论文——智能定位与运动系统的导盲机器人

智能定位与运动系统的导盲机器人摘要机器人在工作环境运动时需要追踪起始点和终止点之间的路径。本文将人工智能的方法应用在机器人导航的映射和路径搜索程序上，采用一种新的误差校正算法，确定了机器人的位置，一个带有运动控制单元的拓扑和里程计数单元是通过使用一个PIC单片机控制的电机，采用PWM驱动机器人。1 引言虽然有些机器人不需要地图工作，如跟踪机器人或跟随机器人，最常见的是基于地图的移动机器人。地图中表示的是机器人关于它的工作环境的预先知识。映射的主要目标是保存和生成的路径相关的数据，与规划技术合作，以产生一个路径，使机器人从一个特定的位置转移到另一个特定的位置 1 。大多数的映射策略内部使用本地化方法来表示各种各样的变量，影响的机器人有关其室内或室外环境的当前知识。一些应用映射技术需要复杂的搜索算法，以确定机器人的最佳路径，消耗了大量的处理器内存，导致计算昂贵的过程。路径生成通常取决于导航传感器的地图数据，而不是用地图数据这种低效率的过程产生 2 。在本文中，机器人是设计用来使用特定的机器人导航的地图引导盲人在室内环境行走。拓扑映射方法实施以尽量减少由于其他映射策略的环境表示的复杂性。该分析是基于里程计的机器人定位和减少不确定性，以建立一个地图，除了拓扑简化，实现高效的地图导航。一种新的机器人运动模型的提出是为了建立一个高效的里程表，实施和测试多种技术来提高可靠性和降低里程表里程计误差。2 方法一般情况下，移动机器人采用拓扑结构或几何图，几何图实现最小的不确定性区域，所产生的路径依赖于导航传感器的地图数据，相反，拓扑图是更有效的计算方式，更容易应用搜索算法。因此，拓扑图的实现是为了测试和确保机器人映射的意义 2 。图1表示在节点和分支中以图形方式表示的示例图。节点代表特定地点，分支对应于地图上特定路径上的节点。节点之间的连接是用数学公式描述的。在拓扑图中，应选择一个路径段，以得到一个特定的节点之间的路径。第一节的起始节点是路径的起点，称为“源节点”。最新段的端节点是路径的，称为“目标节点”。沿着分割后的路径将引导机器人从源位置到结束位置。每个分支可以在极性或直角坐标系中分析，如图1所示，极坐标系是机器人运动控制和分析的缺省系统，是基于极坐标的映射过程的应用算法。图1使用拓扑映射的样本映射表示2.2建立一个地图(地图学习)初始化的机器人导航之前，就发生地图学习过程，一般来说，有2种类型的地图学习程序：高层次的编程，其中的环境地图被存储在机器人的编程，并导致通过，在该机器人是手动导致通过环境，以收集其环境数据，使用传感器和用户的输入，建立一个地图。本文实现了铅的方法是基于里程计数据。2.3路径搜索路径搜索程序撤销的地图数据，并执行特定的搜索算法，找到节点之间的最优路径。智能搜索算法是利用人工智能技术实现的，在搜索过程的输出路径结合了节点序列和这些节点之间的关系如图2所示，其中A是源节点，D是目的节点，R1，R2，R3的拓扑关系。当运用最优搜索算法或其他直接搜索算法时，所选路径可以更短。搜索算法的选择取决于所需的路径和所使用的过程的能力。在我们的应用中，使用一个微控制器，通过应用“第一深度搜索”算法进行路径优化。图2 样品两个节点之间的路径拓扑地图2.4航迹推算定位机器人是使用推算定位的，从车轮运动的测量获得机器人的位置分析。这种方法是非常可靠的室内环境映射 1 。但是也必须注意有一定的错误。本文设计并实现了一个新的算法纠正这些错误。由于这样的事实，即可以避免或最小化的计算错误，除了易于应用，在室内移动机器人中，增强的方法可以是最佳的定位方法。移动机器人中，增强的方法可以是最佳的定位方法。EAD估计是通过两种方式；加速度计测量加速度和测量车轮走过的距离的例程测量法，所需的数据进行推算，得到的处理这些测量的变量，也可以作为车轮的电机反馈。本项目采用里程计定位机器人因为比加速度计结构更简单、价格更便宜。3 机器人运动本文实现了一种三轮机器人；两个驱动轮和一个前面的自由轮确保了机械的静态和动态的稳定性。车轮差速驱动提高运动能力和提高测距误差修正。图3显示了机械布局。图3 电机和轮子布局四种类型的运动可以通过施加不同的驱动轮。运动型-A，两个马达以相同的速度和方向旋转。这实现了一个直线运动的直线（没有微分的速度，因此没有旋转），如图4所示。动作类型-B：2个马达以相同的速度旋转，但在相反的方向上，因此，这两个驱动电机将产生力偶矩。在结果中，机器人的运动将是围绕电机中心轴旋转。运动类型-C，一个马达旋转，另一个是锁着的。这将导致一个旋转的机器人有关的锁定轮（接触地面的锁定点）。实现了几个轮子的中心运动传输，运动型-D，双马达在同一个方向旋转，但速度不同，在曲线网路径的结果中，如图4所示。让轮-1线速度V1，轮2线速度V2，X是机器人中心的X坐标的变化，Y是机器人中心的Y坐标的变化，并是旋转的角度。让车轮在特定的时间内行驶的距离是d = V * t，v是轮的线性速度米/秒，而不是时间在美国证券交易委员会。但在某些情况下，距离的“D”将是弧形的，因此，可以用在旋转红的角度来讲，由于旋转半径R M，“弧长= D = R *”。这个方程可以被用来获得“”，因为我们可以得到运动反馈长度。图4 机器人运动类型3.1车体结构运动分析有两种框架，在机器人参考系中，原点是机器人的重心，原点相对于机器人运动是恒定的。对于上型机器人运动的一般形式在类型A给出方程（1），如图4a所示。 = 0; y = 0; x = d (1)类型B给出方程（2）来计算旋转角定，这种类型的实现不平移，只围绕机器人中心旋转，如在图4b中所示。 = A1 / r = A2 / r (2)类型C在方程（3,4,5）中给出，如图4C所示，旋转角度和运动坐标如下所示： = d / r (3)x = r * cos () (4)y = r * sin () (5)类型D在方程（6,7,8,9,10和11）中给出，如图4d所示；A1 = R * (6)A2 = (R-L)* (7) = A1 / R (8)R = (A1*L)/ (A1-A2) (9)y = Rc Rc * sin (/2 - ) (10) x = Rc * cos (/2 - ) (11)其中，d是每个车轮行驶的距离，使用一个运动反馈传感器测量，r是以米为单位的半径，他是机器人轮子间距的一半，Rc= R (L/2)是旋转半径，A1是轮1运动的距离，A2是轮2运动的距离。运动类型A，B和C可以成功地应用于D型；因此我们可以使用D型只做完整的机器人运动。否则，我们可以用A型与B型，A型与或C型进行充分的运动分析。此外，它是可使用的运动类型A，B和C在一起或D型的运动更可靠。本文采用运动型D实现最大的可靠性和最大平滑度。3.2运动分析的参考系在机器人框架中对变量进行传递，以参考框架，图5被用作参考。因此，机器人的运动将是X距离相对于东，Y距离相对于北。通过三角函数和解析几何，方程（12,13和14）被用来计算新的X，Y坐标，Xr和Yr,在相对参考系中统一X,Y的坐标。new= old- (12) Yr = Yr + y .ay (13) Xr = Xr + x .ax (14)图5，运动参考系4模型验证有两种类型的累积的里程计误差；系统误差，从 4 5 的结果可以看出，误差主要来自于从机器人本身和其他情况，如轮子的性质（由于车轮尺寸的变化而产生错误的结果），以及运动型，四轮驱动型，里程表的分辨率和精度设计。本文所面临的二次错误类型是非系统误差，它是环境相关的错误，它可以被地面性质限制。本文实现了一种有效的技术和算法可单独应用，但如果在合作中使用更有效，可以最大限度地减少测距误差。这些技术属于2个类型，首先是设计校正，这是创建通过选择车轮金属（铝）和环的橡胶绕这个金属轮。本设计可以防止由于应力产生的车轮打滑和车轮尺寸变化。差动驱动车轮与特定的运动，产生更少的测距误差比转向驱动。选择一个合适的分辨率的里程表经历更少的错误尽可能。使用精确的表达式，相对于处理器的能力所需的变量的测量变量的计算精度增加的计算精度。测量路径的变化与实际行驶轨迹不同，因为在障碍物上滚动车轮或是一个很难处理的问题。通过选择合适的车轮，它不能被最小化。第二类误差校正解决此类问题合作外部导航方法与测距单元避免这个错误的积累，由重置每一个检查点。这种导航方法的重要性是，以确定是否存在任何本地化的错误，并帮助在内部纠正这些错误。这种导航技术应用信标（地标）识别地图节点。在 6 7 一个校正方法已被实施纠正系统误差的设计校正，在本文中，除了优化这些方法，视觉人工地标已经建立了覆盖相对较大的环境变量的短距离。导航传感器需要检测和识别这些地标。图像处理和计算机视觉被用来定位和识别这些地标。它采用单摄像机的合作系统的里程表。5 实现导盲机器人该系统被应用到一个移动机器人执行的指导视力残疾的人的任务。图6显示了机器人的方框图。它是构建在一个模块化设计。处理器模块是管理和同步单元。包括PIC16F877A和PIC16F876A单片机，拓扑和里程计单元分为两个部分，一个拓扑和另一个里程计。每个人都有一个单片机PIC16F877A作为处理单元。拓扑和里程计单元分为两个部分，一个拓扑和另一个里程计。每个人都有一个单片机PIC16F877A作为处理单元。图6，导盲机器人方块图图7运动和映射单元方框图该单元的包括复杂的计算和数据结构编程。主要功能框图如图7所示。用二次光学编码器建立里程表 8 。运动部是一个控制器，使用脉宽调制技术，对双电机进行控制，并对其进行动态停止。该单元接收的距离和角度，机器人应该在极坐标移动，并执行它的计算，将此数据转换成信号控制电机，从而驱动机器人。这个机器人的其他部分-通信，传感器和外部导航方法-将在以后的工作中实现。6结果虽然测距误差是不可计算的，在本文中我们利用一个新的测试来测量这些错误。最通用和有效的测试技术是正方形的路径测试，机器人被命令沿着一个正方形的路径移动，在机器人运动的末端，理想情况下，它应该返回到它的起始位置和方向。测距误差之间指的是初始位置和最终位置之间的差值。导盲机器人在室内环境被测试实现了100M的路径引导，测试结果如图8所示。图8 里程计误差平方的路径测试7结论车轮差速驱动是最好配合里程计使用，适用在大多数的的环境下，如锋利的地区。但它需要更精确的平台和更高的控制精度。标志和内部位置校正是正确的测距误差的一个非常有价值的方法。对于这样的应用程序，引进机器人的学习计划是有效的，不需要高精度，但需要较高的处理能力。地图为基础的路径不能有效地单独应用；它总是需要与基于传感器的路径进行合作，使机器人从源位置移动到目标安全。我们结合映射单元和运动控制单元来实现与里程计和拓扑单位合作机器人运动的高度精确的导航系统。8引用1麦克罗，P.J.，机器人学导论，艾迪生卫斯理出版有限公司，1998。2 伦纳德，J，兰特-怀特，“同步地图构建与自主移动机器人定位”，IEEE智能机器人与系统国际研讨会；1991年。3 鲁格，G. F.，第四版，培生教育有限公司。2002年。4 伯伦斯坦,J.丰，L.“测量及其在移动机器人系统测距误差的校正，” I