(shù)路徑損耗模型計(jì)算獲得。根據(jù)歐氏距離的計(jì)算公式可得方程組如下：

(13)

其未知機(jī)器人的坐標(biāo)可以通過(guò)矩陣方程求解：

(14)

但實(shí)際應(yīng)用中，由于誤差等原因，三個(gè)圓一般不會(huì)交于一點(diǎn)，而會(huì)交于一個(gè)區(qū)域，如圖9所示。當(dāng)三個(gè)圓相交于一個(gè)區(qū)域時(shí)，通常認(rèn)為未確定的位置在該區(qū)域內(nèi)，即圖9中三點(diǎn)之間的區(qū)域。一般來(lái)說(shuō)，對(duì)于三圓的公共區(qū)域，求得兩兩相交圓的割線，最終三條割線的交點(diǎn)即為待估計(jì)目標(biāo)位置。

圖9 三圓交于一個(gè)區(qū)域的兩種情況

3.3 自適應(yīng)蒙特卡洛和Wi-Fi混合定位算法

本文為了使用Wi-Fi三角定位法輔助自適應(yīng)蒙特卡洛改善其初始位置定位效果，將Wi-Fi定位位置結(jié)果輸入Initial_pose，作為AMCL定位的初始位姿。機(jī)器人通過(guò)感知其所在環(huán)境特征，不斷更新其粒子，直到可以準(zhǔn)確地反映其位置。對(duì)于每個(gè)粒子，機(jī)器人通過(guò)計(jì)算得知當(dāng)前粒子的狀態(tài)與傳感器觀測(cè)到的環(huán)境狀態(tài)之間的相似概率，并按照此概率成比例地為粒子分配權(quán)重w[i]t。然后再?gòu)纳弦粫r(shí)刻概率較大的粒子群中隨機(jī)抽取M個(gè)新粒子，抽取個(gè)數(shù)與其概率成比例，與傳感器觀測(cè)狀態(tài)一致的粒子被保留下來(lái)，不一致的粒子被除去，逐步使粒子收斂至與機(jī)器人更相似的狀態(tài)。機(jī)器人利用三角測(cè)量算法的將初始化定位結(jié)果將發(fā)送至AMCL的初始節(jié)點(diǎn)，然后AMCL執(zhí)行至完成收斂。與傳統(tǒng)方法相比，該方法在提高了初始位姿定位準(zhǔn)確度的情況下，還大大降低了隨機(jī)粒子的收斂速度。

由擬議式分布的原理可見(jiàn)，擬議的分布越接近提議分布函數(shù)，粒子濾波器的濾波效果就越好。 一些非系統(tǒng)因素(如驅(qū)動(dòng)輪滑動(dòng)、不均勻地面等)可能會(huì)使里程計(jì)傳感器的運(yùn)動(dòng)模型產(chǎn)生很大的偏差，導(dǎo)致機(jī)器人定位失敗。為了獲得更為理想的提議分布，本文通過(guò)EKF融合里程計(jì)和IMU的傳感器數(shù)據(jù)，結(jié)合運(yùn)動(dòng)模型和觀測(cè)模型生成更為合理擬議式分布。該方法可以通過(guò)IMU校正里程計(jì)誤差，所得提議分布更加接近后驗(yàn)概率機(jī)器人姿態(tài)狀態(tài)的分布，可以有效提高AMCL的定位精度。本文提出的基于Wi-Fi三角定位算法和AMCL定位方法的過(guò)程如圖10所示。

圖10 混合算法的定位過(guò)程

4 實(shí) 驗(yàn)

為了驗(yàn)證本文方法的有效性，下面將通過(guò)對(duì)比實(shí)驗(yàn)來(lái)說(shuō)明Wi-Fi三角定位算法是怎樣輔助AMCL算法實(shí)現(xiàn)精確定位的。本文的仿真驗(yàn)證過(guò)程是在Ubuntu16.04系統(tǒng)的ROS機(jī)器人仿真平臺(tái)上進(jìn)行的，使用的是CPU為2.6 GHz、內(nèi)存容量為8 GB的華碩筆記本電腦，在仿真結(jié)果可視化方面采用了ROS中的可視化工具Rviz。

本文在上述相同條件下設(shè)置兩種不同的全局定位方法，一種方法是使用傳統(tǒng)的自適應(yīng)蒙特卡洛進(jìn)行全局定位，隨機(jī)粒子分散在整個(gè)地圖上然后逐漸收斂在一個(gè)位姿上；另一種方法將使用Wi-Fi位置估計(jì)結(jié)果作為AMCL初始位姿狀態(tài)，使隨機(jī)粒子分散在一個(gè)較小的區(qū)域內(nèi)。

4.1 粒子收斂速度的比較

在使用傳統(tǒng)的AMCL對(duì)機(jī)器人進(jìn)行定位時(shí)，其初始化隨機(jī)粒子遍布于整個(gè)地圖上，隨著機(jī)器人的不斷移動(dòng)最終收斂于機(jī)器人位置周圍。本文實(shí)驗(yàn)通過(guò)控制機(jī)器人原地旋轉(zhuǎn)，直至狀態(tài)粒子收斂于一點(diǎn)，其結(jié)果如圖11所示。其中：圖11(a)的圓點(diǎn)代表機(jī)器人位置，微小顆粒色代表AMCL隨機(jī)粒子所在的位置和方向；圖11(b)的箭頭表示機(jī)器人運(yùn)動(dòng)方向，圓點(diǎn)代表隨機(jī)粒子最終收斂的區(qū)域位置。

(a)

可以看出，傳統(tǒng)AMCL初始化定位過(guò)程所需的時(shí)間為29.58 s。在相同環(huán)境條件下使用Wi-Fi位置估計(jì)輔助AMCL進(jìn)行定位時(shí)的結(jié)果如圖12所示。

(a)

對(duì)比可知，粒子初始化定位比之前更加集中且不會(huì)遍布整個(gè)地圖空間。融合方法的初始化定位時(shí)間僅為6.75 s，可見(jiàn)該方法較傳統(tǒng)方法具有更快的收斂速度，使其初始定位時(shí)間明顯縮短。

4.2 定位所需移動(dòng)距離的比較

在AMCL定位過(guò)程中，隨著機(jī)器人不斷移動(dòng)，隨機(jī)粒子逐漸收斂于機(jī)器人周圍。此實(shí)驗(yàn)通過(guò)控制機(jī)器人直線移動(dòng)一定距離，使隨機(jī)粒子收斂于一點(diǎn)，對(duì)比其達(dá)到收斂狀態(tài)時(shí)的移動(dòng)距離，其結(jié)果如圖13、圖14所示。

圖13 傳統(tǒng)AMCL定位所需的移動(dòng)距離

圖14 Wi-Fi-AMCL定位所需的移動(dòng)距離

可以看出，Wi-Fi-AMCL方法需從初始狀態(tài)移動(dòng)8.83 m后可以得到自身準(zhǔn)確位置，而傳統(tǒng)AMCL方法在相同條件下則需要19.95 m移動(dòng)距離。上述實(shí)驗(yàn)結(jié)果表明，本文方法有效地加快了粒子的收斂速度，縮短機(jī)器人初始化定位的計(jì)算時(shí)間。

4.3 定位誤差的比較

在使用傳統(tǒng)AMCL算法時(shí)，當(dāng)其系統(tǒng)缺少及時(shí)的觀測(cè)信息zt時(shí)，很容易使采樣粒子集的觀測(cè)似然函數(shù)分布過(guò)于尖銳或?yàn)榱悖瑢?dǎo)致其定位誤差較大。實(shí)驗(yàn)通過(guò)控制機(jī)器人到達(dá)指定目標(biāo)位置，分別測(cè)試20組初始定位結(jié)果數(shù)據(jù)，其結(jié)果如圖15、圖16所示。

圖15 傳統(tǒng)AMCL定位誤差范圍

圖16 Wi-Fi-AMCL定位誤差范圍

機(jī)器人周圍的圓形范圍表示20組初始定位測(cè)試結(jié)果的誤差范圍。圖15中傳統(tǒng)AMCL全局初始化定位的誤差半徑為1.47 m；圖16的Wi-Fi-AMCL初始定位結(jié)果則具有較小的誤差范圍，誤差半徑為0.83 m。以上實(shí)驗(yàn)結(jié)果表明基于Wi-Fi-AMCL融合方法不僅可以有效加快粒子的收斂速度，縮短機(jī)器人的定位時(shí)間，而且在一定程度上提高了定位精度，改善了定位效果。

5 結(jié) 語(yǔ)

本文通過(guò)對(duì)實(shí)驗(yàn)環(huán)境中Wi-Fi信號(hào)的分布進(jìn)行測(cè)試，利用Wi-Fi信號(hào)強(qiáng)度的三角定位法，在ROS平臺(tái)上實(shí)現(xiàn)了Wi-Fi-AMCL室內(nèi)初始定位系統(tǒng)。本文共進(jìn)行了三個(gè)實(shí)驗(yàn)，用于測(cè)試Wi-Fi-AMCL方法的初始定位效果。結(jié)果表明，在使用Wi-Fi-AMCL方法進(jìn)行初始化定位時(shí)，其收斂速度比傳統(tǒng)方法更快，所需定位時(shí)間更短。基于Wi-Fi-AMCL融合方法不僅可以有效加快粒子的收斂速度，縮短機(jī)器人的定位時(shí)間，而且在一定程度上提高了定位精度，改善了定位效果。總而言之，Wi-Fi定位方法的引入，在提高自適應(yīng)蒙特卡洛定位方法初始位置的定位精度過(guò)程中有著顯著的效果。