全方位传感器范文.doc

全方位传感器范文 用于机械人行走的一种全方位传感器摘要大部分自动行走机械人只在它们身体之前观察事物，其结果，他们可能和从旁边或从后面来的物体发生碰撞.为了要克服这个问题,一个全方位范围的传感器系统便孕育而生,它能依靠激光圆锥平面和一圆锥镜子的作用来获得全(面)方向的深度图.在运动机械人的运行中,这个预定传感器系统以高的速度旋转激光点光源，从而产生一个激光圆锥平面;这就产生了一个两维空间深度图,在及时的时间内,一个图像就被捕获一次.物体-感知就有可能依靠三维空间的深度图来实现，这个三维空间的深度图是建立在先前获得的二维空间深度图的基础上，是它们的结合,它可以运用在环境下机动机器人的物体识别及导航系统中。 (1998Elsevier科学公司。 )关键字:圆锥镜,激光圆锥平面,灵敏的全方位传感器,深度图;机动机械人1.介绍许多研究员曾经试图使用外部和内在传感器操纵移动机械人行走。 这个内在的传感器是由一个编码器，一个转速计，一个回旋装置和一个加速器组成的，它是用来确定机械人在的瞬时位置的。 这些传感器可以用来探测机器人的绝对运动，但是如果累积起来的位置错误很多时，他们存在着明显缺陷，这些错误一般是由机器人运动了长距离时的旋转滑移及变形引起的.外部感应器的目标是要探测并确定人的位置,这个位置是随着外界环境的变化而相应的变化。 视觉，声纳，激光和触觉传感器都属于外部传感器,而且他们在处理时间，速度，测量结果和费用都存在差别。 关于真有相当高分辨的视觉传感器的研究现在正在这个领域中积极的开展.然而，大多数的机器人都是从前面来观察事物，这样一来，它们就可能与从侧面或从后面来的物体发生碰撞，因此，为了解决这个问题，人们力图获得周围环境的全方位信息。 有一些方法是试图在周围环境中安装声纳传感器，但是其结果是它难以让机器人准确定位。 而且，因为反射光谱的强度取决于方向指向声纳传感器的表面，所以它很难给那些超出一定范围的物体定位。 尽管减少测量误差做了很多的研究(Peremans andCampenhout,1993)，但都难彻底解决声纳传感器的低可行性问题。 还有一些研究是通过旋转实时飞行器来获得深度数据(Freund andDierks,1994;Miller andWagner,1987),但是这种方法以得使用到诸如用以反射光谱的时间旋转器，偏离器等高精度设备，它们的高成本是又难以接受的。 除此以外，在实时应用中，旋转的摄影机也不适用，因为它需要相当长的处理时间，并且它测量物体和移动机器人的距离时的不准确。 有一些方案运用了圆锥境(Hong etal.,1991)和双曲面境(Yamazawa etal.,1995),还有鱼眼镜，一旦图像被捕捉，它就不能解决测量运行障碍和机器人的距离时的不准确性，而这些数1据对机器人行走又是至关重要的。 同时运用一面圆锥镜子和一个声纳传感器的方法也被尝试(Bang etal.,1995),但是这个方法的缺陷是它是不易确定那些自我定位的机器人,由于便用声纳传感器带来的的低可行性。 为了解决以上研究方法的不足,在移动机器人的行走中，一个全方位传感器系统便产生了，它装有一个圆锥镜，一个CCD摄影机和一个圆锥激光面，这个新型系统能产生一个二维深度图，在实时的时间内，再用三维的方法来处理这些图，就可以捕捉一次图像。 这些深度数据是由传感器系统来探测的，它不仅对移动机器人的导航是必不可少的，而且在自动定位的程序中，用来确定机器人的绝对位置和方向也是至关重要的。 此外，通过运用前面掌握的前面获得的二维深度图的综合，物体识别也可以实现。 这就可能搜集出周围环境的三维深度图。 2传感器系统这种具有特殊性能的圆锥镜子可以被适当地利用在一些放置电压耦合元件照相机中。 为了能利用这些特性，要把圆锥形镜子放置在与电压耦合元件照相机相互垂直的位置，如图1所示，在研究中为了全方面的测量深度数据，把一个激光点也被放在这个垂直的轴线上，并围绕这个轴形成一个圆锥激光平面。 然后，这个激光点源高速旋转，围绕可移动机器人形成一个激光带，激光带的图象通过圆锥形镜子被照相机捕捉。 这样，激光带即是一个独特的各个方位角上激光点的集合体。 如果那些对应的深度数据用三角测量的方法加以计算分析，一旦图象被捕获，我们就能获得机器人周围的二维深度数据。 这种感应器系统的优点列举如下。 首先，这种感应器系统可以被有效的应用在一些系统例如可移动机器人中，那需要识别环境中随时随地存在的障碍，因为一旦图象被捕捉，二维的深度数据就能够快速获得。 其次，因为利用一个某一个波长激光源的band-pass滤波器可以把噪音从图象中祛除，所以建立一个快速简单处理图象的运算法则是可能的。 有关机器人周围环境的深度数据也可以用某种深度测量法则真正地加以计算和比较，这种法则则使用表格提示的方法。 最后，通过垂直控制圆锥形激光表面的角度，并体现在二维深度图中，通过研究控制了激光角度的二维深度图，可以发现有关周围环境的三维深度图，然后可以把它三维深度图应用在识别物体等任务过程中。 图2即是这种为可移动机器人建立的传感器系统。 2.1.传感器系统结构2这种传感器系统主要分为激光源部分和照相机探测部分，如图1所示。 激光源部分由一个激光点组成，它是整个系统的光的和向各个方向发射激光的仪器控制部分。 照相机探测部分有圆锥形镜子、CCD耦合元件照相机和过滤器组成，主要用于获得外部环境的全方位视野。 激光源的中心放置在与圆锥形镜子相互垂直的轴线上。 这样做可以形成一个圆锥形激光平面，而且通过圆锥形镜子反射，照相机就可以获得激光图象。 然后用三角测量方法计算和分析所获得的图象，即得到一个关于周围环境的二维深度图。 由于获得一个图象需要1/30秒，所以一个激光马达必须旋以大约每分钟1800转的速度旋转，以形成一个激光波面。 因为需要1/30秒的时间去捕捉图像，所以需要激光马达转速达到1800rpm，从而在这个时间中产生激光束平面。 另外，为了获得机器人周围环境的三维深度图像，需要高精度步进电机（0.2度/p）垂直扫描锥度激光平面。 22传感器系统的射线分析现在，为了从机器人周围环境获得真确的深度资料，需要对被提及的传感器系统进行射线分析。 为了在笛卡尔坐标系描述射线路径，将使用射线方向和表面法向向量。 在下面的描述中，将使用P a得下标表示矢量点的每个元素。 例如，P ax a,y b,z aT。 意相同的方式，用u b表示射线的方向，用n c表示单元法向节点。 在这里，下标a,b,c,表示矢量的名称。 用表示笛卡儿坐标系中的方位角，表3示极角。 当有时要计算移动的射线时，则要变换比例因d,如果光束方向失量P a由u a表示，那么点矢量P a表示为P ad u a （1）该式表示迪卡尔坐标系中的光束可以表示成光束方向矢量和参数d的乘积。 图3表示上述传感器在笛卡尔坐标系中的构架。 点激光源高速旋转在机器人周围环境产生激光带，该激光带通过摄像机锥面镜读到。 从这个意义上讲，这个激光带是由方位角形成的独立的激光点的集合。 如果每个激光点相关的深度资料可以使用三角方法计算出来，那么一旦图像被扑捉，机器人周围环境的二维深度资料就可以提取出来。 因为方位角的光束路径分析方法可以用于所有的方位角，这种方法可以分析从激光束图像和分析它们得到的特定的方位角激光点的光束路径。 推导出来的距离测量等式可以用娱所有的方位角。 现在，为了计算移动机器人的局部坐标系的起始点和可以测量的目标点的距离，要分细P m光束路径，P m与特定的方位角相关。 单元表面法向矢量n c与锥形镜框c的关系为在这里，=锥面镜矢量角，切线矢量t c=-r sinc,r coscT侧面矢量I c=z tan(/2)cosc,z tan(/2)sinc,z.所以,单元表面法向矢量n i与图像框I的关系式为n i=i R c (3)上式中，i Rc是框i相对于框c的旋转矩阵(Craig1986)。 如果这个镜面，它的表面法向矢量n=l,m,nT,反射方向uinput的光线到方向u output,被反射的光线方向u output可以表述成矩阵形式u output=M3*3u input (4)这里M3*3称作反射矩阵(Kingslake1965),以单元法向矢量n的形式表示T因为需要1/30秒的时间去捕捉图像，所以需要激光马达转速达到1800rpm从而在这个时间中产生激光束平面。 另外，为了获得机器人周围环境的三维深度图像，需要高精度步进电机（0.2度/p）垂直扫描锥度激光平面。 22传感器系统的光线分析4现在，为了从机器人周围环境获得真确的深度资料，需要对被提及的传感器系统进行光线分析。 为了在笛卡尔坐标系描述光线路径，将使用光线方向和表面法向向量。 在下面的描述中，将使用P a得下标表示矢量点的每个元素。 例如，P ax a,y b,z aT。 以相同的方式，用u b表示光线的方向，用n c表示单位法向节点。 在这里，下标a,b,c,表示矢量的名称。 用表示笛卡儿坐标系中的方位角，表示极角。 有时通过变换比例因子d,如果光束方向失量P a由ua表示，那么点矢量P a表示为P ad ua （1）该式表示迪卡尔坐标系中的光束可以表示成光束方向矢量和参数d的乘积。 图3表示上述传感器在笛卡尔坐标系中的构架。 点激光源高速旋转在机器人周围环境产生激光带，该激光带通过摄像机锥面镜读到。 从这个意义上讲，这个激光带是由方位角形成的独立的激光点的集合。 如果每个激光点相关的深度资料可以使用三角方法计算出来，那么一旦图像被扑捉，机器人周围环境的二维深度资料就可以提取出来。 因为方位角的光束路径分析方法可以用于所有的方位角，这种方法可以分析从激光束图像和分析它们得到的特定的方位角激光点的光束路径。 推导出来的距离测量等式可以用娱所有的方位角。 现在，为了计算移动机器人的局部坐标系的起始点和可以测量的目标点的距离，要分细P m光束路径，P m与特定的方位角相关。 单位表面法向矢量n c与锥形镜框c的关系为式中，=锥面镜矢量角，切线矢量t c=-r sinc,r coscT侧面矢量I c=z tan(/2)cosc,z tan(/2)sinc,zT.所以,单位表面法向矢量ni与图像框I的关系式为n i=i R c (3)这里，i Rc是框i相对于框c的旋转矩阵(Craig1986)。 如果这个镜面，它的表面法向矢量n=l,m,nT,反射方向uinput的光线到方向u output,被反射的光线方向u output可以表述成矩阵形式u output=M3*3u input (4)这里M3*3称作反射矩阵(Kingslake1965),以单位法向矢量n的形式表示5因此，使用等式4，反射光线的方向可以由镜面的法向矢量和入射的方向决定。 将等式 (3)中的n i代入等式 (5)，可以获得反射矩阵M ci。 于是，锥形晶面上P c的单位反射矢量u c可由下式得到这里，P i单位反射矢量因此，从锥面镜反射点到目标点的光线方程式可以写成从而，激光束的光线路径P l等于这里，Pl的单元方向矢量如图3所示，目标物体上测量的目标点是Pc和Pl的交叉点。 所以，Pl的放大系数可以如下表示l式中，T i是激光参照系L相对于图像参照系i的变换矩阵(Craig,1986)。 于是，移动机器人局部坐标系原点和目标之间的距离P m可以得到在这里，m Tl是移动机器人参照系相对于激光参照系的变换矩阵。 然而，因为机器人的巡逻运动，周围环境的深度信息也是必需的。 为了把移动机器人的坐标系从局部坐标系转变成世界坐标系，必须确定世界参照系W相对于局部参照系m的变换矩阵m Tl。 这里，移动机器人的转换可以由机器人的自动定位计算得到，移动机器人的旋转运动可以由陀螺传感器测量。 因此，世界坐标系原点和目6标之间的距离P w可以由下式得到从这个意义上讲，因为从扑捉到的图像每个方位角的相关像素点已经得到，每个像素点的深度信息可以由方程式13计算出来，机器人周围环境的二维深度信息可以提取出来。 2.3传感器系统的设计图4显示为了深度测量沿着基本坐标系的探测部件和目标源的结构布置。 为了简化深度信息的计算，这个传感器系统设计成放在激光源、锥形镜面和CCD摄像机三者的中心，以便可以对齐Z轴，如图4所示。 同源矩阵i Tc,l Ti,m Tl为:Hl表示从移动机器人的基本坐标系原点到激光源的高度。 HI表示从基本坐标系原点到CCD摄像机焦点的高度。 HCV表示从基本坐标系原点到锥面镜顶点的高度。 在把设想的传感器系统应用到移动机器人巡航之前，必须考虑到一些重要的设计条件虑到。 首先，为了保证激光的安全性，把激光放在尽量可能低的位置是很重要的。 在这次研究中，因为设备设计中的限制条件，决定把激光放在390mm高度HL处。 第二，如图4所示，传感器有效的测量高度区域被设定与移动机器人高度相同。 如果减小锥度镜面的矢量角，或者到达锥面镜顶点的高度HCV增大，就可能探测到更高的区域。 在工作中，到锥面镜顶点的高度选定为640mm，最大的测量高度是681mm。 7?镜子垂直的，选择到640mm,并且它的最大可测高度是681mm.当今那些使用二极管激光(634nm,12mW)的可高效可测量程可以达到0。 6m-3m.这个距离对于移动机器人探测周围物体和机器人来说已经足够的了。 当今，整个系统的设计参数主要取决于CCD摄相机及圆锥镜的设计特性。 当CCD摄相机的焦距和CCD单元L给定时，图像平面上的最大点的角度由下面的公式计算 （15）假如图像平面上最大点的角给出时，圆锥镜面的最大垂直角算出程便派生出来，正如表四所示， （16）Dmin通过最小焦距长度，下面的方则由并且18和方程19的交点正是测量距离的最小值Dmin，因此，最小值Dmin可以由8计算从表五，可以看出，当使用0。 5英寸发数码相机时，最小的测量距离Dmin便通过焦距。 因此，焦距一般设计为较充足的值7。 5mm，这样就与有效的测量距离保持一致，并且传感器系统的Dmin也设置在586mm，根据方程式16和方程20，锥镜的垂直角?是113度。 2.4传感器系统的标准在传感器系统的参数中，即使在安装以后有一个不可测量的因素是数码相机的焦距Hi。 通过发射一个激光束到一个参考点且读被数码相机捕捉的图像Hi由方程 （6）， （11） （12）， （14）得到并这里?=圆锥面的垂直角9尽管仅仅一个参考点就能够用来估计Hi，但是基于1m，1.5m，3m这三点，每个基点上有相间隔90度的四个参考点，一共十二个参考点可以用以提高精确度。 ?L，激光波束的顶角为定值90度。 表1显示了结果，发现其中535.1mm的点最有价值。 此外，传感器的测量误差包括刻度误差和分辨率误差，这些误差都属于传感器硬件本身的误差。 因此，为了分析被评估的系统参数的误差，就必须分析和评价传感器系统本身的缺点和测量分辨率。 传感器系统的分解。 R d，传感器系统象素的分辨率可以通过传感器上标定的系统参数计算得到。 如果象素之间的真实距离表示为?p，图象被数码相机捕获并以640*480的象素模式显示，那么?p的计算公式如下?p?L640 （22）(mm/象素）此时，L=数码相机的单位尺寸。 10然后，远离图象中心的点k象素的顶角，计算公式如下因此，R d，传感器系统象素的分辨率能够通过P0(k)和P0(k?1)（可以由式12得到）计算得到，计算公式如下通过改变激光源顶角的角度可以改变传感器系统的测量距离分辨率。 然而，大多数可移动机器人都是仅利用二维深度数据来控制行进。 因此，为了扩大传感器系统能够感觉到障碍物的范围，激光波源必须向周围各个方向发射。 激光波束的顶角?L必须设定为90度。 图6显示了R d在有效测量距离范围内的变化，即分辨率在2.6mm40.1mm之间的变化。 图6.测量的仿真结果传感器系统的测量误差。 我们做了有关评估传感器系统精确度的实验。 实验模仿上述情形，在有效测量距离范围内每隔10cm取一参考点，共取25个参考点，并把激光波束的顶角?L设定为90度。 前后共十次实验用以评估传感器系统的可重复性。 图7(a)显示了真实距离和平均测量误差之间的关系。 此外，图7(b)还给出了真实距离的实验结果和针对真实距离的相对误差之间的关系。 我们发现，传感器系统有平均30.1mm的误差，误差最大值为96.0mm，其为真实距离的1.74%。 此外，测量误差在12.5mm54.5mm之间变化。 我们还得到，正如图6象素的模拟结果所示，测量误差随着目标距离的增加而增加。 因此，如果传感器系统分辨11率引起的误差被忽略，测量误差的范围就在9.9mm12.5mm之间，这个误差是由多种因素造成的，包括刻度误差。 因此，传感器系统具有大约为30.1mm的平均测量误差，对于可移动机器人来讲这是一个可以接受的误差值。 同样，Hi有式 （24）给出，目标的测量高度D H如图4所示，能够由几何结构计算得出，该数值为681mm。 如下所示,表2显示了使得可移动机器人正常运行的该传感器系统确定版本的说明书.3.实验结果为了评估该传感器系统的性能,我们考察了可移动机器人正常运作的二维深度图。 为了减少圆锥镜子捕获到的图象的干扰，该系统附带了一个630nm的滤波器。 并把激光波束的顶角?L设定为90度。 图8a详细说明了实验条件，同时图8b显示了旋转的激光点所产生的激光波带二元图象。 此外，图8c实验背景的真实尺寸和传感器系统测到的数据。 方位角间隔为0.5度，每个方位角对应一个深度数据，该深度数据可以通过式12计算得到，每个象素对应一个方位角。 为了得到和每个方位角对应的唯一的象素，我们把图象稀释并进行再次处理，同时运用寻找质心的方法。 图8d显示了真实距离和传感器系统测到数据的实验结果。 测得数据和真实值之间相差不大，实验证明传感器系统具有较高的精确度。 图8e显示了显示了测量误差（测得数据和真实值差值）同真实值的关系。 图中显示，最大测量误差为78.0mm，平均误差为21.3mm。 因此，引起测量误差的原因列举如下。 首先，为了从图8b中找出深度数据，每一个方位角必须对应一个唯一的象素。 为此，必须实现图象稀释过程，这样就会造成1-2个象素的差异。 其次，如果实验范围的地板不是很平整，由于激光发射角度引起的差异就会愈加明显。 再次，从图8b中获得可移动机器人周围环境图象（该图象由圆锥镜子获得）深度数据的运算法则必须运用三角测量的方法。 由此，方位角每间隔0.5度取一个值，根据对应每个方位角的深度数据运用三