（机械电子工程专业论文）移动机器人完全遍历路径规划算法研究.pdf

摘要 移动机器人完全遍历路径规划算法研究 研究生：胡正聪 指导老n - 张赤斌副教授 ( 东南大学机械工程学院，南京) 随着人工智能、智能控制、仿生学等理论的发展，移动机器人技术的研究受到越来越多的学者 重视，移动机器人在生产、生活中也得到了更为广泛的应用。移动机器人的关键技术包括控制系统 结构和导航，其中导航的重点是路径的规划。完全遍历路径规划是一类特殊的路径规划，它在服务 等领域有着广泛的应用前景，如清洁机器人、自主吸尘器、智能割草机、自主收割机、排雷机器人 等都是它的典型应用，因此，移动机器人的完全遍历路径规划受到研究者的广泛关注。 本文以室内清洁遍历移动机器人为研究对象，对移动机器人的定位、环境探测、环境建模方法 和完全遍历算法进行了系统的研究。在此基础上提出了几何方法描述的环境下漫游规则，并通过蚁 群算法对划分的区域完成完全遍历路径规划。本文主要完成的内容如下： 1 对普适计算用的三点定位模型进行改造以适应于小型环境的两点定位方法，提高了定位系 统的效用和定位的计算效率。 2 建立了机器人的多传感器环境感知系统结合定位系统给出确定障碍物位置的方法。对几 何环境中的各个特征分别进行了描述，提出了适用于几何环境地图的未知环境漫游规则和 环境区域划分方法并通过b p 神经网络对超声波采集的数据进行融合，确定区域内的障 碍物形状及位置。通过软件仿真证明这种环境的漫游规则及区域划分方法简单有效。提出 了应用几何算法的地图更新方法。 3 提出几何区域中各区域之间距离的定义。根据漫游得到的区域连通关系矩阵和距离矩阵， 模拟环境中各区域的完全连通图，提出基于蚁群算法的区域遍历顺序算法，并通过软件进行 了仿真，证明该算法的能得出遍历顺序的较优解。 关键字：移动机器人，漫游规则，完全遍历，路径规划，蚁群算法 a b s t r a c t r e s e a r c ho na l g o r i t h ma b o u tc o m p l e t ec o v e r a g ep a t hp l a n n i n gf o rm o b i l e r o b o t c a n d i d a t ef o rm a s t e r ：h uz h e n g - c o n g a d v i s e r ：a s s m e l a t ep r o f z h a n gc h i - b i n ( s o u t h e a s tu n i v e r s i t y , n a n j i n g ) w i t ht h ed e v e l o p m e n to f t h e o r i a ss u c ha sa r t i f i c i a li n t e l l i g e n c e ，i n t e l l i g e n tc o n t l o l ，b i o n i c s ，a n ds oo n , t h er e s e a r c ho nm o b i l er o b o ta t t r a c t sm o r ea n dm o r es o h o t a r s a n dt h eu s eo f m o b i l er o b o ti np r o d u c t i o n a n dd a l l yl i f ei sm o r ew i d e s p r e a d p a t hp l a n n i n gi st h ef o c u so f n a v i g a t i o nw h i c hi so n eo f t h ep o i n t t e c h n o l o g i e so f m o b i l er o b o t c o m p l e t ec o v e r a g ep a t hp l a n n i n g ( c c p p ) i sas p e c i a lk i n do f p m hp l a n n i n g i ti sw i d e l ya p p l i e dt os u c h c l e a n i n gr o b o t , a u t o n o m o u sv a c u u mc l e a n e r , s m a r tm o w e r ，a n di n d e p e n d e n t h a r v e s t e r , d e m i n i n gr o b o t , o t c n e r e f o r e , t h ec c p po f m o b i l er o b o ta t a a c t sa t t e n t i o no f r e s e a r c h e r s e x t e n s i v e l y t h i st h e s i ss t u d i e dt h ec c p po f i n d o o rc l e a n i n gm o b i l er o b o t l o c a l i z a t i o n , q u e s tr e g u l a t i o n e n v i r o n m e n t m o d e l i n ga n d c c p p o f m o b i l e r o b o t h a v e b e e ns t u d i e ds y s t e m a t i c a l l y q u e s t r e g u l a t i o n b a s e d o ng e o m e t r i ce n v i r o n m e n ti sp r o p o s e d a n da c c o m p l i s hc c p po f e n v i r o n m e n tt h r o u g ht h ea n tc o l o n y a l g o r i t h m t h ec o n t e n t sm a i n l yc o m p l e t e da sf o l l o w s ： 1 c o n s u l tt h ew a yo f 3 一p o i n tl o c a l i z a t i o nu s e di np e r v a s i v ec o m p u t i n g , a n dt r a n s f o r mi tt o2 - p o i n t l o c a l i z a t i o nt h a ta d a p tt os m a l le n v i r o n m e n tt oi m p r o v et h ee f f e c t i v e n e s sa n dc o m p u t i n ge f f i c i e n c yo f t h el o c a l i z a t i o ns y s t e m 2 b u i l dt h em u l t i - s e n o re n v i r o n m e n tp e r c e i v i n gs y s t e mo f m o b i l er o b o t , g i v et h ew a yt om a k es l bt h e p o s i t i o no f t h eo b s t a c l ew i t ht h el o c a l i z a t i o ns y s t e m d e s c f i h at h ec h a r a c t e r so f t h ee n v i r o n m e n t t h e q u e s tr e g u l a t i o na n dt h ew a y t oc o m p a r t m e n t a l i z et h eu n k n o w ne n v i r o n m e n ta d a p tt og e o m e t r i c e n v i r o n m e n ta r er e p r e s e n t e d t h r o u g hb pn e t w o r kt of u s i o nt h ed a t ap e r c e i v e db yu l t r a s o n i cw a v e s c n o r , m a k es u r et h ep o s i t i o na n ds h a p eo f o b s t a c l ei ne n v i r o n m e n t f i n a l l yp r o v i d et h es o f t w a r e s i m u l a t i o n , w h i c hs h o w st h ew a yi se f f e c d v e m a k ea l g o r i t h mt h a ta d a p t st or e n e wt h eg e o m e 埘cm a p o fe n v i r o n m e n t 3 r e d e f i n e t h e d i s t a n c e o f r e g i o n s a c c o r d i n g t o t h ec o n n e c t i o n m a t r i x a n d d i s t a n c e m a t r i x o f r e g i o n s t o s i m u l a t et h ec o m p l e t ec o n n e c t i o nm a t r i xb e t w e e nr e g i o n si ne n v i r o n m e n t aa l g o r i t h mt om a k e s e q u e n c eo f r e g i o n sb a s e do na n tc o l o n ya l g o r i t h mi sp m p o s e d w ep r o v i d ea s o f t w a r es i m u l a t i o nt o p r o v et h a tt h i sa l g o r i t h mc a ng o t ag o o ds e q u e n c eo f t h e 糟舀o i l st h a tn e e dt oc o v e r k e yw o r d s ：m o b i l er o b o t , q u e s tr e g t d a t i o n , c o m p l e t ec o v e r a g e ，p a t hp l a n n i n g , a n tc o l o n ya l g o r i t h m i l 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用 过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明 并表示了谢意。 研究生签名： 捧日 期：型g 。幺j 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内 容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可 以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研 究生院办理。 研究生签名：翟肾导师签名：弓互墨主监二日期：，孑4 。厂 第一章绪论 1 1 移动机器人的发展史 第一章绪论 社会的主体是人类，历史的推动者是人类，伟大的人类运用自己的智慧不断创造伟大的发明， 不断推动社会的发展。邓小平同志说过：“科技是第一生产力。”生产力是社会发展的动力，所以人 类推动社会发展就是要致力于发展生产力，致力于发展科技。人类不断发展生产力来提高自身认识 自然、改造自然、得到自己所需物质的能力，这种能力的进化由最初的运用双手、简单工具、发展 到运用畜力、发展到运用简单机器、发展到运用自动化设备、还会发展到我们无法想象的未来。 机器人就是生产力发展的产物。机器人的概念最早是在1 9 2 0 年的科幻小说中提出的，而早期的 机器人如1 9 3 9 年美国纽约世界博览会上展出的西屋电气公司制造的家用机器人e l e k t r o 和1 9 5 6 年美 国人乔治德沃尔制造出的世界上第一台可编程的机器人都是一些实用价值不高的机器人，它们是现 代机器人的雏形。上世纪6 0 年代，由于传感器和计算机技术的发展及应用，兴起了全世界第二代机 器人的研究热潮，并向人工智能进发。1 9 6 8 年，美国斯坦福研究所公布了他们研发成功的机器人 s h a k e y 。它带有视觉传感器，能根据人的指令发现并抓取积木。s h a k e y 可以算是世界第一台智能机 器人，它拉开了第三代机器人研发的序幕。到了上世纪8 0 年代，发达国家都组建各种机器人研究机 构，尤其是以美国为代表的国家将机器人的研究列入了军事发展计划，带动各国把机器人的研究推 上了高潮，日本和欧洲各国都成立了各自的机器人研究中心和规划了自己的研究计划。进入9 0 年代 后，机器人的应用领域除了工业和军事外，还涉及到了服务和娱乐领域，以日本本田公司的a s i m o 人型机器人和索尼公司的a i b o 娱乐机器人为代表的机器人展示了机器人领域各方面的先进研究成 果。在欧洲，2 0 0 2 年丹麦i r o b o t 公司推出了吸尘器机器人r o o m b a ，它能避开障碍，自动设计行进 路线，还能在电量不足时，自动驶向充电座。r o o m b a 是目前世界上销量最大、最商业化的家用机器 人。2 0 0 6 年6 月，微软公司推出m i c r o s o rr o b o t i c ss t u d i o ，机器人模块化、平台统一化的趋势越来 截明显，比尔盖茨预言：“家用机器人很快将席卷伞球。” 图1 1 丹麦i r o b o t 公司推出的吸尘机器人r o o m b a 1 东南大学硕士学位论文 我国的机器人研究是从八五期间开始的，起步比较晚，但发展比较迅速。国内移动机器人的研 究成果如下；清华大学的t h m r 一n v 型机器人；中科院沈阳自动化所的a g v 自主车和防爆机器 人：香港城市大学的自主导航车及服务机器人：哈尔滨工业大学的导游机器人；中科院自动化所的 全方位移动式机器人视觉导航系统；国防科技大学的双足机器人；由南京理工大学，北京理工大学， 浙江大学等多所院校联合研究的军用室外移动机器人。此外国内还有北京航空航天大学，北京科技 大学，西北工业大学等院校也进行移动机器人的研究“j 。 1 。2 课题研究意义 移动机器人导航的研究包括定位、路径的规划、运动控制等。对于一台智能移动机器人来说， 要完成给定的任务应该能回答以下四个问题【3 l ： 1 ) “我在哪里? ” 2 ) “我去哪里? ” 3 ) “怎么去? ” 4 ) “做什么? ” 撇开具体的任务而言，解决前三个问题正是要解决定位、路径规划、运动控制的问题。而其中 的定位是解决问题的基础，运动控制是解决问题的关键，路径规划是解决问题的核心。和定位相关 的内容包括探测地图、确定地图、更新地图、信息反馈等；路径规划就是在知道自身位置和目标位 置后，以最短距离、最低功耗、最短时间等为指标，根据地图实现确定从出发点到目的地的路径； 运动控制就是控制行走机构依据规划好的路径到达目的地，并在行走过程中应对突发事件等。 一般的路径规划就是选择一条在满足某些指标下的从一个点到另一个点的最优路径或者次优路 径1 4 j 。有一种特殊的路径规划叫遍历路径规划，这种路径规划要在满足一定的指标下完成覆盖整个 指定的区域中的非障碍物区域，它的典型应用包括清洁机器人，割草机器人，排爆机器人等。这些 应用领域都有一定的相似性，那就是技术要求不高或者比较单一，体力繁重、工作环境恶劣或者危 险等。在这些领域中使用机器人可以比人实现更高的效率、更加的安全、更低的成本等优势。目前， 在一些发达国家已经实现将遍历路径规划的清洁机器人应用于家庭、办公室等场合，将探测机器人 应用于矿藏的探测等。遍历路径规划有非常广泛的应用范围，可以广泛运用于服务机器人和军用机 器人等领域。因此，遍历路径规划的研究具有深远的意义。 1 3 国内外研究现状 对机器人路径规划的研究是从上世纪6 0 年代开始的”j 。在过去几十年中，已有大量的研究工作 被投入到路径规划这一领域，并且涌现了很多路径规划方法1 6 j 。路径规划的方法主要有：人工势场法 i 7 - i s j 、栅格法f 1 9 - 2 。】、拓扑法2 1 ”、滚动规划方法口“、启发式方法1 2 9 j 、遗传算法口“”、蚁群算法1 3 3 - 3 4 1 和其他混合方法。上述的路径规划方法各有优缺点，没有一种方法能做到适用于所有的环境。其中 人工势场法结构简单，便于底层的实时控制，在实时避障和平滑的轨迹控制方面，得到了广泛的应 用；但当存在局部最优解的时候，容易产生死锁现象，因而可能使机器人在到达目标点之前就停留 在局部最优点。栅格法简单，易于实现，为路径规划的实现带来了很多方便，具有表示不规则障碍 物的能力，其缺点是表示效率不高，存在着时空开销与精度之间的矛盾。启发式算法的优点效率高， 但是很难确定合适的启发信息。滚动规划方法能使机器人充分利用探知的局部信息，在滚动中有效 地结合优化和反馈，不仅局部计算量保持在较低水平，而且保证了全局的收敛性。这些优点使滚动 规划方法能很好地适应环境的变化，这使机器人在工作环境存在动态不确定障碍时表现尤为突出， 但是滚动规划方法很难实现路径的最优或次优。 遍历路径规划不同于以上的点对点的路径规划，它是二维环境中一种特殊的路径规划方法，要 求路径覆盖工作区域中的每一个非障碍物区域。评价一个遍历路径规划算法的好坏般有以下指标： 2 第一章绪论 清洁效率、清洁面积百分率、清洁重叠率、未清洁面积重叠率、能量消耗、清洁剂消耗量等p 。我 们可以以其中一个或几个综合作为算法的评价指标。目前的很多产品化的清洁机器人所采用的路径 规划属于随机遍历规划它们可以在无时间限制的前提下，使用较少传感器、简单的路径规划算法 实现清洁面积百分率趋于1 0 0 ，除此之外还有一类属于示教型遍历，就是先在人的指示下完成第一 次遍历，使机器人记住路径并在以后的遍历中模仿这个过程。 以上的遍历方法有一定的实用性，但是在效率方面、在变化环境中的适应能力方面表现都比较 差。所以，研究一种各方面效率比较高，行之有效的遍历路径规划算法是很有必要的。 现行的遍历路径规划算法有：近似单元分解法p “( a p p r o a c hc e l l u l a rd e c o m p o s i n 曲。精确单元分 解法1 3 7 1 ( e x a c tc e l l u l a rd e c o m p o s i n g ) ，模板模型法p s ( t e m p l a t eb a s e dm o d e l l ，神经网络( n e u r a l n e t w o r k ) 1 3 9 1 , 模糊逻辑( f u z z yl o g i c ) j ，基于行为的路径规划( b e h a v i o r sb a s e da p p r o a c h ) ，基于传 感器信息的路径规划( s e n s o rb a s e dc o v e r a g e ) 等等。 其中目前常用的遍历算法有模板模型法和单元分解法1 4 1 ”】( 细胞分解法) 。在这两种算法中，单 元分解法更具优越性，具有很好的发展前景。模板模型算法是一种利用模板进行遍历的算法。由于 模板算法对整个环境缺乏整体的规划，该算法效率较低并且机器人往往会进入无法处理的死循环状 态。基于模板模型的完全遍历路径规划，它要求事先定义环境模型和模板，因此对于变化的环境难 以适应，比如机器人在遍历工作过程中突然出现一个障碍等。单元分解法是根据障碍物分布情况将 环境空间划分为一系列不重合的、有限个数的、无障碍物的区间，而后在此基础上进行每个区域的 遍历。单元分解法分为：近似单元分解法、半近似单元分解法和精确单元分解法。相比前两种方法， 精确单元分解法具有更好的研究前景。目前有两种主要的精确单元分解算法有：t r a p e z o i d a l 算法和 b o u s t r o p h e d o n 算法。t r a p e z o i d a l 算法将环境分解成梯形块，移动机器人分别在各个梯形块中进行往 复移动来进行遍历，b o u s l r o p h e d o n 算法是对t r a p e z o i d a l 算法的改进，目的是减少由于分块过多而造 成重复遍历。 基于生物激励神经网络的路径规划方法是个新颖的路径规划方法，该方法不同于其他的神经 网络方法，它不需要学习过程，具有很强的实时性，在路径规划时能跳出死锁情况，对噪声、模型 参数的变化都不敏感。而且计算量不大，计算简单，不需要先验环境信息。 路径规划是建立在环境模型的基础上的。任何一种规划算法都与某种特定的环境建模技术相对 应的。环境模型有静态确定模型和动态时变环境模型。目前大多数研究工作集中于静态路径规划， 但动态路径规划问题己引起人们的注意。对于静态己知的环境，已有不少成功的研究成果，其建模 技术也是相对较为成功的。另一方面，部分已知或完全未知环境的路径规划问题没有得到完善的解 决，其根本原因在于难以建立有效的环境模型i ”“j 。 1 4 课题研究内容 随着人工智能技术的发展，越来越多的人工智能的产品出现在我们的视野，进入我们的生活， 如电子盲人狗，清洁机器人等。对于这一类移动机器人的应用而言，都要解决路径规划这一问题。 随着传感器技术的发展，路径规划成为移动机器人普遍应用的技术瓶颈。 完全遍历路径规划是建立在地图的基础上，运动控制则建立在定位的基础上。所以实现遍历的 首要问题就是解决地图创建和定位的问题。 本课题的研究内容之一就是创建地图、定位和地图更新。地图的关键在于其表述方式和传感器 信息的融合。地图的表述方式包括度量表述、拓扑表述和混合表述1 4 s 。而其中度量表述叉包括空间 分解表述和几何表述。空间分解表述有可分为致分解和分层分解。其关系如图所示1 - 2 ： 东南大学硕士学位论文 图l - 2 移动机器人地图表示分类 在上述表述方式中，度量表述方式定位比较精确而且易于实现，但在动态环境下的适应性较差， 特别是障碍物比较复杂的时候消耗的资源较多，而且度量表述方式的地图维护性一般。相对而言拓 扑表述方式描述的地图比较简单，易于实现路径规划，但是这种表述方式的地图定位精度不高，动 态环境下构建地图困难，不易于维护。目前，应用于完全遍历路径规划的地图表述方式还是以前者 居多。 创建地图的关键除了表述方式以外还有探索环境的漫游规则和传感器信息的融合，即在一个较 高效率的规则下探索环境，并对环境特征的提取，阻用于构建地图和定位。一般的，移动机器人比 较常用的测距传感器有超声波传感器、红外传感器，并且同时使用多个。利用这两种传感器，机器 人可以通过测量周围物体的距离实现地图的创建、避障、运动控制。除了以上两种传感器，常用的 传感器还有用于测量角度的地磁场传感器和应用于紧急避障的碰撞开关。要实现地图的创建，要对 以上传感嚣所测得的数据进行融合。数据融合的算法有识多，常用的多传感器的数据融合算法有 b a y e s 方法、d s 证据推理方法、模糊集理论、神经网络法等。 定位在运动控制中有着非常关键的作用。应用于定位的技术有g p r s 定位、利用地图及推理的 方法定位、基于路标的定位、普适计算用的定位方法等。在上述算法中，g p r s 定位精度低，不适 用于小面积的室内环境；利用地图及推理方法的定位相对比较复杂；基于路标的定位方法比较简单， 但是设置路标比较繁琐，适用性不强；普适计算用的定位方法相对于前者更适用于室内环境。 本课题的研究内容之二就是在地图的基础上实现完全遍历路径规划。在已知环境下的完全遍历 路径规划有模板模型法、单元分解法、基于生物激励的神经网络方法等，但是混合方法有更好的应 用前景。本文这部分的内容将致力于混合方法的算法设计。 1 5 本文章节划分 完全遍历路径规划可应用于服务机器人领域、军事机器人领域等。本文以室内清洁机器人为研 究对象，开展清洁机器人室内环境地图的创建和定位、基于地图的完全遍历路径规划的研究。主要 工作包括以下内容： 1 ) 系统分析了当前移动机器人环境表述方式，包括度量表述方式、拓扑表述方式、混合表述 4 第一章绪论 方式，重点分析了度量表述方式中的几何表述方式的优点，并结合本文硬件条件及定位方 法，采用几何表述方式来描述遍历环境； 2 ) 介绍了组成本文控制系统的各个功能模块，对环境感知系统中各模块的工作原理及其在沿 边学习、确立障碍物信息、地图更新等任务执行过程中的作用进行了详尽的说明； 3 ) 对已有的普适计算用的三点定位方法进行修改，提出了适合于小型环境内的两点定位方法， 并在小型环境内比较了二者的效率； 4 ) 对环境中的特征进行了分类，并对各种特征进行了描述，通过对环境中r o o m 特征、g a t e 特征的识别，将环境分解为单个的r o o m 环境，实现对单个r o o m 环境的环境探索和完 全遍历： 5 ) 制定了基于b o u s t r o p h e d o n 单元分解方法的未知环境下的漫游规则，实现对环境的探索，建 立了环境探索过程中的b p 神经网络数据融合模型，构建环境内障碍物的分布地图；并提出 一种应用几何算法的地图更新方法。 6 ) 在b o u s t r o p h e d o n 单元分解法的基础上对分解区域进行了排序，并对区域之间的距离值进行 了重新定义，给出了构建环境中各区域的完全赋权连通图的方法，对蚁群算法中各个参数 对算法得到最优解和算法的收敛速度的影响进行了分析，得到组较理想的参数组合，在 完全赋权连通图的基础上使用蚁群算法得到一个优化的区域遍历顺序。 1 6 本章小结 本章叙述了完全遍历路径规划算法的应用前景及研究的意义，对移动机器人的发展史、完全遍 历路径规划的发展及现状做了比较详细的介绍，并对本文要研究的内容进行了详细说明。 5 东南大学硕士学位论文 2 1 引言 第二章机器人的控制系统与环境感知系统 移动机器人是一个集环境感知、建模、动态决策、规划、行为控制、执行等功能为一体的综合 系统一j 。机器人实现室内障碍物环境的完全遍历是建立在控制系统之上的，没有这个硬件基础，实 现完全遍历只是纸上谈兵。控制系统的结构是否合理对机器人执行任务有非常大的影响，常用的机 器人体系结构有分层式结构、包容式结构、混合式结构等。其中，混合式结构表现出前两种体系结 构的优点，而又避免了前两种体系结构的缺点。 为了使机器人能出色完成任务，机器人必须体现出良好的响应速度、鲁棒性、优秀的全局规划 能力。除此之外，为提高机器人的适应能力和可持续发展能力，机器人还可以往开放性、兼容性、 可扩展性、自学能力、进化能力、分布式多智能体结构等方向发展。 2 2 机器人控制系统结构 控制系统结构的选择不仅要考虑功能，而且要考虑系统结构的小型化、轻型化、实时性和最重 要的实用性，因此，复杂的、先进的系统结构不一定是合适的结构。本文采用比较常用的混合式结 构，控制系统的示意框图如图2 1 ： 图2 1 控制系统结构框图 控制系统中主要包括：微控制器模块、避障模块、电机驱动模块、测速模块、遥控模块、定位 模块、清洁模块、串行通信模块及电源模块等部分。直流电机是通过中央控制器l p c 2 2 1 4 控制的， 电机的控制需要控制速度的p w m 信号和控制旋转方向的方向信号，前者是通过l p c 2 2 1 4 的p w m 信号生成器产生的，并且p w m 信号的产生并不干扰l p c 2 2 1 4 中程序的执行，后者是通过l p c 2 2 1 4 的普通i o 产生的，它同样不会干扰控制器中程序的执行。上述信号经过c p l d 调制之后就可以控 制电机了，只有当电机需要执行上位机的转向、停机等命令时，电机才执行规划层的命令。因此， 电机控制模块只有在三种情况下才执行上位机的命令：一种是在创建环境地图过程中根据数据融合 6 第二章机器人的控制系统和环境感知系统 模块的决策执行上位机的命令：一种是在上位机完成路径规划后根据路径规划结果执行上位机命令； 还有一种就是在遇到突发事件时需要执行上位机的命令。单片机p 8 9 c 6 6 8 组成的超声波模块的主要 功能是控制超声波数据的采集，并将采集的数据通过i i c 接口传递给中央控制器l p c 2 2 1 4 ，超声波 模块的任务包括提供数据融合模块的数据来源，遍历过程中提供地图更新的数据来源、提供定位的 数据来源以及避障等。红外测距模块在系统中也承担测距的任务，不过它是在超声波传感器无法测 距的盲区内起作用的，并且保证机器人与障碍物保持安全距离，它是通过普通f o1 3 加中断的方法 与上位机通讯的。地磁场传感器在确立障碍物信息、构建环境地图和遍历过程中起着非常关键的作 用，地磁场传感器是通过串口实现与上位机通讯的；碰撞开关则是在机器人碰到突发事件如撞上无 法探测的障碍物或者撞上动态障碍物的情况下起作用的，它是通过普通i o 口加中断的方式将底层 采集的信息传递给中央控制器l p c 2 2 1 4 。中央控制器在系统中担当决策和规划的责任，在创建地图 期间，它通过对所采集的数据进行融合后做出决策，向电机控制模块发出控制命令，在遍历期间， 它根据规划出的路径情况向电机控制模块发出命令。上述各个模块力求相对独立，以便系统日常的 维护和今后的升级。 2 3 环境感知系统 在本课题中，用于环境探测的模块主要有红外探测模块、超声波探测模块、地磁场探测模块、 碰撞开关，其中超声波探测模块和红外探测模块主要用于测距，地磁场探测模块主要用于测量角度， 这三者与定位系统的协作，就可以确定环境中障碍物的位置、形状和尺寸了，而碰撞开关主要用于 紧急避障。超声波传感器存在盲区，需要红外传感器对该盲区进行弥补。红外传感器虽然可以弥补 超声波缺陷，但它也存在个致命缺陷，那就是它只能测量一定距离内是否存在障碍物( 即根据是 否发现障碍物，红外测距模块发出一个高或者低电平) ，而不能测量该障碍物与机器人之间的距离。 因此，红外传感器在环境感知系统中的主要作用是确保机器人与障碍物保持一定的距离，本文将红 外传感器所能确定的距离取为安全距离，在安全距离之外则依靠超声波传感器得到距离信息。通过 沿边学习确立环境边界和通过环绕障碍物确定障碍物信息需要定位系统、数据融合模型和地磁场模 块的协作，而沿边学习和环绕障碍物的决策是靠数据融合模型融合来源于超声波传感器的信息后作 出的。下面依次介绍这四个功能模块的工作原理。 2 3 1 超声波探测模块 超声波传感器的测距原理是利用超声波在空气中的渡越时间来计算移动机器人上超声波探头与 障碍物之间的距离。超声波测距具有两个不确定性： ( 1 ) 距离的不确定性； ( 2 ) 角度的不确定性： 距离的不确定性是由超声波在传播时发生镜面发射所引起的，镜面反射的发生增加了超声波的 渡越时间，甚至经过镜面反射后，无法接收到超声波的回波。超声波镜面反射现象的发生是偶然的， 也是必然的，可以通过多次的、不同位姿的测量来尽可能避免镜面反射的影响。角度的不确定性是 由超声波传感器的锥角特性引起的，这使得超声波测距时无法确定锥角内障碍物的确切方位，超声 波的角度分辨率还与所选择的超声波探头的类型有关。超声波具有反应灵敏、探测速度快的优点， 而且超声波传感器的结构简单、体积小，成本低，广泛应用于各类移动机器人的环境感知系统中， 尤其是室内机器人的避障与测距。通常，安装在移动机器人上的超声波传感器不止一个，而是用多 个传感器组成一个阵列来构建一个传感系统来探测移动机器人周边的障碍物分布情况，并且可以通 过合理布置传感器实现覆盖要求的探测区。总体来说，超声波传感器的造价低廉、速度快、距离分 辨率高、可以通过合理布置传感器和对所采集的数据进行处理来构建比较精准的环境模型。 7 东南大学硕士学位论文 1 超声波的频率特性 超声波的频率特性曲线如图2 - 2 所示，岔为超声波发射器的中心频率，在f o 处超声波发射器所 产生的声压能级最高，而在中心频率矗两侧声压能级迅速衰减。也就是说，当超声波发射器工作 在中心频率f o 附近时，要么探测的有效范围小，要么难以达到超声波接收电路所要求的强度。因此， 要使超声波传感器的工作灵敏度高，一定要使用非常接近中心频率毛的交流电压来激励。当然也 可以利用这种特性来在线调节超声波测距系统的有效探测范围和扩散角大小。我们选用的超声波传 感器的中心频率为4 0 k h z ，这就决定了给予探头的激励电信号的中心频率也为4 0 k h z 。又由于探头 对于信号频率变化的敏感程度比较高，稍微偏离额定的中心频率，就会使探头的发射声强明显得衰 减。因此，产生所需额定振荡信号和保证信号中心频率的相对稳定就是超声波振荡信号发生电路的 主要任务。同时，对于已有的信号源，怎样改善其信号的输出功率，使其很好得与外部传感器相互 匹配也是一个值得考虑的因素。 发射灵敏度( d b ) 接收灵敏度( d b ) 图2 - 2 超声波发射器的频率特性曲线图2 3 超声波接收器的频率特性曲线 超声波测距系统能否有效地工作关键在于使超声发射器与接收器协调一致工作。图2 3 为超声 波接收器的频率特性。从图中可以看出，超声波接收器的频率特性与其匹配电阻r 有很大关系。如 果匹配电阻r 很大( 大于1 0 0 k j 2 ) ，则频率特性是尖锐共振的，并且在共振频率点( 中心频率附近) 处有很高的灵敏度；如果r 较小( 小于1 0 i c a 2 ) ，频率特性曲线变得平滑而且带宽较宽，同时接收 灵敏度也随之降低，共振频率点会向频段稍低的方向移动。 2 超声波测距工作原理 图2 4 超声波测距原理框图 超声波测距是通过不断检测超声波发射后遇到障碍物所反射的回波从而测出发射和接收回波 的时间差a t ，然后求出距离s 。在速度v 已知的情况下。距离s 的计算，公式如下： s = v * a t 2( 2 1 ) 在空气中，常温下超声波的传播速度是3 3 4 米，秒，但其传播速度v 易受空气中温度、湿度、压 强等因素的影响，其中受温度的影响较大，如温度每升高l ，声速增加约0 6 米，秒。因此在测距 精度要求很高的情况下，应通过温度补偿的方法对传播速度加以校正。已知现场环境温度t e p 时， s 第二章机器人静控制系统和环境感知系统 超声波传播速度v 的计算公式如下： v 3 3 1 5 + 0 6 0 7 t e p ( 2 2 ) 由公式2 ，2 可以计算出表2 1 标出的声速与温度关系。这样只要测得超声波发射和接收回波的 时间差t 以及现场环境温度t e p ，就可以精确计算出发射点到障碍物之间的距离，这就是超声波测 距仪的机理。其超声波测距原理框图如图2 - 4 所示。 表2 1 声速与温度关系表 i 温度( ) 一3 02 01 00 1 02 03 01 0 0 j 声速( m s ) 3 1 33 1 93 2 53 3 2 3 3 b3 4 43 4 93 8 8 2 3 2 红外传感器 由于超声波传感器存在角度的不确定性、盲区、镜面发射等问题，所以在移动机器人的测距系 统中，除了配置超声波传感器，还安装了与之互补的红外传感器。红外传感器具有角度分辨率高， 近距离不存在盲区的特点。 红外探测的原理与超声波探测的原理比较相似，都是通过发射激励信号，并接受反射信号的方 式进行环境探测的，二者的差别在于超声波输出的是探头到障碍物之间的距离，而红外传感器输出 的是一个0 或1 的开关量。红外传感器的输出由一个阈值控制，当大于该阐值时输出0 ，小于或等于该 阈值时输出1 。阈值的大小可以通过适当的增加发射电压和调整发射频率来调节，即可探测距离在一 定范围内是可调的。红外传感器的数学模型可以用图2 5 表示，图中d 。为红外线传感器感知的最大有 效范围，由此，其数学模型可表示为： p ( 知i 哦= j ) = f o ， 2 3 3 地磁场传感器 矿a o 其他 p 1 图2 5 红外线传感器数学模型 ( 2 3 ) 地磁场传感器是移动机器人传感系统中比较常用的传感器之一，利用它可以得到环境的角度信 息。地磁场传感器的工作原理是：通过磁传感器测量磁场在x 轴、y 轴的磁场分量，通过计算，得 出方位角度，之后经过标准2 3 2 接口或4 8 5 接口输出给单片机或者上位机使用。地磁场传感器的测 量范围为0 。一3 6 0 。，显示分辨率为1 。，精度为2 。，响应频率为2 5 1 - l z 。 2 3 4 碰撞开关 移动机器人在漫游和遍历过程中，极有可能与无法探测到的障碍物发生碰撞，如环境中的动态 物体，或者比较细小的、超声波传感器和红外传感器无法识别的障碍物，在这种情况下机器人必 须依靠碰撞传感器的信息进行决策，否则就有可能出现误决镱或者损坏机器人。碰撞开关就是用来 9 东南大学硕士学位论文 应付这种突发事件的。碰撞开关的一端接地。一端通过电阻接3 3 v ，当发生碰撞事件时，高电压端 电压从3 3 v 跳变到0 。 2 3 5 障碍物的标定 在上文中我们已经知道，通过超声波传感器可以测量障碍物与超声波探头的距离。如同极坐标 中确定点的坐标一样，除了要知道距离参数外还需要知道角度参数。在标定障碍物时，需要知道 两个角度参数，一个是机器人在环境的全局坐标系中的角度参数，一个是超声波探头在机器人上的 安装角度参数。前面这个角度参数信息可以通过地磁场传感器得到，后面这个角度参数信息在安装 超声波探头时就已经确定了。图2 - 6 就是超声波探头在机器人上的安装示意图。 图2 - 6 超声波探头在机器人上的安装位置 假设环境地图的形状是长方形，则建立一个以长方形的顶点为原点，横纵坐标与顶点相连的两 边重合的全局坐标系。再以机器人车体的中心为坐标原点( 车体的形状为圆形) ，在机器人后轮轴线 上建立横坐标，在轴线的中垂线上建立纵坐标，建立一个局部坐标系。全局坐标系和局部坐标系的 关系如图2 - 7 所示。 b 图2 7 建立在环境中的全局坐标系和局部坐标系 在局部坐标系中定义如下几个参数： 爵超声波探头与局部坐标系原点之间的距离 r j 超声波探头在机器人上的安装角度 卜超声波探头测得的距离值 在全局坐标系中定义如下参数： 口局部坐标系在全局坐标系中的角度信息 ( 五，) 期器人在全局坐标系中的坐标 由移动机器人的传感器布置可知，机器人只能探测其第一、第二象限内的障碍物分布情况，障 碍物在全局坐标系的坐标可以由下面这个公式表示： 1 0 第二章机器人的控制系统和环境惑知系统 工= x + ( ，+ d ) s i n ( 口t 一) y = y + ( r + d ) e o s ( a p ) ( 2 4 ) ( 2 5 ) 其中，与a 是己知的，d 可以通过超声波传感器得到，卢可以通过地磁场传感器得到。此处在 计算障碍物的坐标时已经假设了超声波传感器测距的数据没有距离和角度的不确定性，但实际中不 确定性是存在的，这些由于不确定性所带来的数据误差通过调整测量范围来减小，以满足系统要求 的精度。 2 4 本章小结 移动机器人的控制系统结构是机器人实现完全遍历路径规划的基石，一个合理的控制系统结构 应该体现为优秀的鲁棒性、实时性、全局规划能力等。本章介绍了控制系统的组成及其功能。本章 还介绍了控制系统平台中的环境感知系统详细的讲述了环境感知系统的组成模块、各个组成模块 的功能及工作原理，最后建立了环境障碍物标定的全局坐标系和局部坐标系。 东南大学顽士学位论文 3 1 引言 第三章机器人的定位和地图创建 移动机器人的路径规划环境有两类：类是完全已知环境，一类是部分己知或者完全未知环境。 一般的，实现遍历路径规划都是在环境已知的条件下进行的，因为在未知环境下要实现遍历比较困 难，而且效率比较低，很难实现智能规划。机器人完成完全遍历路径规划需要做以下工作： 1 选择一种易于与所采用的路径规划算法相结合、实现完全遍历路径规划的地图表述方法， 如几何表述方法等，并结合地图表述方式设计机器人在环境中的定位方法，为以后的地图 创建、地图更新、运动控制作准备。 2 制定在未知环境中的漫游规则，通过沿边学习和漫游规则实现在未知环境内较高效率的探 索地图对机器人传感器所采集的数据进行数据融合，获取未知环境的边界信息和环境内 所有的障碍物信息，即完成整张地图的构建。设计地图的更新算法，实现在遍历过程中将 变化的她图信息实时更新到地图中。 3 根据已有地图，对地图进行区域划分，区域划分的原则是便于在区域内部使用简单的规则 如往复运动实现遍历。在此基础上，采用遍历算法遍历所有区域，以达到较高效率遍历整 个环境的效果。 地图和定位方法是实现完全遍历路径规划的基础条件，地图的创建涉及到定位、地图的表示方 法、探测地图的规则、传感器数据的采集和融合、坐标的建立等。表述地图的方法有很多，但没有 哪一种方法可以适应所有的环境，因此在选择地图的表述方法时，应该结合机器人实际的应用领域。 3 。2 机器人的定位方法 在遍历路径规划中，定位起着至关重要的作用，无论是在漫游地图时确定障碍物的形状和位置、 纠正行进过程中的轨迹偏差、寻找环境中的某个区域等都和定位息息相关，所以定位方法的有效性 是非常关键的。 3 2 1 典型移动机器人定位方法 1 相对坐标定位方法 相对坐标定位方法是在已知初始位置的情况下，利用航迹推算的方法来得到机器人在当前位置 的位姿。里程计测距法是机器人导航中最为广泛使用的确定机器人位姿的航位推算法，这种测距的 方法成本很低，短时间内具有较高的准确性和实时性。里程计测距