RFID技术在移动机器人同步定位中的应用

2．3 运动模型

运动模型预测下个时间段机器人的运动状态和环境特征。移动机器人在t时刻的位置为S_t (X _s，y_s)，S_t是 t 时刻移动机器人的输入控制U_t和前一时刻位置S _t-1 的一个函数，移动机器人的位置信息可以用运动模型:

来表示

由于环境特征是静止的点，运动模型可以如下表示：



其中(x_i (t)，y_i (t))是t 一1时刻标签 i 的坐标。

从运动模型中采样M 条路径，每条路径都是一个粒子。对每个粒子来说，机器人运动路径是确定的，每个粒子分别采用N个卡尔曼滤波器估计用N个环境特征的位置。


和分别表示第i个粒子的N个环境特征的高斯均值和协方差。

2．4 SLAM 中的粒子滤波器

粒子滤波算法的迭代过程为：

① 初始Ⅳ 个粒子，表示机器人的位置；
② 求上一步中每个粒子的运动模型；
③ 对每个表示机器人的粒子，预测观测值，并根据观测值计算粒子权值；
④ 使用每个粒子对应的K个卡尔曼滤波求各个环境坐标位置的估计值；
⑤ 重采样；

机器人路径粒子重采样所需要的权值计算如下：

3 仿真结果

机器人运动速度为0．5m／s，控制信号时间间隔为0．025s，观测最远距离30m．模拟2O个时间步来测试算法的稳定性．实验通过Matlab编程进行参数设置，用鼠标操作划出机器人的行走线路．

4 结语

本文采用RFID技术和粒子滤波器实现移动机器人自主定位和地图创建。利用RFID的高速数据传输的特点，增强移动机器人数据获取能力，提高了机器人定位的效率。但目前，RFID技术还有待进一步提高，阅读器同时接受多个标签数据时的碰撞问题要进一步解决完善。同时SLAM 算法与RFID应用的结合将帮助机器人更好的定位及控制。