基于改进的AMCL和QR码辅助,研究工业环境中的运输机器人的高精度定位方法
Siyu Chen1, Tingping Feng1, Xiangwen Luo1
1School of Mechanical Engineering, Xihua University, Chengdu, 610039, People's Republic of China.
Scientific reports
|February 20, 2025
概括
本研究介绍了一种低成本,高精度的定位系统,用于工业搬运机器人. 它结合了传感器融合,改进的适应式蒙特卡洛本地化 (AMCL) 和QR码辅助,用于准确的机器人导航.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 工业自动化 工业自动化
- 传感器融合式传感器
背景情况:
- 在工业环境中,处理机器人至关重要.
- 现有的定位系统在准确性和成本方面面临挑战.
- 高精度定位对于高效的机器人操作至关重要.
研究的目的:
- 为工业搬运机器人开发一个具有成本效益和高精度的定位方案.
- 为了解决当前机器人定位精度和成本的局限性.
- 提高工业环境中自主移动机器人的性能.
主要方法:
- 利用 Cartographer 算法进行多传感器数据融合和改善地图准确性.
- 提出了一种改进的自适应式蒙特卡洛本地化 (AMCL) 算法,用于增强全球本地化.
- 集成了一个 2D 代码 (QR 代码) 辅助定位系统,用于微调局部精度.
- 采用YOLO最快算法,通过DNN推理高效地识别QR码.
主要成果:
- 在工业环境中以最小的误差实现高精度定位.
- 证明的定位误差为±0.068m (x方向) 和±0.069m (y方向).
- 报告了 ±0.107 半径的方向角度误差.
- 验证了拟议的多传感器融合和QR码辅助方法的有效性.
结论:
- 拟议方案为高精度机器人定位提供了一种可行的低成本解决方案.
- 这种方法显著提高了工业环境中机器人处理的准确性和效率.
- 该研究有助于推进工业机器人成本有效的控制方法.


