如发现有乱码， 请直接从这里浏览原文
正文摘录:

新型元器2007年第2期总第241上式中的△￡越矩(意味着每秒钟内的I刳像处理速度理快)得剑的近似值的精度越高。然而，这只是一种理想状态，在实际移动的机器人的运动绝非恒速，由于外界干扰(打滑、碰撞等原因)速度会有变化，因此即使△f再短，时划k.机器人往往都无法恰到达指定位置“t。3卡尔曼滤波预测法采J}=fj膏尔曼滤波预测法能够解决上述r口J题。住皋尔曼滤波预测的位置预测器中，图像识别器和预测器的处理随时问的进程l受IJ下(如图2所示)：(1)从摄像机的图像中计算场地J：机器人的位置。、。。，汁算结果为‰，。(2)求出￡。时刻机器人将要出现的位置j’i，向机器人发送使其移动到该位置所必须的车轮转速，即操作量“e。(3)通过摄像机确认基于“。操作后机器人移动的位罱z。，计算结果为‰。(4)预定位置.；：与观测位置。。通常是不一一样的，通过-。和z。计算出f。时刻更为准确的机器人位置“，然后计算￡。…如此反复下去。对如七4个步骤再做进一步归结，_丌『以得到如下2个』p骤：步骤l通过摄像机确认基于‰操作后机器人移动的位置z。，计算结果为≮。步骤2利用预定化置蠢勺观测位置。。计算f。时刻机器人给为准确的位置“。求出k。时刻机器人小午将要出现的位置z。.，向机器人发送使其移动到陔位置的车轮转速等的操作黾‰，。训算移动位计发送打=制参数堪Ji颅删化胃的爿，嫩斜e.蛳虹：确的{扛l’j：图2轨还预测卡尔曼滤波预测的系统状态z。可以用下面的线性差：分方程来表示。z女一／he1+B“女+乱，女l(1)‰一Hr^+矶，(2)这里把式(1)称为状态方程式，式(2)称为观测方程：式，w和”分别称为状态噪声和观测噪声，这些噪声的均值为()，分散为Q，R，是服从正态分布的白噪声。所谓白噪声即对于任意参数是，女’(是≠是’)噪声矶和u。，具有相互独芭(任意时刻的噪声对后面没有影响)的性质。住步骤2中，没观测前的误差(“事前误差”)机器人实际位置z。和预想位置。；。之差为r。，观测后的以荠(“事后误差”)机器人实际位置、“与利¨J观测位置。僻j、lj的推断位置j。之差为e。。即：以一z女一。“(3)ek一“一。k(4)事前误差仇和事后的误蔗一。坍办差分别为：P+一F[P。P。。](5)P。一E[唧P(6)朋K表尔事后的误差的协方差的最小值，则当前佗置由下式推断：.；。==j。+K(z+一f矗。)(7)其中系数K(卡尔曼滤波的增益)为：K。----P；叭∽H’+胪--矗等去当状态噪声w趋近O时，卡尔曼滤波的增益也为O，即：limK+一O，lim.；、。==j。P。+0P^一()则机器人按照状态方程式运动。另一方面，女fJ果观测噪声w趋近O，卡尔曼滤波的增益收敛于观测力‘程式的反函数，即：limK。一H’，linl_-1女一H。≮综上所述，用膏尔曼滤波预测机器人和球的位置时.每次观测的计算顺序都反复女¨F步骤：(1)通过摄像机确认在地操作下饥器人移动到位置-一r。，计算结果为‰。(2)在这一时刻，求。和P+，。预测根据状态方稗预测位置。zi二二A“l+B“女P。一AP。。A。+Q修正川第走次的观测数据。。JJ“以修正。K。一P。H’(HP^H。+R)’z女=丁^+K(‰一Hr女)P。一(，一K。H)P：4实验结果为了简单直观地说明问题，以竖直上抛为例。假设球以初速度砜从地面竖直上抛，fs后球的速度”(f)和位置y(f)分别为：u(，)._.矾一∥.y(f)一u、f一嬖没矾一2n·js，摄像机的处理述度为5帧j’s.图像处婵过程的白噪声为均值一-()，怀准偏差一5。箅出控制量“。对鹰的陔时划球的速度u(“)。采用简单预测法推断球的高度的推断值如图3所，】==.和实际的测定值相差甚远。(下转第3j页)29