（检测技术与自动化装置专业论文）网络移动机器人粒子滤波定位研究.pdf

中文摘要 基于互联网的移动机器人( 本文也简称网络移动机器人) 是网络技术与移 动机器人技术相结合的产物。由于目前互联网带宽等条件的限制，对网络机器 人的远程测控问题还没有根本解决。当前切实可行的方法之一是基于监督模式 的测控方式，此种方式要求机器人具有较高的自主性能。 自定位是实现移动机器人自主能力的最基本也是最关键的问题，特别是在 初始位姿未知情况下的机器人全局定位问题 本文的主要研究工作可概括为以下几个方面： 1 给出了基于旋转超声测距传感器的贝叶斯网格地图的构建过程；通过数 据融合改进了地图，且该地图被成功地用于机器人全局定位。 2 研究了粒子滤波定位算法的具体实施方法，并将其成功地用于解决小型 低成本移动机器人的全局定位问题。将直方图匹配引入到定位算法的传 感器更新阶段，实验表明它非常适合大量低精度的传感器数据情况，从 而提高了粒子滤波算法的效率和鲁棒性。 3 使用j a v a 语言，基于b s 结构，开发了基于i n t v m e t 的移动机器人远程 测控系统。将在线测量、离线计算的思想引入到机器人定位中，有效地 弥补了低端机器人数据处理能力不足的缺陷，从而成功地解决了基于监 督模式下的低端网络移动机器人的全局定位问题。 关键词：移动机器人远程测控全局定位粒子滤波直方图匹配 a b s t r a c t i n t e r a c tb a s e dm o b i l er o b o t ( a l s oc a l l e dn e t w o r km o b i l er o b o ti nt h i st h e s i s ) i s t h ec o m b i n a t i o no fw w w t e c h n o l o g ya n dm o b i l er o b o t i c s t h ep r o b l e mo fr e m o t e m e a s u r e m e n t c o n t r o lo fm o b i l er o b o t sv i ai n t e r n e th a sn o tb e e ns u c c e s s f u l l y s o v l e dd u et ot h ep r a c t i c a ll i m i t a t i o n ss u c ha si n t e r o e tb a n d w i d t h o n eo ff e a s i b l e s o l u t i o n so fi n t e r a c tb a s e dt e l e o p e r a t i o ni ss u p e r v i s o r yc o n t r 0 1 h o w e v e r , i tn e e d s t h a tm o b i l er o b o t sh a v er e l a t i v e l ys t r o n ga u t o n o m o u sc a p a b i l i t y s e l f i l o c a l i z a t i o n , e s p e c i a l l yt h eo o b a tl o c a l i z a t i o ni nw h i c h t h ei n i t i a lp o s eo f t h er o b o ti su n k n o w n , i st h ek e yf o ram o b i l er o b o tt or e a l i z ea u t o n o m y 劝em a i nr e s e a r c hw o r ko ft h i st h e s i s 啪b cc o n c l u d e da sf o l l o w s 1 ab a y e s 鲥dm a pi sc o n s t r u c t e du s i n gs i n g l er o t a t i n gs o n a r t h em a pi s i m p r o v e db a s e do nd a t af u s i o na n ds u c c e s s f u l l yu s e di nt h em o b i l er o b o t g l o b a ll o c a l i z a t i o n 2 t h ed e t a i l e di m p l e m e n t a t i o np r o c e d u r eo fp a r t i c l ef i l t e ra l g o r i t h mf o rs m a l l l o w c o s tm o b i l er o b o t si ss t u d i e da n ds u c c e s s f u l l ya p p l i e dt ol o c a l i z et h es m a l l m o b i l er o b o t sw i t hl o wp e r f o r m a n c e ah i s t o g r a mm a t c h i n gi su t i l i z e di nt h e s e n s o r - d a t a u p d a t ep h a s eo fp a r t i c l ef i l t e rl o c a l i z a t i o n e x p e r i m e n t ss h o wt h a t i ti sq u i t es u i t a b l ef o rl a r g ea m o u n 协o fl o w - p r e c i s i o ns o n a rd a t aa n dt h a ti t m a k e st h ea l g o r i t h mm o r ee f f i c i e n ta n dr o b u s t 3 j a v ai su s e dt ob u i l dt h er e m o t em e a s u r e m e n t c e n t r e ls y s t e mo fm o b i l e r o b o t sb a s e do nb sm o d e t h ei d e ao f “o n l i n em e a s u r e m e n t ，o f f i i n e c a l c u l a t i o n j si n t r o d u c e dt o t h em o b i l er o b o tl o c a l i z a t i o n 。w h i c hh a s e f f e c t i v e l yc o v e r e dt h es h o r t a g eo fs l o w - d a m - p r o c e s s i n gs p e e do fl o w c o s t r o b o t s ，a n ds u c c e s s f u l l ys o l v e dt h eg l o b a ll o c a l i z a t i o no fl o w - c o s tn e t w o r k m o b i l er o b o t sw o r k i n gi ns u p e r v i s o r yc o n t r o lm o d e k e yw o r d s ：m o b i l er o b o t ，r e m o t em e a s u r e m e n t & c o n t r o l ，g l o b a l l o c a l i z a t i o n ，p a r t i c l ef i l t e r , h i s t o g r a mm a t c h i n g 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得墨鲞盘堂或其他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。 学位论文作者签名：云残 签字日期：m 年0 月f 日 学位论文版权使用授权书 本学位论文作者完全了解鑫盗盘堂有关保留、使用学位论文的规定。 特授权叁洼盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名；云成 签字日期：如口6 年丸月z f 日 导师签名：至捩悸 签字日期：矿靠年z 月卅日 第一章绪论 1 1 引言 第一章绪论 “机器人”是存在于多种语言和文字的新造词，它体现了人类长期以来的 一种愿望，即创造出一种像人一样的机器或人造人，以便能够代替人去进行各 种工作。美国机器人学会在1 9 8 3 年1 月对工业机器人给出了一个较为准确的描 述：“机器人是一种可编程的多功能操作机，用各种编程的动作完成多种作业， 用于搬运材料、零件、工具和专用设备。”简言之，机器人是一种带有外部传感 器的可编程的操作机根据这一定义，机器人必须具有智能，这种智能通常取 决于同控制和传感系统有关的计算机算法【1 1 。 根据机器人从低级到高级的发展过程，一般把机器人分为三代： 第一代机器人主要指只能以“示教再现”方式工作的机器人。示教内 容为机器人操作机构的空间轨迹、作业条件、作业顺序等。示教方法：一是操 作员。带领”机器手操作，一是与计算机编程相结合。目前国际上商品化、实 用化的工业机器人大部分是这种机器人。 第二代机器人是使用传感技术获取作业环境和操作对象简单信息的机器 人。因此，使机器人能以柔性方式适应环境的需要，这与预编程操作是不同的。 通过计算机对机器人传感信息进行分析、处理，对机器人的动作进行控制，表 现出低级智能。由于传感器信息处理系统增加了机器人的造价和复杂性，第二 代机器人目前只有少数得以普及和应用。 第三代机器人是指具有高度适应性、自主性的智能机器人，它具有多种感 知功能，可进行复杂的逻辑推理、规划和决策，在作业环境中自主行动。第三 代机器人实际上是一个知识信息处理系统，与智能计算机关系密切，目前仍处 于研究探索阶段。 智能机器人经历了一个从无智能到有智能，从低智能到高智能的发展过程 移动机器人是机器人的一个重要研究方向，按其控制方式和自主程度移动机器 人大致可分为遥控式、半自主式和自主式三种。其中自主移动机器人可以按照 预先设定的任务指令，根据已知的存储在机器人内部的地图或者环境信息做出 全局路径规划，并在行进过程中，不断感知周围的环境信息，自主地做出各种 第一章绪论 决策，随时调整引导机器人车体安全运动并执行相应的运动与操作因此，自 主移动机器人是一集环境感知、动态决策与规划、行为控制与执行等多种功能 于一体的综合系统。在军事侦察、宇宙开发、扫雷排险、防止核污染、消防救 援、有毒废弃物清理等危险和恶劣的环境中都有十分广阔的应用前景。 2 0 世纪后期，超大规模集成电路技术、计算机技术和网络技术的发展引发 了信息技术飞速发展。计算机网络的应用领域不断拓宽，影响了社会生产和生 活的方方面面，也为机器人技术的发展提供了新的机遇。另一方面由于民用和 军事工业生产的需要，国外兴起了智能机器人的研究热潮。其中具有广阔应用 前景的各种智能移动机器人，作为集成了机械、电子、通讯、信息、控制、传 感技术和人工智能等多学科技术的高科技产品，由于其特殊应用范围和制造成 本高，只有少数研究人员和技术人员才可以接触到，而大多数人无法在日常生 活中见到。 互联网的迅速发展和普及不仅改变了人们的生活和工作方式，缩短了世界 各地人们问的距离，把人类向信息时代推进了一大步，而且增强了人们获取信 息的数量。同时，把互联网同机器人技术相结合还为机器人技术的发展和应用 创造了新的条件，也为人们认识和了解机器人提供了便捷的渠道。 1 2 网络移动机器人研究及发展 。在基于网络的远程控制机器人研究领域，美国、澳大利亚、日本和德国的 高校和研究组织最为活跃基于网络的机器人控制思想是由美国k e ng o l d b e r g 于1 9 9 4 年提出的【2 】他把一台$ c a r a 型机器人与i n t e r n c t 连接，机器人的末 端装有一个c c d 摄像机，通过在远端控制机器人来清洁埋在沙子里的石器。 这之后，相继出现了一些基于网络的机器人，如西澳大利亚大学的k e n n e t c h t a y l o r 等人将一个6 自由度的a s e ai r b 6 型机械手连接到互联网，可以搬运 和搭建积木【射。此外还有b r a d f o r d 大学的机器人望远镜【4 l ，曼彻斯特大学的 “f o r t y t w o ”远程机器人【5 】及绘画机器人【6 】等。 基于i n t e m e t 的机器人远程控制由于其在空间和海底探索、危险环境作业， 远程制造及设备维护、远程诊疗、远程教育及娱乐等方面所表现出的巨大应用 前景，近年来受到了越来越广泛的关注啊。曾经出现在互联网上的机器人主要 有两种类型，一种类型为机器人操作臂，另一种是自主移动机器人，其自主性 和移动性的特点能在更高程度上满足人们对远程空间的探索的要求，并为最终 第一章绪论 与非结构化的、未知的远程环境的交互提供了研究平台。现阶段基于网络的机 器人远程控制的特点是主要使用机器人操作手或简单的移动机器人，控制方式 主要是直接控制，多采用c g i 界面来控制机器人，只发送简单的请求并等待响 应，且在机器人的执行过程中，用户和机器人之间很难有什么互动。本文主要 研究对象是移动机器人，接下来所介绍的网络机器人，也是指通过互联网控制 的自主移动机器人。 本文研究的网络机器人就是网络技术与智能移动机器人测控技术相结合的 产物。所要实现的基本目标是允许用户在远程终端通过网络实现对服务器的访 问，把对机器人的控制命令通过互联网传送给机器人，同时现场机器人检测到 的参数( 传感信息) 也可通过互联网反馈给用户端，实现在远端( - - j - 能在不同 的城市或不同的国家) 完成对机器人间接测控的目的。为了使远端用户有亲临 现场的感觉，机器人现场的图像也可通过图像服务器经互联网传回给用户。相 比于传统的远程测控系统具有以下优点：不需要专用的通信网络，利用i n t e r a c t 的网络设施降低了远程测控的成本；人们在任何能够连接到i n t e r a c t 的地方通 过浏览器均可实现对机器人的远程监视和控制。 为了更好地实现对机器人的远程控制，希望远程操作人员只需要发送目标 任务和相关指令，而具体任务由远程机器人控制回路自主完成，只有当机器人 遇到自己无法处理的情况时才需要人的干预。这样对于移动机器人的自主能力 就有一个较高的要求，最基础的一点就是机器人必须要知道自己在环境中所处 的位置，也就是移动机器人的定位问题定位是自主移动机器人最基本、也 是最关键的闯题之一，这也是本文研究的重点1 8 】【9 】。 1 3 移动机器人定位问题研究 定位是移动机器人导航和控制的基本问题，即智能移动机器人要想在环境 中自主运动，最基本的问题就是应用传感器感知的信息确定自己在环境中的位 置。无论是在结构化或者非结构化的环境中，机器人都必须了解自身与周围环 境的位置关系才能选择和做出决策。可见定位技术对智能移动机器人的实际应 用是必不可少的( 1 0 1 1 移动机器人定位是指根据先验环境地图信息、机器人位姿( 位置和姿态) 的当前估计以及传感器观测值等输入信息，经过一定的处理和变换，获得准确 的机器人状态【1 2 1 。机器人的定位方式取决于所采用的传感器。移动机器人常用 第一章绪论 的定位传感器有里程计、摄像机、激光测距仪、超声传感器、红外线、微波雷 达、陀螺仪、指南针、触觉或接近觉传感器等f 埘。 按照机器人初始位置是否已知，移动机器人定位可分为局部位姿跟踪( 相 对定位) 和全局定位( 绝对定位) 两类基本问题。局部位姿跟踪是指机器人初 始位姿已知，通过测量机器人相对初始位姿的距离和方向的变化确定机器人的 当前位姿。全局定位也称为绝对定位，是在环境地图己知而机器人初始位姿未 知的情况下，通过机器人传感器所获取环境信息与先验环境地图的匹配来确定 机器人位姿1 1 4 1 - 2 3 1 由于机器人机械制造误差、里程计及外部传感器受测量噪声以及运动控制 中误差的影响，机器人运动的真实位置具有一种不确定性，因而概率论是定位 分析的重要工具目前的位姿估计方法主要有：航位推算法、拓扑表示法、卡 尔曼滤波估计、位置占有网格法、蒙特卡洛法等。 1 3 1 航位推算法 航位推算法是一种经典的相对位姿估计方法。它一般是应用安装在机器人 身上的里程计或惯性导航传感器( 如陀螺仪或加速度计等) ，通过测量并计算出 机器人相对于初始位置的距离和方向来确定机器人的当前位置，属于局部位姿 跟踪算法。 航位推算法结构简单、价格低廉，由机器人自身推断位姿信息，不需外界 环境信息，但误差累积大。随行驶距离的增加，累积误差会无限增大。因此只 适于短时短距离运动的位姿估计，长时间运动时必须应用其它的传感器配合相 关的定位算法进行校正 1 3 2 拓扑表示法 应用拓扑图的定位并不需要精确给定机器人的位姿，而只是要求确定机器 人处于哪一个节点处。拓扑法不要求里程计的测量精度，只是需要应用里程计 近似表示机器人的运动方向，因此拓扑表示法只适用于粗略的移动机器人位置 估计问题。 拓扑法是对真实世界的一种近似描述，不需要精确的数学模型，克服了大 量复杂的计算。应用简单的声纳系统就可确定机器人是否处于门厅中还是拐角 处，也可判断房门是否开着。 第一章绪论 1 3 3 卡尔曼滤波估计 卡尔曼滤波器是基于特征的地图导航中最常用的位姿估计算法。卡尔曼滤 波器是一种简单有效的线性最优递推估计算法，只需要知道噪声的均值和方差 就可进行迭代求解。但是应用卡尔曼滤波器必须假定输入噪声和观测噪声均为 高斯分布的白噪声卡尔曼滤波算法的递推特性使得系统数据处理不需要大量 的存贮和计算，在位姿预测、多传感器信息融合、数据关联中得到了广泛应用。 一般的轮式移动机器人常具有非完整约束( 不能横向移动) ，机器人运动学 方程是一非线性系统，需要应用扩展卡尔曼滤波算法，将系统进行线性化处理。 如c u r r a n 集成了航位推算、超声和红外传感器数据信息，提出了基于扩展卡尔 曼滤波器的定位和运动控制算法 2 4 1 j e n s f c l t 和c h r i s t e n s e n 为了简化定位算法， 应用加权霍夫变换算法提取环境特征，采用最小化环境特征模型及激光雷达数 据，建立了基于扩展卡尔曼滤波的位姿跟踪算法，取得了较好的定位效果【矧。 由于e k f 是对非线性系统的线性化处理后而得到的一种递推计算方法，因此 e k f 算法是对系统运动状态的近似估计 1 3 4 位置概率网格法 受占有网格法和拓扑法的启发，b u r g a r d 等【2 6 1 提出了位置概率网格的位姿 估计算法。与占有网格法类似，环境空间被划分成一系列网格，网格中的每一 单元相应于一种可能的机器人位姿或者说是一种可能的状态，网格处的概率值 表示机器人位于该网格的可能性大小。与部分可观察马尔可夫模型相似，位置 概率网格法的定位过程也分成两步：首先应用来自里程计的信息预测处于某一 网格单元的概率值；然后根据在该位姿处所获得的观测值的概率进行更新。其 中概率密度函数的精度取决于网格单元的粒度( 单位面积上的网格数) 。 1 3 5 蒙特卡洛法( 粒子滤波) 蒙特卡洛在2 0 世纪7 0 年代即被提出，它是一种模拟计算方法，但应用到 移动机器人定位还是近几年的事，又称为粒子滤波法。d e l l a e r t 等【2 7 】最早提出 了基于蒙特卡洛采样法的定位算法。该方法不需要直接求解概率分布函数，而 是用随机采样得到的样本集合来表示位置的不确定性。这种方法能够表示多峰 分布，降低了存贮空间，易于实现，是一种很有效的定位方法仁町。实际应用时 为了提高计算效率，需要增加样本再采样这一中间环节，从前面所得到的样本 第一章绪论 集中再次采样，使所得到的新样本的概率与其权值成正比，应用新的样本集合 估计机器人的位姿，这一过程称为重要性采样再采样方法采样过程【2 9 1 。 国外对粒子滤波定位算法的研究发展比较迅速，而且研究对象多是智能程 度很高的高端机器人。国内对于移动机器人全局定位研究还处于刚网起步阶段， 特别是基于粒子滤波的机器人定位还少有人研究 1 4 本课题研究工作的主要内容 本研究课题主要包括网络机器人平台构建和小型移动机器人全局定位研究 两部分。课题研究的目的是搭建一个基于互联网的移动机器人远程控制系统， 用于远程教学与科研。课题研究重点在于如何确定机器人的位姿状态，也就是 机器人定位问题，特别是未知初始位姿的全局定位问题本文将在线测量、离 线计算的思想用于解决机器人定位问题，是用旋转超声，并将直方图匹配引入 粒子滤波算法，以解决小型低端移动机器人全局定位问题，确定机器人的初始 位姿，并可将定位结果反馈到机器人网络控制中 论文各章内容安排如下： 第一章绪论。介绍网络机器人以及移动机器人定位的一些概念，课题 背景及论文内容安排。 第二章移动机器人平台简介。主要介绍课题研究中使用的广茂达“能 力风暴”a s u i i 小型移动机器人平台的概况、系统组成等，并讨论了机器人里 程计和超声传感器的建模和分析。 第三章移动机器人定位地图建立概述定位中常使用的几种环境地图 建模方法，并详细介绍了使用超声传感器建立网格地图，该地图将在后面介绍 定位算法实验中使用。 第四章粒子滤波定位算法介绍基本的马尔可夫定位和粒子滤波定位 原理及算法。 第五章实验网络控制系统构建及粒子滤波算法应用于a s u i i 机器人。 第六章对整个研究的总结和展望，针对当前的研究提出进一步改进的 思路。 第二章移动机器人平台简介 第二章移动机器人平台简介 2 1 小型移动机器人硬件平台简介 本课题设计中使用的移动机器人平台是广茂达( g 姗d 岫公司开发的“能力 风暴”a s - u i i 小型移动机器人a s - u i i 是是一个直径为3 0 c m ，高1 3 c m 的顶 端为半圆形的小型智能移动机器入，专门为大学进行课程教学、科技创新和研 究服务的新型智能移动机器人，机器人外观如图2 - 1 所示 图2 - 1 a s u i i 机器人 “能力风暴”a s u i i 小型移动机器人结构可以划分为控制部分、传感器部 分和执行部分机器人使用m o t o r o l a 公司的6 8 h c l l 系列微处理器，工作频率 为2 m h z 。除了机器人本身安装好的传感器如碰撞传感器、光电编码器、 红外传感器以外，还可以使用主板上的硬件扩展总线a s b u s 扩展不同种 类的传感器例如，本课题在定位实验中用来测距离的超声传感器，就是通过 a s b u s 扩展的a s u i i 机器人是两轮差动驱动的，由两个单独的直流电机分 别控制左右两个轮子，每个轮子的运动是独立的，可以通过控制相应的电机实 现。a s - u i i 机器人前后还装有两个从动轮，通过安置弹簧可以在垂直于地面的 方向上移动，保持机器人的平衡并实现一定的越障功斛3 0 1 2 2 小型移动机器人编程环境 “能力风暴”系列机器人软件系统的开发环境为图形化交互式c 语言 m c ) 。该语言是建立在a n s ic 标准上的，但是它们之间存在重要区别，许多 第二章移动机器人平台简介 区别是因为要求v j c 比标准c 更“安全”。例如，v j c 在运行时要检查数组下 标，所以数组不能被变为指针，也不可以进行指针运算。另一些区别是由于要 求v j c 的运行时间更短更高效。例如，v j c 的p r i n t f 函数就没有a n s ic 中的 许多不常用的格式化选项。 在v j c 中编写的程序可直接通过串口下载到机器人中，而无需进行串口设 置，使用较为方便。 2 3 运动模型建立 在建立机器人的运动模型之前先要建立机器人的运动坐标系，如图2 2 所 示。其中) ，) 是机器人在笛卡儿坐标系中的相对坐标值，0 是机器人的朝向。 对于像“能力风暴”a s u i i 这样的机器人，左右两个轮子与机器人本体是一体 的，轮子的运动也就反映了机器人的运动，机器人的朝向0 等于两驱动轮连线 的垂线与水平方向的夹角。 y 图2 - 2 机器人坐标系 2 3 1 里程计模型 里程计在移动机器人相对定位中得到充分应用，在粒子滤波中运动信息也 是通过里程计获取的。主要原理是通过装在机器人车轮上的码盘和编码器进行 计数，通过轮子转动的角度换算来计量机器人运动的情况。由于里程计成本低 8 第二章移动机器人平台简介 廉，实现简单，几乎所有的移动机器人平台上都安装了里程计 一般使用码盘的移动机器人系统每隔一定时问间隔就会采样码盘读数，根 据安装在两个车轮上的编码读数，可以检测车轮在一定时间内转过的弧度，通 过简单换算就能够求取机器人在这段时间里运动的距离和转过的角度。设车轮 标称直径为d ，里程计在轮子转动一定角度的时候产生一个脉冲。设轮子每转 过一圈，光电编码器计数为p ，如果出时间内光电编码器输出的脉冲数为， 则车轮移动的距离为a d - 矗d * n p 。 a s - u h 型机器人使用光电编码器测量机器人运动信息，由光电编码模块和 码盘组成。机器人左右两个主动轮上各有一只光电编码器，运用反射式红外发 射接收模块计数脉冲反射器即码盘，是黑白相间的铝合金制成的圆片，分成 6 6 等份码盘紧紧贴在两个主动轮的内侧，当码盘随轮子旋转时，黑条和白条 交替经过光电编码器，反馈信号状态不同，因此构成一个个脉冲因此3 6 0 度 共产生3 3 个脉冲，每个脉冲分辨率约为1 0 9 1 度，轮子直径为6 5 毫米，则轮 子周长方面的分辨率约为6 1 9 毫米。 假设由光电码盘检测出机器人左、右轮的移动距离分别为d 。和d 。，两 轮的间距为。当机器人的左右两个轮子移动的距离不相等的时候，机器人运 动的方向就会有改变，定义为a o 。如果机器人运动的位移足够小时，显然有 a 日一艋l 一, m r i l ，埘- + m r ) 1 2 。里程计模型如图2 - 3 所示。 p 1 机器人当前位置姿态用向量p 表示：p l y l 。则机器人精确运动( 鲋，口) 川 后的位姿为； p 。 ：蛔一三d 仪搭一；) p + ( 量口】c 2 - ， 第二章移动机器人平台简介 y o 图2 3 移动机器人里程计模型 x 当然，由于各种不确定的因素，在实际机器人运动时的移动距离和转动角 度的真值必然与之不相等，从概率的角度来看真值就是运动后位置的数学期望。 2 3 2 里程计的缺陷以及误差传递 导致码盘产生误差的原因比较复杂，一般可以分为两类：系统误差和非系 统误差1 3 1 1 系统误差包括：两个轮子的直径不相等；轮子的实际直径与计算中使用的 标称直径不相等；码盘的固有分辨率；码盘的固有采样频率等。 非系统误差包括：在不平整地面上的运动：运动的时候经过地面上的没有 预料到的障碍物以及轮子打滑等。 为了有效地消除码盘引入的误差，分清系统误差和非系统误差有重要的意 义。举例而言，系统误差会不断的累计，如图2 - 4 所示，所以需要重点考虑。 在大多数平整的室内环境中，系统误差占了整个运动模型误差的绝大部分；但 是另一方面，在不规则的地面上，非系统误差则占据了主导地位。非系统误差 的发生往往无法预料( 例如在机器人的运动过程中与未知物体的碰撞) 。所以在 实际环境中应用时，如果存在非系统误差，可能会导致码盘测得的位置与机器 人实际位置之间会有很大的偏差。 第二章移动机器人平台简介 2 4 传感器模型建立 码盘累积误差 ( 机器人实际可能位置) 里程计测得的运动轨迹 图2 4 里程计误差累积 实验中使用的感知传感器主要是超声传感器简称声纳。超声波是指频 率在2 0 0 0 0 h z 以上，不能引起正常人听觉反应的机械振动波。其波长很短，可 以聚集成狭小的发射线束，呈束状直线传播，传播具有一定的方向性。同时超 声波作为一种非接触的检测方式，和红外、激光及无线电测距相比，不受光线、 被测对象的颜色等的影响，在恶劣环境中( 如含粉尘时) 具有一定的适应能力， 并且具有结构简单、成本低等优点。 2 4 1 超声测距原理 超声波测距的原理是利用飞越时闯法( t u n eo ff l i g h t ，i d n ，即检测超声波 往返的时间。由于所用的时间与超声波通过距离成正比，当超声波发射极发出 一个短暂的脉冲时，计时开始；当超声波接收器接收到第一个返回脉冲后，计 时立即停止此时，记录得到的时间值计为t ，则从超声波发射位置到障碍物 之间的实际距离为：d = c t 2 。其中d 为机器人与被测物体之间的距离；r 为超 声波发射到返回的时间间隔；c 为超声波在介质中的传播速度 ( c - 3 3 1 4 x 痢3 m s ，t 为绝对温度) 。超声波在空气中的传播速度为 3 4 0 m s ，但其传播速度随介质温度的上升而加快，气温增高1 摄氏度，速度加 快0 6 m s 3 2 1 。 超声波传感器的模型可以简化为在一个固定的开放角范围之内，传感器到 某一物体的最短距离。“能力风暴”a s u i i 智能机器人的超声传感器波束角为 1 5 度，可测量最近距离为3 0 厘米( 3 0 厘米以内为超声传感器测量盲区) 。图 第二章移动机器人平台简介 2 5 给出了超声波传感器简单模型的原理图。按照图2 5 给出的简化测量模型表 示在一个超声波传感器固定的波带开放角范围之内，传感器到某一反射物体的 最短距离。可见其测量值与机器人所在的运动环境中反射物的位置有关。 换能器目标 图2 5 超声传感器测距系统原理图 2 4 2 超声传感器在a s u l l 上的应用 超声测距模块是“能力风暴”机器人系列扩展传感器之一，由超声换能器、 超声测距接口卡组成。超声传感器能够探测3 0 c m 5 m 距离内的障碍物误差 在1 左右，可以获得机器人周围较大范围内的环境信息，从而实现移动机器 人的环境建模，为进一步实现定位和导航创造条件 ( 1 ) 超声换能器 超声换能器是检测仪的耳目，它是完成超声波发射和接收的关键器件，是 超声检测设备的重要组成部分。换能器是进行能量转换的器件，它可以将一种 形式的能量转换成另一种形式的能量。超声换能器可以把电能转换成高频声能， 并且也能将声能转换成电能的器件，它是超声检测中最基本的单元之一本研 究使用的为宝利来6 0 0 型静电超声换能器。静电超声换能器结构简单，接收频 带宽，灵敏度比较高，适合应用于空气中超声的产生和接收。静电超声换能器 一般由金属薄膜和背电极组成，在薄膜和背电极之间加上一偏置电压，当声波 第二章移动机器人平台简介 作用于薄膜的表面时，薄膜受迫振动，改变薄膜和背电极之间的电容量，进而 引起薄膜和背电极之间电压的改变。电容量的变化与声压的大小有对应关系， 这就是静电换能器的接收原理。反之，在静电换能器上加上一个交变电压时， 由于静电相互作用，薄膜受迫振动而向空间发射超声。 实验中所用的宝利来6 0 0 型的频率为5 0k h z ，波束角在6 d b 时约为1 5 度， 如图2 6 所示 图2 - 6 宝利来6 0 0 型静电超声换能器在5 0 k h z 的典型波束 ( 2 ) 超声测距接口卡 实验中所用的超声测距接口卡为s e n s c o m p 公司6 5 0 0 系列超声测距模块， 采用单电源供电，额定电压为直流5 v ，工作电压范围为4 5 v 一6 8 v 。 超声传感器接口卡向超声传感器玳r r 输入端发送高频脉冲，通过超声传感 器控制电路产生1 6 个峰一峰电压值为土2 0 0 v 的高频脉冲，脉冲频率为5 0 k h z ， 这样通过圆形静电换能器就能产生5 0 k h z 声波。遇到障碍物表面后发生反射， 反射回波被作为接收者的换能器接收，静电换能器对5 0 k h z 声波最敏感，接收 到的声波会使得静电换能器产生微弱电信号，经放大后作为回波信号e c h o 传 送到接口卡，接口卡将控制信号与回波信号输入到主板c p u 。通过计算发送控 制信号与回波信号之间的时间，由声波在空气中的速度，即可计算出障碍物与 传感器之间的距离，图2 - 7 为超声测距卡时序图。 第二章移动机器人平台简介 i ni t 广 t ( r i n a n t e r n s m i t a1 ) 叫山d 尘堕生一 b l n knn b in h 广一 in t e r n a l 厂乙一一一一 b l a n k l n g e c h o 门n 图2 - 7 超声测距卡时序图 2 4 3 超声传感器的不确定性分析 作为一种廉价的主动探测工具，超声传感器被广泛的应用于移动机器人领 域。只要探测波束有效反射就能获得令人满意的周围环境信息，但这也成为了 使用声纳的最大限制，声纳数据的精确度和可靠性随着距离的增加和环境复杂 性的上升而急剧下降，总的来说声纳的可靠性并不高，主要有以下一些原因； 2 4 3 1 声波传播速度的影响 当前一般在移动机器人上使用的超声传感器( 例如在a s u i i 上硬件平台上 使用的p o l a r o i d 超声测距模块) ，声波的传播速度是固定的，但是事实上声波在 空气中的传播速度受温度的影响很大，同时和湿度也有一定的关系。因此在实 际的使用中要先进行标定。 2 4 3 2 镜面反射问题 声波在环境中的不理想的反射是实际应用声纳时遇到的最大问题。当光、 电或者机械波遇到一个物体的时候，任何测量到的反射都只保留着一部分原始 信号，而剩下的一部分能量根据物理的表面材质和入射角的不同或被吸收、或 被散射、或穿过物体，甚至有时候也确实会出现没有反射信号的现象。对于声 纳来说既可能是声纳信号在嘈杂的环境中多次反射损耗致使最后返回时已经低 第二章移动机器人平台简介 于接收器响应阈值，也可能是入射角太大导致所有信号都被反射到其他方向而 无法被接收器接受，即发生了镜面反射现象。如图2 8 所示，入射角大于1 5 度 时开始发生镜面反射现象 图2 8 不同入射角对声纳测量的影响 2 4 3 3 超声串扰问题 对于使用多个声纳的移动机器人来说，声纳测量中的另外一个问题是声纳 的“串扰”闯题，即一个超声传感器发出的探测波束被另外的传感器当作是自 己的探测波束接收到。 本课题在定位试验中使用旋转声纳代替了超声阵列，不存在多个超声同时 工作的情况，因此不会发生串扰问题，但是旋转声纳是以时间的增长为代价的。 实验使用的旋转声纳结构图如图2 - 9 所示，即在“能力风暴”机器人上， 安装一个步进电机，用于搭载超声传感器，机器人控制步进电机的转动，实现 超声传感器对周围环境的旋转扫描。每周扫描得到6 4 个距离数据，通过超声接 口卡传给机器人，机器人对数据进行一些处理以后，再通过无线通讯模块将数 据传送至上位机，用于上位机进行的粒子滤波定位算法 外部环境 能力风暴机 器人 图2 - 9 扩展旋转声纳结构图 第二章移动机器人平台简介 2 5 本章小结 这一章主要介绍了本课题实验中使用的广茂达公司的“能力风暴”a s u i i 小型移动器人首先是机器人的硬件平台和软件编程环境的简介，然后详细介 绍了两种重要的传感器：里程计和超声传感器这两种传感器在接下来环境 建模和定位实验中分别用于获取机器人运动及环境信息。 里程计属于机器人内部传感器，记录机器人的运动信息，本章解释了如何 应用移动机器人里程计( 码盘和编码器) 建立运动模型，以及里程计存在的缺 陷及误差传递等问题。 超声传感器是一种外部传感器，机器人使用超声传感器感知外部环境信息。 本章分别介绍了超声波定位原理，超声传感器在a s u i i 小型移动机器人上的应 用，以及本实验中对超声传感器的改进：不是使用传统的超声阵列而是使用旋 转超声，通过小的步进电机带动超声传感器旋转测量机器人与障碍物之间的距 离。最后对超声传感器测量的不确定性进行了简要分析。 第三章定位中使用的环境地图建横 第三章定位中使用的环境地图建模 基于地图的移动机器人定位方法有时也叫地图匹配方法，使用地图匹配方 法进行机器人定位时，机器人必须事先存储一张周围环境的地图，定位过程中 机器人使用自身的传感器感知周围环境，利用传感器观测信息建立局部环境地 图。通过预先存储的环境地图与传感器建立的环境地图进行比较，找到合适的 位置构造地图的目的是用于绝对坐标系下的位姿估计，因此首先介绍一下试 验中环境地图的建立 3 1 环境地图的表示方法 环境预存地图可以是c a d 模型图、手工绘制的结构图或者由传感器数据 构造的模型图。地图的表示方法有四种：拓扑图、特征图、网格图及直接表征 法。拓扑图把室内环境表示为带结点和相关连接线的拓扑结构图，其中结点表 示环境中的重要位置点( 拐角、门、电梯、楼梯等) ，边表示结点间的连接关系， 如走廊等。特征图用有关的几何特征( 如点、直线、面) 表示环境。网格图则是 把环境划分成一系列网格，其中每一网格给定一个可能值，表示该网格被障碍 物占据的几率。直接表征法省去了网格或特征表示这一中间环节，直接用传感 器读取的数据来构造机器人的位姿空间。几种方法各有自己的特点和适用范围， 其中特征图和网格图应用最为普遍。 3 1 1 拓扑图 拓扑图通常是根据环境结构定义的，由位置结点和连接线组成。环境的拓 扑模型就是一张连接线图，其中的位置是节点，连接器是边。拓扑图可组织为 层次结构，例如在最底层，一个位置可能就是一个房间；但在更上一层时则可 能是一栋建筑物或一座城市。拓扑单元的例子有走廊和房间等，而打印机、桌 椅等则是功能单元。连接器用于连接对应的位置，如门、楼梯、电梯等 拓扑图把环境建模为一张线图表示，忽略了具体的几何特征信息，不必精 确表示不同节点间的地理位置关系，图形抽象，表示方便。当机器人离开一个 节点时，机器人只需知道它正在哪一条边上行走也就够了。在一般的办公环境 第三章定位中使用的环境地图建模 中，走廊的岔道处成9 0 。角，因而只有四个方向需要识别。这通常应用里程计 就可实现机器人的定位。 为了应用拓扑图进行定位，机器人必须能识别节点因此节点要求具有明 显可区分和识别的标识、信标或特征，并可以应用相关传感器进行识别。 k o e n i g 和s i m m o n s l 3 3 1 , 及c a s s a n d r a 3 4 l 及u l r i c h 3 5 1 等都用拓扑图进行了机器 人的定位研究。拓扑图易于扩展，但难于可靠、精确地识别具体位置。 3 1 2 特征图 利用环境特征构造地图是最常用的方法之一，大多数城市交通图就是采用 这种方法绘制的。指示房间位置的门牌号是最易接受的特征实例在室内结构 化环境中，最常见的特征是直线段、角、边。这些特征可用它们的颜色、长度、 宽度、位置等参数表示。 基于特征的地图一般用如下的特征集合表示： m - 们i ，- 1 ，厅 ( 3 - 1 ) 其中，是一个特征( 边、线、角等) ，n 是地图中的特征总数。 c h a t i l a 3 q 最早应用多边形地图来表示环境结构，并根据激光测距传感器的 读入值预测机器人所在位置。d r u m h e l l o r 3 7 用线段构造全局地图，并用超声波 传感器进行定位。a r r a s 和t o m a t i s 3 s l 用激光雷达提取水平直线特征，用视觉系 统提取垂直线段特征，使地图结构更加丰富。 应用人工标识的定位方法是比较常用的特征定位方法。该方法需要事先在 作业环境中设置易于辨别的标识物。应用自然标识定位时，自然信标的几何特 征( 如点、线、角等1 需事先给定。c a s t e l l a n o s l 3 9 l 应用了多种不同的几何特征， 包括常用的点、直线、边、角以及半平面和可视边，应用所谓的绑定矩阵进行 特征匹配。c h r i s t e n s e n 4 0 1 曾 应用立体视觉系统建立了完整的三维环境c a d 模 型，通过特征匹配和三维特征复原进行定位和位姿跟踪。 特征法定位准确，模型易于由计算机描述和表示，参数化特征也适用于路 径规划和轨迹控制，但特征法需要特征提取等预处理过程，对传感器噪声比较 敏感，只适于高度结构化环境。 1 8 第三章定位中使用的环境地图建模 3 1 3 网格图 特征参数法的一个缺点是对所应用的特征信息必须有精确的模型进行描 述。另一种替代的方法是应用网格图。网格图把机器人的工作空间划分成网状 结构，网格中的每一单元代表环境的一部分，每一个单元都分配了一个概率值， 表示该单元被障碍物占据的可能性大小网格法最早由m o r a v e c 和e l f c s h l l 提 出，在机器人的路径规划、导航、避障控制、位姿估计中均得到了广泛应用， 并已成为移动机器人定位的一种通用地图表示方法 b u 学嘲【2 q 应用占有网格图提出了位置概率网格的位姿估计算法s c h i e l e 和c r o w l e y 4 2 将环境建模为二维平面网格，对从局部占有网格到全局占有网格 的四种匹配技术( 局部线段到全局线段、局部线段到全局网格、局部网格到全局 线段及局部网格到全局网格) 进行了比较，通过实验指出网格法的效果并不比特 征模型差。 网格法是一种近似描述，易于创建和维护，对某个网格的感知信息可直接 与环境中某个区域对应，机器人对所测得的障碍物具体形状不太敏感，特别适 于处理超声测量数据。但当在大型环境中或网格单元划分比较细时，网格法计