This paper proposes fuzzy-based positioning algorithms for an iRobot B21r mobile robot, which is equipped with a 180° scanning laser rangefinder and other sensors, in an indoor environment. A novel, dynamic error model for the laser rangefinder is built with consideration of the detection distance and the detection angle. A new concept, the virtual angular point, is introduced in this paper as one of the features for positioning a mobile robot. To position a mobile robot, three kinds of feature points, such as break points, real angular points, and virtual angular points, are employed in this paper. Based on fuzzy evaluation for the accuracy of each feature point, positions obtained by two arbitrary points are fused together by the weighted mean technique, in which weight is determined by the uncertainty represented by fuzzy numbers. Experimental study has been carried out to verify the effectiveness and the accuracy of the algorithms.
This paper introduces a simple and efficient method and its implementation in an FPGA for reducing the odometric localization errors caused by over count readings of an optical encoder based odometric system in a mobile robot due to wheel-slippage and terrain irregularities. The detection and correction is based on redundant encoder measurements. The method suggested relies on the fact that the wheel slippage or terrain irregularities cause more count readings from the encoder than what corresponds to the actual distance travelled by the vehicle. The standard quadrature technique is used to obtain four counts in each encoder period. In this work a three-wheeled mobile robot vehicle with one driving-steering wheel and two-fixed rear wheels in-axis, fitted with incremental optical encoders is considered. The CORDIC algorithm has been used for the computation of sine and cosine terms in the update equations. The results presented demonstrate the effectiveness of the technique.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Badania związane z użyciem radaru oraz technik opartych na sztucznych sieciach neuronowych do określania pozycji jednostki własnej doprowadziły do powstania koncepcji wykorzystania tych samych narzędzi do estymacji pozycji obiektu obserwowanego za pomocą radaru. Artykuł przedstawia dwie podstawowe metody, których użycie umożliwia poprawienie pozycji radarowej śledzonego obiektu.
EN
Research connected with the application of radar and artificial intelligence techniques to fix ship position has led to the use of the same tools to estimate radar position of a moving object. The paper presents two basic methods which enable enhancement of the radar position of a tracked object.
Niniejszy artykuł dotyczy kwestii poprawy dokładności estymacji położenia w systemie lokalizacji wewnątrzbudynkowej, bazującym na radiowych pomiarach odległości realizowanych przez modemy UWB. Proponuje się zastosowanie metody filtracji cząsteczkowej do zmniejszenia błędu wyznaczania pozycji obiektu przy braku bezpośredniej widoczności ze stacją referencyjną. W artykule opisano algorytm filtru cząsteczkowego, jego przykładową implementację oraz weryfikację z użyciem rzeczywistych danych pomiarowych.
EN
This paper is related to improvement of location estimation accuracy in indoor positioning system based on radio ranging using UWB modems. Author propose to apply particle filtering method to decrease the position estimation error when there is no direct line of sight to reference station. The paper presents particle filter algorithm, its sample implementation and verification using real measurement data.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.