提出了一种基于误差矫正的轨迹纠偏算法,通过误差控制机器人快速矫正姿态。算法通过自适应蒙特卡罗定位(Adaptive Deterministic Monte Carlo Localization,AMCL)算法实时获取机器人位置和姿态,根据当前位姿与超前点求取偏差量,使用距离...提出了一种基于误差矫正的轨迹纠偏算法,通过误差控制机器人快速矫正姿态。算法通过自适应蒙特卡罗定位(Adaptive Deterministic Monte Carlo Localization,AMCL)算法实时获取机器人位置和姿态,根据当前位姿与超前点求取偏差量,使用距离PID、角度PID将偏差量解算为机器人运动控制指令。最后,定位算法获取修正后的位姿,重新计算误差和控制量,形成闭环控制。实验结果表明,基于该控制系统的地坪磨抛机器人能够应对较大的轨迹偏离情况,在处理[0,15]度范围内的角度偏差和[0,22]厘米范围内的横向偏离的情况下,能够快速修正偏移量,保证导航精度。经过矫正,最后轨迹偏差在0.03 m范围内。与现有方法相比,提出的轨迹纠偏方法能够应对较大程度的偏移量,有效解决了地坪磨抛机器人的轨迹偏离问题。展开更多
文摘为减小机器人在执行轨迹跟踪任务过程中末端产生的位姿误差,在建立机器人轨迹纠偏系统模型的基础上,提出了一种积分型纠偏控制器实现方案.该方案直接在机器人的关节空间上对误差进行补偿.基于前述模型和一系列假设,首先从数学上证明了比例-积分纠偏控制器能够使纠偏误差以负指数收敛,进而说明积分型纠偏控制器的有效性.实验结果表明:通过设置合适的参数,在初始轨迹最大偏差为8 mm的情况下,纠偏控制后偏差均方根值小于0.07 mm,最大值小于0.4 mm.
文摘提出了一种基于误差矫正的轨迹纠偏算法,通过误差控制机器人快速矫正姿态。算法通过自适应蒙特卡罗定位(Adaptive Deterministic Monte Carlo Localization,AMCL)算法实时获取机器人位置和姿态,根据当前位姿与超前点求取偏差量,使用距离PID、角度PID将偏差量解算为机器人运动控制指令。最后,定位算法获取修正后的位姿,重新计算误差和控制量,形成闭环控制。实验结果表明,基于该控制系统的地坪磨抛机器人能够应对较大的轨迹偏离情况,在处理[0,15]度范围内的角度偏差和[0,22]厘米范围内的横向偏离的情况下,能够快速修正偏移量,保证导航精度。经过矫正,最后轨迹偏差在0.03 m范围内。与现有方法相比,提出的轨迹纠偏方法能够应对较大程度的偏移量,有效解决了地坪磨抛机器人的轨迹偏离问题。
