轮式机器人过减速带时，里程计(ODO)和非完整性约束(NHC)都被干扰甚至破坏，那么除了抗差这种亡羊补牢之外，ODO/NHC修正算法本身是否能够更鲁棒地应对这种情况？我们的研究表明：采用距离增量修正(包括ODO和NHC)比传统的速度修正的组合导航精度更高，稳健性也更好，尤其是对小型轮式机器人这种不精密载体[1]。

    里程计(ODO)和非完整性约束(NHC)通常一起为轮式载体提供三维距离增量或速度测量信息，能够有效抑制轮式载体在GNSS失效时定位误差发散。车辆导航应用中，ODO/NHC辅助信息广泛采用了速度测量模型；距离增量测量模型也有一些前人研究，但未表现出明显优势[2]。然而，结构相对简单粗糙的轮式机器人相比于结构精密的汽车，工作时的震动和颠簸更严重，其运动学模型更容易被破坏。因此，ODO/NHC的速度修正和距离增量修正这两种测量模型在轮式机器人定位中的效果如何，有待进行针对性研究。

    我们开展了在轮式机器人定位中ODO/NHC测量模型的精度和鲁棒性研究，主要开展了以下工作：

1，将NHC也扩展成为距离增量约束(在载体系横向和垂向的零距离增量约束)，与里程计测量的距离增量一起为载体提供三维距离增量测量信息，并在载体坐标系下基于积分测量方法构建了ODO/NHC距离增量测量模型。

2，定量研究了轮式里程计提供的速度信息和距离增量信息的测量精度，并基于轮式机器人的运动特性定性分析了ODO/NHC的这两种测量模型的鲁棒性。

3，通过充分的实测实验来评估两种测量模型的定位精度，并设计了针对性的实验来对比分析这两种测量模型的鲁棒性。

测试机器人和测试轨迹

    在六轮机器人上搭载4个组合导航模块(INS-Probe，集成了MEMS IMU ADIS16465)，采集了7组测试数据进行ODO/NHC两种测量模型的精度评估。为了使两种测量模型的观测噪声达到最优值，我们使用了三组测试数据对ODO/NHC的观测噪声进行优化，采用余下四组数据的中断测试结果进行精度对比分析。下表为ODO/NHC距离增量模型定位误差相比于速度模型减小的百分比，距离增量测量模型在前向、横向和垂向定位误差相比于速度模型分别减小67%，15%和39%。

Test Group	Error Decrease [%]
	Forward	Lateral	Vertical
B	58	18	38
C	67	23	45
E	68	0	39
F	74	17	35
RMS	67	15	39

    为了分析ODO/NHC两种模型的鲁棒性，我们设计了三种针对性测试，包括载体震动测试，急停测试和过减速带测试。

1，载体震动测试

    我们在机器人的塔顶和安装板上分别安装了组合导航模块，其中塔顶相比于安装板震动更剧烈。GNSS中断测试结果表明，速度测量模型辅助下塔顶处IMU定位误差更大，距离增量模型辅助下塔顶和安装板IMU定位误差基本一致。即速度测量模型的辅助效果更易受载体震动影响，而距离增量测量模型几乎不受载体震动影响。

2，急停测试

    我们在实验中设计了两次机器人急停情况，采用GNSS中断测试评估急停情况下两种测量模型的定位精度。测试结果表明，里程计速度测量模型定位误差在机器人急停时会突然变大，而距离增量测量模型的定位结果则几乎不受急停的影响。

3，过减速带测试

    我们控制机器人通过减速带并评估过减速带时两种测量模型的鲁棒性。过减速带时，由于机器人的减震设置，车辆的运动模型被破坏，IMU和车体的安装角也发生变化。采用GNSS中断测试，并计算过减速带时两种测量模型的定位误差，结果表明距离增量测量模型定位误差明显小于速度模型，即在过减速带这种恶劣情况下表现出更强的鲁棒性。

    总结：我们分析研究了轮式载体所具有的ODO/NHC运动辅助信息的两种测量模型(距离增量修正和速度修正)在轮式机器人定位中的精度和鲁棒性，在载体坐标系下构建了三维距离增量测量模型，并进行了实验验证。结果表明ODO/NHC距离增量模型在精度和鲁棒性上都有更好的表现。

参考文献：

[1]. L. Wang, X. Niu, T. Zhang, H. Tang, and Q. Chen, “Accuracy and robustness of ODO/NHC measurement models for wheeled robot positioning,”Measurement, vol. 201, p. 111720, Sep. 2022, doi: 10.1016/j.measurement.2022.111720.   [PDF]

[2]. W. Ouyang, Y. Wu, and H. Chen, “INS/Odometer Land Navigation by Accurate Measurement Modeling and Multiple-Model Adaptive Estimation,” IEEE Trans. Aerosp. Electron. Syst., vol. 57, no. 1, pp. 245–262, Feb. 2021, doi: 10.1109/TAES.2020.3011998.