国际精密工程和制造杂志第 15 卷，第 1 期，第 53-61 年 1 月 2014 / 53

DOI： 10.1007/s12541-013-0305-6

双轮差速移动机器人精确校准测试轨道设计

常贝荣 1，长贝月 1，大荣 1，钟苏崔 2，和吴进钟 1，*

1 韩国大学机械工程学院，阿南东，松布谷，首尔，韩国，136-713
2 仿生学中心，生物医学工程研究所，韩国科学技术研究所，Hawolgok-dong 39-1，首尔，韩国首尔，136-791
# 相应的作者 / 电子邮件： smartrobot@korea.ac.kr， TEL： +82-2-3290-3375， 传真： +82-2-3290-3375 关键

词： 移动机器人， 校准， 奥多姆特里， 本地化

使用增量轮式编码器传感器的 Odometry 可提供移动 robot 的相对位置。运动距离的主要缺点是运动建模误差的积累，当行驶

距离增加时。主要的系统误差源是车轮直径不均和轴距错误。UMBmark 测试是两个车轮差分移动机器人系统化测差误差的
实用实用、实用的校准方案。我们之前提出了一个精确的校准方案，扩展了传统的 UMB 标记。利用机器人的机头误差进行
了校准实验，并综合考虑了系统误差对测试轨道上的耦合效应，得出了基念参数。本文提出了用于进行人工校准的测试轨迹
的设计指南。由于非系统误差是实践应用中的一个严重问题，因此应考虑系统误差和非系统误差的分布，确定测试轨道的形
状和大小。数值模拟和实验表明，该方案能产生更准确的校准结果。

收到稿件：2013 年 5 月 21 日/ 接受：2013 年 11 月 18 日

1. 简介
1-4
近年来，各种自主导航研究正在进行。
动机器人的位置。移动机器人最常见的相对定位技术是使用轮式编码
器进行定位。然而，奥多姆特里有一个众所周知的缺点：运动建模误
差随着机器人旅行距离的增加而累积。校准是必要的，以减少在增加
行驶距离时发生的隔行误差。改进的安装可显著降低与传感器和地标
的安装和维护相关的运营成本。当外部传感器因天气或环境条件而无
法使用时，它还减少了估计姿势（位置和方向）的不确定性。扩展的
卡尔曼滤波器 （EKF） 假定在状态转换中添加的高斯噪声的平均值为
零。5 因此，基于 EKF 的定位技术在光大具有零均值和白色高斯噪声
时非常有用。
奥多姆特里误差源可分为系统性误差和非系统误差。5-7 系统错
误是特定于车辆的，通常不会在导航过程中突然更改。因此，通过
校准运动参数可以减少系统误差。示例
系统误差包括车轮直径不均、轴距错误。非系统误差源是由机器人与
路况之间的相互作用引起的，而路况是随机的。示例包括地板不均
自主导航需要精确估计移 匀、地板上意外物体和车轮滑移。利用获得机器人的绝对位
置，添加外部传感器对非系统误差的不确定程度进行建
模
来自外部传感器。8-10
在以往的研究中，很难找到测试轨道的设计指南。UMBmark 方法是
双风鳗差分移动机器人的有用校准方案。6 车轮直径和轴距误差
可以通过驾驶机器人沿双向 4 m 进行校准
× 4 米方形路径，然后测量初始位置和最终位置之间的位置误差。
但是，测试跟踪 design 没有明确解释。由于测试轨道的大小很重要，
因此应仔细考虑车轮直径、校准方程、运动建模误差和实验条件。
Martinelli pr 的工作为同步驱动机器人的机道误差建模和评估方法
提供了一种方法。11 通过引入四个参数来模拟系统和非系统组件
（平移和旋转）的节算误差。马丁·利等人还提出了估算在

© KSPE 和斯普林格 2014

54 / 2014 年 1 月 国际精密工程和制造杂志 第 15 卷，第 1 期

基于增强型卡尔曼滤波器（AKF）和可观测滤波器（OF）的导航。 12
Antonelli 等人提出了使用最小平方法确定 4 参数的奥多姆测量模型的校
准方案。13 由于地传模型显示了未知值与测量之间的线性关系，因此
可以使用 least 平方法。提出了一些选择测试轨迹的准则，其中使用最
小二乘法法对行驶距离进行点化，从而对奥多姆测量误差值进行规范
化。通过估计物理测数参数，进一步证明了线性估计方法，从而得出
了三参数模型。14 Censi 等人和安东内利等人提出了同时校准机器人机
，
架传感器的机理和位置的方法。15 16
我们之前提出了系统误差的校准方案，利用机器人在测试轨道
图 1 两轮差速移动机器人的速度模型和参数
中最终姿势的实验标题误差。 17 系统误差可以通过测量机器人沿
测试轨道的一系列开环运动后的方向来校准。这种方法是有利的，
因为机器人的方向可以通过机载陀螺仪测量。无需安装任何绝对定
位传感器。因此，在室外环境中也可以校准其。
本文提出了校准实验试验轨道的设计指南，以提高测数校准的精度。
测验校准的一个重要因素是测试轨道的设计。通过使用适当的测试轨
道，可显著提高校准配给精度。需要最终姿势错误应包含来自多个错
误源的影响。例如，测试轨道应包括直线运动和点点-t urning 运动，以
便监控车轮直径不均以及轴距错误的影响。 图 2 测试轨道条件可在常规多边形中通用

本文的组织如下。在第 2 节中，我们引入了一个 odomtry 错 右轮和+L 是左轮的角速度。

误模型和问题陈述。第 3 节解释了测试轨道的建议设计准则。 为了研究奥多姆测量的误差传播，我们采用了两轮差分移动
在第 4 节中，仿真结果显示了建议设计的优点。实验验证如列 机器人的速度运动模型。两个主要的系统误差是车轮直径不均
第 5 节所示。最后，第 6 节作了结论性发言。 和轴距不正确。两轮衍射移动机器人的机体基于以下方程的集
成。vt 和 +t 在（1）-（2） 中给出。
·
x = vt 身体|
2. 奥多姆特里错误模型 d 错误传播 ·
和 vt 没有 (3)
]
[ [ t]
图 1 给出了两轮差分移动机器人的速度模型。机器人在时间 t 时 通过测量机器人沿预定义的测试轨道开环运动后的最终姿势误差，
的位置和方向由 （xt， yt， μt） 给出。时间 t 的平移和旋转 可以校准奥道的系统性误差。测试轨道需要包括直线和点转弯路径。
速度分别用 vt 和_t 表示。两个主要的系统误差是车轮直径误差和 此外，测试轨道的初始位置和 final 位置应相同。这些条件可以在图 2
轴距误差。翻译 所示的常规多边形中通用。在图 2 中，L 是一条直线的长度，α 是相
邻线之间的角度。
机器人沿着常规多边形路径驱动后，使用 （3） 推导运动误
差参数 +b、μ r （L） 引起的位置和方向误差 （xe、 ye、 μe）。

假定误差是由车轮直径误差=rR （L）引起的，而旋转误差则假 [ ] []

定是由轴距误差 αb 造成的。机器人的速度运动模型由（1）和
[]
x x x
------- --------- --------
[b）
（2）推导。 ·
-|b = =r =rr r L
x
在 （r = 和 · · \r
R r (4)
R V R - R - （r L - 和 e. -------
和
---------
和
--------
和
ε
=r r rL

中L 它不是 -| = =r =
rL） ）L
b r rL
r
vt = ------------
-- 2 = ---------------------------------------------------------------- 2 (1) 和
[] [] []
------- --------- --------
-μ
[ b] rR L'r

在 · · · · Ⅰ
*x *x *x
（r x v
R V R
= =
R -R - （r L - 和 = [-------]b[b] [---------]r
\r
r + ---------
[ ]r
'R
L' t 没有 ------------b=b [b） (5)
中L r
r R L） ）L •
R 我

[t ] -------------
R 科斯= v没有 •R L L

- = ----------------------------------------------------------------
b 'b' (2) + t ---- -- --- ---
\r + ------2 sin= v t cos_ \r
B 名称
b------------ =+
其中 vR 是右轮的平移速度，v L 是左轮的平移速度，= R 是 ------2 b= b R b 我
国际精密与制造杂志第 15 卷 ，2014 年 1 月 1 日 / 55 号

· · · 3.3 测试轨道的大小
· 和 和 和 Ⅰ [b）
\r =
r ---------
一旦确定测试轨道的形状，应根据测试空间、车轮直径、校准方程
和和 = [-------]b b
[ ]
--------- =r
'R
L'
vt cos=
b
------------
== b (6) 以及系统误差和非系统误差之间的相对幅度仔细确定轨道尺寸。虽然
R 我

• • 机器人的机头误差是使用 Jung 的 me thod 计算的，但太长了

R 身体| R L L
其 si- 身
轨道不可取。这是由于旅行距离的增加导致非系统误差增加。
+ 没有 • vt \r + -----2 p.m. 体 • ------------
\r
系统误差引起的最终姿势误差应大于非系统误差的构成误差。
------------

------2 b= b R b= b 我

· [] [] [] 在实际实现中，机器人姿势可以通过离散版本 （3） 进行估

\r =
r
------- 计。
是
-------
[b]b |
[---------]r
-
=r
R
L (7) xt = 1 = f（xt， ut， t）
R 我

[ •
t] R \r L xt = μs cos （+t =
[b –------------
x
t= 1 == /2）
和
= –------------
） + b------------=+ b + \r
x = f（ xt，ut，
t=1 t_ 1 , t） | t = ssin（t [ ] /2） (8)
b= b R b= b 我
Φ
t=1 [t ]
Eq. （7） 显示直线和点转弯路径中的方向误差与行驶距离
和转弯角度的对应关系线性增加。在具有相同直线长度和点转
"----
---------
弯角度的跑步后，最终方向误差明显相等，而不考虑测试轨道
[s ] ------------------- -----'
的形状。 2 B
其中 μs 是机器人的平移位移，* 是机器人的旋转位移，μ sr
和 μs 是每个车轮行驶的距离，b 是机器人的轴距。
3. 测试测试的检测设计 然后，可以使用以下方程估计非系统误差。3
− T T
Pt + 1 = Ft P t Ft + u f Σu u f (9)
3.1 问题陈述
Jung 的方法基于最终机器人姿势的标题误差，并考虑轴距和车轮直 其中 Ft 和 u f 是机器人的雅各人，在（8） 中构成估计函
径误差同时发生的耦合效应。沿参考测试轨道使用双向 CW 和 CCW 测 数 f（xt， ut， t） 。
试图，进行校准实验，以补偿单向测试运动的隐蔽误差。使用测试轨 协方差矩阵 Pt_1 表示机器人与地面条件之间的相互作用引起的
道上的 rob ot 的最终姿势误差，可以同时校准车轮直径不均和轴距不正 随机非系统误差。在
确的运动参数。 （9），第一个术语与估计状态的不确定性有关，第二个术语
本文的主要目的是提出测试轨迹的设计指南，使系统误差准 与行为错误有关。对于左轮和右轮的增量 l 运动，协方差矩阵

确地反映构成误差。测试轨道的形状需要由直线和点转弯路径 =u 的定义如下：

组成。测试轨道的初始位置和最终位置应相同。为了有效地校 kr 0
准，最好最大限度地利用系统误差对姿势误差的影响。 [u ] r *sr (10)
与非系统误差相比，测试轨道的大小应设计为最大化系统误差造成
0 kl Sl

的最终姿势。当轨道太大时，需要一个巨大的实验空间。此外，最终 其中 kr 和 kl 是表示机器人和环境交互的随机参数的错误常
姿势可能受各种非系统误差源的影响。另一方面，过小的履带可能会 量。

导致最终姿势误差过小，这意味着校准结果对机器人姿势的测量精度 为了研究非系统误差对测试轨道尺寸的影响，从实验结果中

过于敏感。轨道尺寸的性能指数定义为系统误差引起的姿势误差与非
估算了非系统误差。使用测试方法可以计算 kr 和 kl 的误差常
数。18
系统误差相对小。

3.4 建议的设计设计
3.2 测试轨道的形状
拟议的测试轨道设计准则可以概括如下：
Jung 的方法使用最终姿势的标题错误。机器人的最终方向角
1) 确定由直线和点转折点组成的测试轨道的形状。
度在遵循相同路径长度和不同路径类型的转弯角度后是相同的，
如 （7） 所示。此外，测试轨道的初始位置和最终位置应相同， 2) 通过开环运动将机器人沿着预定义的测试轨道驱动，以检
测未校准轴距和车轮直径不均的运动参数。
以减少传感器的测量误差。因此，建议将 test t 机架的形状作
3) 使用测试方法测量非系统误差。14
为常规多边形路径。考虑到可用的实验空间，拟议的试验轨道
4) 通过模拟估计系统误差和非系统误差造成的绝对方向误
被设计成一条方形路径。
差。
 56 / 2014 年 1 月 国际精密工程和制造杂志 第 15 卷，第 1 期

5) 确定测试跟踪的大小，以区分系统误差和非系统误差。

4. 模拟

数值模拟的目的是为测试轨道制定设计准则。在模拟中，考虑到可
用的实验空间，测试轨道是一条方形路径。采用双流差速移动机器人
（TETRA-DS II）对模拟机器人平台进行建模。19 标称车轮尺寸如下：
车轮直径=150 毫米，轴距=385 毫米，车轮宽度=30 毫米。机器人的标
称车轮直径和轴距与模拟机器人相同。仿真中的实际机器人位置和方
向是从机器人运动学中计算的，同时考虑运动学建模误差。

假定 wh 鳗鱼的运动学建模误差为设置模拟中使用的参数值 图 3 测试轨道中直线路径的系统误差和非系统误差引起的方向
Eb 和 Ed。Eb 和 Ed 的定义如下。6 误差
b
实际 DR
E = ---------------- E - ------
b b 标称 , d DL (11)
其中 b 实际为机器人的实际轴距，b 标称是机器人的名义轴距，D
R 是右轮的实际车轮直径，D L 是左轮的实际车轮直径。

使用误差常数 k r 和 kl 对 非系统误差进行建模，然后估计
（10） 中的协方差矩阵。为了研究非系统误差对系统误差引起的
方向误差的影响，计算了相对误差幅度。
系统误差的初始参数设置为 Eb = 0.990 和 Ed = 0.995。在一
般地板条件下，误差常数 k rr 1⁄2 = 0.001m1/2 和 kl1/2 =
0.001m1/2 时给出非系统误差。考虑到可用的实验空间，
我们在 L = 4m 处重新测试了轨道尺寸。实际的机器人姿势
误差是从机器人运动学的数值计算，同时考虑运动学建模误差。 图 4 系统误差引起的方向误差与测试轨道直线路径总方向误差
图 3 显示了测试轨道直线路径上系统误差和非系统误差造成 的相对大小
的估计方向误差。x 轴表示方形路径一侧的长度。方向误差随
距离增加而增加。图 3 显示，系统误差和非系统误差导致的最
轨道尺寸太小，校准精度降低，因为可能发生较大的非系统误
大方向误差为 4 米时 3.43 o。
差。
在实际应用中，系统误差引起的方向误差应大于非系统误差的方向
图 5 显示了沿 CCW 方向沿同一 4m × 4m 平方路径运行后最
误差。测试轨道上的实际方向误差是系统误差和非系统误差引起的方
向误差的总和。因此，通过考虑系统误差和非系统误差引起的方向误 终位置误差的平均值和标准值 。使用不同轨道尺寸进行校准后，

差的相对放大，可以设计测试轨道的直线长度。 最终位置误差会有所不同。试验重复了五次。实际运动参数为 Eb =
图 4 显示了系统误差与总方向误差相对误差的相对幅度，是系统误 0.975 和 Ed = 0.992。然后从不同的方形路径轨迹估计运动参数。从图
差和非系统误差引起的方向误差之和。系统误差在总误差上引起的相 5 中可以明显看出，0.5m × 0.5m 轨道的最终姿势误差最大。最
对方向误差随直线长度的增加而增加。因此，在模拟条件下，测试轨
终姿势误差下降，直到 4 米 × 4 米轨道。当尺寸范围为 4~10 m 时，最
道的适当尺寸为 4 米 × 4 米。When
终姿势误差没有显著变化。因此，可以得出结论，选择 4 米×4 米轨道
是合理的，贝卡使用轨道显示令人满意的校准精度，而不会占用过大
的实验空间。

图 5 显示了基于样本分布的实验比较。因此，不足以显示
propo sed 轨道的误差平均值小于其他情况。调查 4 米×4 米轨
道设计能否实现任何有意义的改进是很有趣的。使用
独立样本 t 检验进行统计分析，以验证最终位置误差的方法
来之间的显著差异。20
表 1 显示了对所建议方法均等手段的最终位置误差的独立样本 t

测试结果（4m =
 国际精密与制造杂志第 15 卷，2014 年 1 月 1 日 / 57 号

图 6 实验环境

图 5 当机器人沿 CCW 方向沿 4m × 4m 方形路径行驶时，

实验最终位置误差的模拟结果。校准是在 x 轴表示的不
同测试轨道尺寸下进行的

表 1 相关样本 t 检验结果，使所拟方法（4m × 4m）的均等

性与不同方法的均等性
情况 下 t值 程度 P 意味 着
自由 差异
0.5 米 0.5 米 vs.4 米 - 4 米 4.962 21.44 0.000 0.047
1 米 1 米 vs.4 米 - 4 米 6.252 28.36 0.000 0.032
2 米 2 米 vs.4 米 - 4 米 4.161 38 0.000 0.022
3m vs. vs.4 米 - 4 图 7 测试运行后最终出现错误
3 米米 2.440 38 0.019 0.012
8m vs. vs.4 米 - 4
8 米米 0.146 38 0.885 0.001 常规方法，并比较了最终位置误差。

4 米） 反对那些为 0.5m × 0.5m、1m × 1m、2m × 2m、3m × 5.1 在实际环境中验证建议的方法

3m 和 8m × 8m 轨道尺寸。如表 1 所示，使用建议方法（4 米
× 4m）的最终位置误差平均值与
1m、 2m × 2 m 和 3m × 3m 轨道尺寸的平均值不同，显著
性级别为 0.05 （p < 0.05）。这一事实意味着表 1 上 4 行的样
初始测试运行通过 4 m × 4m 平方路径执行。采用市售的
0.5m × 0.5m、1m × STARGazeR 系统来监控机器人的实际姿势。21 测试 Method 进
行了对非系统误差的建模。18
实验环境相对平坦，如图 6 所示。机器人沿着 10 米的直线

本分布在事实上是不同的。因此，可以得出结论，建议的 4 米 路径由开环运动来回驱动。机器人的速度约为 0.2 米/s。

×4 米轨道设计导致有意义的更小的姿势误差分布比其他情况。 为了研究非系统误差的影响，机器人在相同的条件下被驱动了
另一方面，底部行的显著性水平 p 为 0.885 30 次。围绕中心的姿势分布表示随机非系统误差。

> 0.05. 这一事实意味着很难说拟议的 4 米×4 米轨道设计和 8 米×8 米轨 测试运行期间的最终位置和方向错误图 7 中绘制。最后位置和方向

错误的结果列在表 2 中。从机器人预定义的测试轨道进行初始测试运行
道之间的分布
中估计的运动参数为 Eb = 0.980 和 Ed = 0.992。根据结果，对非系统
轨道设计显示出有意义的差异。换句话说，两个样本分布是相 误差进行了建模，误差常数为 kr1/2 = 0.0013 m1/2 和 kl1/2 = 0.0013
似的。因此，4 米× 4m 轨道更可取，因为实验空间较小。
m1/2。
图 8 显示了在 tot al 误差上系统误差引起的方向误差的相对大小。系
统误差在总误差上引起的相对方向误差随直线长度的增加而增加。考
5. 实验结果
虑到实际测试空间，4 米长度的最大值为 90%。因此，建议设计的测试

实验由两部分组成。在第一个实验中，研究了沿建议指南设计的测 t 机架可以概括为 4 米×4 米的方形路径下

试轨迹在实际环境中是否有利。给出了使用三个不同的测试轨迹的实
验结果。在第二个实验中，提出了一种方案与传统方法进行了比较。
在机器人沿着建议的测试轨道行驶后，使用 Jung 的方法对机器人的系
统误差进行了校准，
 58 / 2014 年 1 月 国际精密工程和制造杂志 第 15 卷，第 1 期

另一方面，第二种情况（6 米× 6 米对 4 米= 4 米）的显著性水平

表 2 使用测试方法 18 的非系统误差测量实验结果 p 为 0.927 > 0.05。这一事实意味着，很难说，差异

x （m） y （m） （*）
•
错误 错误 错误

均值 （*） 0.021 0.172 -1.05

St.（） 0.007 0.046 1.48

图 8 系统误差引起的方向误差与测试轨道中直线路径总方向误
差的相对大小

实验条件。
为了展示建议设计的优点，机器人沿着三个不同的轨道驱动。在 2

米×2 米、4 米×4 米、6 米×6 米的轨道上进行开环运动后，用荣

格的方法估计运动参数。表 3 表示由此产生的错误参数。

图 9 表示沿 CW 方向沿同一 4m × 4m 平方路径运行后最

终位置误差的均值和标准偏差。当使用 2 米 × 2 米轨道

时，最终位置误差平均为 2.01m。 在采用该方法（4 米×4 米轨道）下，

最终位置误差为 0.12 米，非常小。施用 6 米×6 米轨道后的最终位

置误差平均为 0.13 米。4m × 4m 和 6m × 6m 轨道的最终

位置误差之间的最终位置误差没有显著变化。
图 10 表示沿 CCW 方向的 5m 边沿同一常规三角形路径运
行后，最终假定子误差的均值和标准偏差。当使用 2
米 × 2 米轨道时，最终位置误差平均为 1.98 米。在采用该方法
（4 米×4 米轨道）下，最终位置误差为 0.07 米，非常小。应用
6 米×6 米轨道后的最终位置误差平均为 0.12 米。4m ×
4m 和 6m × 6m 轨道的最终位置误差平均值之间没有显著变
化。
为了调查最终位置误差之间的显著差异，使用独立的样本 t-test 进
行了统计分析。表 4 显示了图 9 所示的最终位置误差的独立样
本 t 检验结果，用于与 2m × 2m 和 6m × 6m 轨道尺寸的最

终位置误差相等的拟议方法（4m × 4m 轨道）的均等性。在第

一种情况下（2m × 2mvs. 4m = 4 m ），使用建议的方法（4m

× 4m 轨道）的最终位置误差的平均值在统计上不同于在显著性水
平为 0.05 （p < 0.05） 的 2 m × 2 m 轨道尺寸的平均值。
表 3 校准运动参数
错误参数 2米 - 2米 4米 - 4米 6米 - 6米
和
b 1.13702 1.02467 1.02127
和d 1.00251 1.00162 1.00146

图 9 当机器人沿 CW 方向沿 4m × 4m 方形路径行驶时，实验

最终位置错误。校准是在 x 轴表示的不同测试轨道尺寸下进行的

图 10 当机器人沿 CCW 方向
5 米边缘沿常规三角形路径
行驶时，实验最终位置错误 。校准是在 x 轴表示的不同
测试轨道尺寸下进行的

表 4 对拟方法（4 m × 4 m）的均值方法（4m × 4m）与方路径不同方

法的均等性进行内减点点采样 t 检验的结果
程度 意味 着
情况 下 t值 P
自由 差异
2 米 - 2 米 vs. vs.4 米 - 4 米 47.755 8 0.000 1.88470
6 米 vs. 6m vs. vs.4 米 - 4 米 0.095 8 0.927 0.00454

4m × 4m 轨道和 6m × 6m 轨道的最终位置误差平均值
之间具有统计意义。
表 5 显示了图 10 所示的最终位置误差的独立样本 t 检验结果，用于

建议方法（4m × 4m 轨道）的均等性与 2m × 2m 和 6m ×

6m 轨道尺寸的最终位置误差。与表 4 所示的结果一样，使用建议的

方法（4 米 × 4m 轨道）对错误进行最终假设的平均值为
 国际精密与制造杂志第 15 卷 ，2014 年 1 月 1 日 / 59 号

表 5 对所拟方法（4m × 4m）与三角形方法均等的独立样本 t 检
表 7 校准后测数精度结果
最终位置错误（米）
验结果 埃佩里-
未校准 乌姆布马克 提出
去 改进
路径 奥多姆特里 方法 方法
程度 意味 着 连续 1.94 0.37 0.05
情况 下 t值 P Ccw 2.54 0.32 0.08
自由 差异
2 米 - 2 米 vs. vs.4 米 - 平均 2.24 0.35 0.07 5次
4米 33.056 8 0.000 1.90629
6 米 vs. 6m vs. vs.4 米 -
4米 1.673 8 0.133 0.05037

表 6 结果运动误差参数
错误参数 UMBmark 方法 建议的方法
和
b 1.01503 0.99493
和d 0.98249 0.98175

在第一种情况下（2m × 2m vs. 4m = 4m ） 的显著性水平为 0.05

（p < 0.05）时，2m × 2m 轨道尺寸的平均值在统计上有

所不同。另一方面，第二种情况（6 米× 6 米对 4 米= 4 米）的显
图 11 建议的方法与常规的 UMBmark 方法的比较。建议方案的
著性水平 p 为 0.133 > 0.05。这一事实还意味着，很难说 4 米× 4 米
最终位置误差较小
轨道和 6m × 6m 轨道的最终位置误差平均值之间的差异在统计上是

有意义的。因此，由于实验空间较小，在实际环境中，4 米×4 米轨道

更可取。

5.2 与 c 通风方法的比较
左轮的车轮直径通过绕绕轮胎的胶带有意增加，以制造极端情
况。两个车轮之间的车轮直径近似差为 2.5~3.0 毫米。在 CW 和
CCW 方向上，机器人沿建议的测试轨道（4 米 × 4 米轨道）

沿开环运动，使机器人受到 Dri ven 的跟踪。为了减少

非系统误差的影响，机器人被驱动了五次。使用可用的陀螺仪传

感器测量了机器人的实验标题误差。 22 在±150o/s 点旋
转时，方向角度误差小于 0.04o/s/μHz。 根据传统的 UMBmark 和
Jung 的方法，机器人的初始和最终姿势用于校准过程。

校准前的最终位置误差在 CW 和 CCW 方向上平均为

1.94m 和 2.54m，而机器人的最终方向误差分别为 -51.3o 和 -36.4o。

实验测量的陀螺仪方向角标准偏差小于 0.2。校准配给实验的非系
统误差明显大于陀螺仪方向角的标准偏差。因此，机器人的最终标
题误差对于估计运动参数是有用的。根据最终位置和奥里恩分差误
差，对运动参数 Eb 和 Ed 进行了估计和补偿。表 6 列出了实验产生
的误差参数。 图 12 室内走廊使用奥多姆测量进行测绘
实验结果在图 11 和表 7 中提出。应用了 UMBmark 修道院后，
最终位置误差平均减少到 0.35 米。实施拟议方案后的最终位置
有用的建立地图的基础上，纯粹的奥多姆学。图 12 显示了实验环境和
误差为两个方向平均 0.07 米。所拟方案的测数精度是常规方法
参考路径。移动机器人沿着办公楼的走廊移动。地图是通过激光测距
的五倍。与之前的方法相反，这一结果清楚地表明了将建议方
仪（SICK LMS 200）的测距测量值进行注册构建的。的
案与市售陀螺仪传感器一起使用的优点。
为了研究精确校准的优点，它是
60 / 2014 年 1 月 国际精密工程和制造杂志 第 15 卷，第 1 期

图 14 使用两轮差速移动机器人导航后最终位置误差的结果

表 8 对所拟方法的均等方法与未校准的表和 UMBmark 方法进

行独立样本 t 检验的结果
程度 意味 着
情况 下 t值 P
自由 差异
未校准与建议 17.21 8 .000 10.601
UMBmark vs. 建议 4.974 8 .001 2.530

机器人的行驶距离约为 180 米。
图 13 显示了三个纯奥多姆学实验图。图 13（a） 校准前显示地图。
传统 UMBmark 应用后的地图如图 13（b）所示。所拟的方案得出的图
图如图 13（c）所示。从图 13 中可以明显看出，拟议的 scheme 产生了
最精确的地图。

从统计分析的角度评价绩效的提高具有重要意义。图 13 中
的每个实验已经进行了五次。在相同的边界条件下，最终位置
误差已受到监控，如图 14 所示。未校准的奥多姆图和常规
UMBmark 的平均误差分别为 11.90 米和 3.83 米。所拟方案的平
均误差为 1.30m，显示了所建校准方案的卓越精度。

使用独立样本 t 检验来验证最终位置误差方法之间的显著差异 ，

从而进行了统计分析。表 8 显示了最终位置误差的独立样本 t
测试结果，该方法的均等方法与未校准的表庭和 UMBmark 的均等
值。如表 8 所示，由建议的方法更正的表位法有不同的平均值，显
著性水平为 0.05 （p < 0.05）。因此，该方法对测数精度的提高具
有统计学效率，显著性水平概率为 0.05。介绍了实验校准的细节。
13

6. 结论

我们提出了用于校准奥道的测试轨道的设计指南。测试轨道的形状
和大小起着显著的作用

图 13 两轮差速器构造的地图结果
移动机器人。（a） 是奥多姆图，（b） 是 UMBmark 的地图
方法 （c） 是建议方法的映射
 国际精密与制造杂志第 15 卷 ，2014 年 1 月 1 日 / 61

在比较实验中，因为系统误差反映在姿势误差中。测试轨道应 8. 本托，洛杉矶，努内斯，美国，莫伊塔，F.和 Surrecio，A，"在室

仔细确定，以考虑实验空间、车轮直径、校准方程以及系统误 外半结构化环境中的精确自动驾驶车辆导航的传感器融合"，IEEE
差和非系统误差。基于设计注意事项，建议测试轨道具有常规 智能旅行系统国际会议 Proc.，第 245-250 页，2005 年。

多边形路径。考虑到实验空间，拟设计的试验轨道具有方形路
9. Surrécio，A.，Nunes，U. 和 Araujo，R. "使用卡尔曼滤波器和增强
径的形状。比较了总方向误差中由色度误差引起的方向误差的 系统模型为移动 Robo t 导航使用磁性传感器的奥多姆特里的结合"，
相对大小，以确定实际实验空间的适当轨道大小。对所提出的 IEEE 工业电子国际研讨会 Proc.，第 4 卷，第 1551-1556 页，2005
方案进行了实验验证，并通过定量比较，清楚地证明了其优点。 年。

10. Komoriya，K. 和 Oyama，E.，"使用光纤陀螺仪 （OFG）的

移动机器人的位置估计"，IEEE 智能机器人和系统国际会议
确认
Proc.，第 1 卷，第 143-149 页，1994 年。

这项工作得到了韩国政府资助的韩国国家研究基金会（2013-029812） 11. Martinelli，A.，"带有同步驱动系统的移动机器人的奥多姆

的资助。这项研究还部分得到了知识经济部 Korea 的支持，该计划由国 特里错误"，《机器人和自动化 IEEE 交易 Proc》，第 18 卷，
家 IT 产业促进局（NIPA-2013-H1502-13-1001）监督的融合机器人专家 第 3 页，第 399-405 页，2002 年。
人力资源开发方案支持。该研究还通过知识经济部（授权号：
12. 马丁内利，A.，托马提斯，北卡罗来纳州，和西格瓦特，
10041629）实施基于传感器网络融合计划的人识别、行为和定位技术。
R.，"移动机器人同步本地化和奥多姆特里自我校准"，自主
机器人，第 22 卷，第 1 页，第 75-85 页，2007 年。

引用 13. 安东内利，G.，Chiaverini，S.和 Fusco，G.，"基于最小平方技术

（理论和实验验证）的移动机器人奥多姆学的校准方法，《IEEE
1. Dugarjav， B.， Lee， S.G.， Kim， D.， Kim， J. 和 Chong， 机器人交易 Proc.》，第 21 卷，第 5 卷，第 994-1004 页，2005 年。
N.，"在未知环境中扫描匹配在线单元分解，用于覆盖路径
14. 安东内利，G. 和 Chiaverini，S.，"差速移动机器人的物理测
规划"，Int.J. Precis。恩·马努夫，第 14 卷，第 9 卷，第
距参数测量的线性估计"，自主机器人，第 23 卷，第 1 期，
1551-1558 页，2013 年。
第 59-68 页，2007 年。
2. 金，J.，伍，S.，金，J，Do，J，Kim，S.和 Bae，S.，"带
15. C.，A.，马尔基翁尼，L.和 Oriolo，G.，"同时最大最大可能
有 Mecanum 车轮的自动 ic 制导车辆的惯性导航系统，
性校准的奥多姆特里和传感器参数，"Proc.IEEE 国际机器人
"Int.J.Precis。Eng. Manuf，第 13 卷，第 3 卷，第 379-386 页，
和自动化会议，第 2098- 2103，2008 页。
2012 年。
16. 安东内利，G.，Caccavale，F.，格罗西，F.和马里诺，A.，
3. 程，P.Y.和陈，P.J.，"使用 D+算法导航移动机器人"，智能
"基于奇异价值分解的差分驱动移动机器人同步 Odometry 和
服务机器人，第 5 卷，第 4 页，第 229-243 页，2012 年。
相机校准的非迭代和有效的程序"，智能服务机器人，第 3
4. Bashiri，M.，Vatankhah，H.和 Shiry Ghidary，S.，"移动机 卷，第 3 卷，第 163-173 页，2010 年。
器人本地化的混合 Aaptivedd 演进"，智能服务机器人，第 5
17. 荣，C. 和 Chung， W. "使用实验标题误差精确校准两轮差
卷，第 2 卷，第 99-107 页，2012 年。
分移动机器人"，IEEE 国际机器人与自动化会议 Proc.，第
5. 斯伦，S.，伯加德，W.和福克斯。D.，"概率机器人"，麻 4533-4538 页，2012 年。
省理工学院出版社，第 39-147 页，2005 年。
18. Chong，K.S.和 Kleeman，L."移动机器人的精确奥多姆特里和错误
6. 博伦斯坦，J.和冯，L."移动机器人系统奥多姆特里误差的 建模"，IEEE 机器人和自动化国际会议 Proc.，第 4号，第 2783-2788
测量和纠正"，Proc.关于机器人和自动化的 IEEE 交易，第 页，1997 年。
12 卷，第 6 页，第 869-880 页，1996 年。
19. 东布机器人公司，《Tetra-DS 操作手册 V1.0》，2009 年。
7. 西格瓦特，R.，努尔巴克什，I.R.和 ScaRamuzza，D."自主移动机
20. Peck，R.，奥尔森，C.和德沃雷，J.L.，"统计和数据分析导论"，
器人介绍"，麻省理工学院出版社，第 265-367 页，2011 年。
《参与学习》，第 4 页，第 638-658 页，2011 年。

21. 哈吉康有限公司，"StarGazer_Guide.02.090416"，2010 年。

22. Xsens 有限公司，"MTi 和 MTx 用户手册和技术文档"，

http://projects.asl.ethz.ch/datasets/lib/exe/fetch.php 媒体_硬件：倾斜
激光：mti-g_user_manual_and_technical_ 文档.pdf（2013 年 12 月
10 日访问）