移动机器人路径跟踪的智能预瞄控制方法研究

1、第24卷第3期2002年5月文章编号:1002-0446(2002)03-0252-04机器人ROBOTVol.24,No.3May,2002移动机器人路径跟踪的智能预瞄控制方法研究李庆中顾伟康叶秀清项志宇(浙江大学信息与电子工程学系杭州310027)摘要:本文首先介绍了移动机器人的基本硬件组成,然后模仿人工预瞄驾驶行为,提出了一种移动机器人路径跟踪的智能预瞄控制方法,并介绍了智能预瞄控制器的原理、结构及其设计过程.试验表明:本文提出的控制方法可保证机器人准确地沿各种参考路径行走,且具有良好的鲁棒性.具有运动避障功能的移动机器人控制系统正在研究过程中.关键词:移动机器人;PID控制;预瞄控制;

2、路径跟踪中图分类号:TP24文献标识码:BASTUDYOFINTELLIGENTPREVIEWCONTROLMETHODFORMOBILEROBOTROADFOLLOWINGLIQing-zhongGUWei-kangYEXiu-qingXIANGZhi-yu(DepartmentofInformationandElectronicEngineering,ZhejiangUniversity,Hangzhou310027)Abstract:Inthispaper,thesetupofthemobilerobotwasfirstdescribed.Byimitatingthepreviewdri

3、vingbe-haviorofhuman,aneffectiveintelligentpreviewcontrolmethodformobilerobotroadfollowingwasdeveloped.Theoperatingprinciple,constructionandthedesignprocessofthecontrollerwerealsodescribed.Thetestresultsshowthatthemobilerobotcontrolledbytheproposedapproachcanfollowvariousreferencepathsaccuratelyandr

4、obustly.Acompletemobilerobotcontrolsystemwiththefunctionofobstacleavoidancewillbedevelopedinthesubsequentresearch.Keywords:mobilerobot,PIDcontrol,previewcontrol,roadfollowing1引言(Introduction)基于机器视觉的移动机器人,其关键技术是计算机视觉技术和智能控制技术.计算机视觉获取机器人前方的路面环境信息,然后通过智能控制技术使移动机器人沿规划的路径行走.国内外在移动机器人控制方面已做了大量的研究工作152移动机器

5、人组成与运动模型(Setupandkineticmodelofmobilerobot)本研究采用的移动机器人平台是美国IROBOT公司的ATRV-2产品.其动力传动采用四轮驱动系统,每个轮子由一个直流电机驱动,各个轮子的转速由平台内部的计算机系统控制.在此智能移动平台上,我们建立了基于机器视觉的移动机器人系统,其外形如图1所示.其中视觉系统由移动机器人上方的单目彩色CCD摄像机和内部微机主板上的图像采集卡组成.视觉系统为移动机器人提供前方道路的图像信息,机器人根据前方的路面情况,由本文提出的控制方法,使其沿规划的路径行走.该智能移动平台已完成低层导向控制模块,即通过命令可使其,这方面研究目前面

6、临的主要问题是:在控制和规划方面缺乏智能性和鲁棒性;机器视觉对各种路面环境的快速识别和理解能力较差等.本文模仿人工预瞄驾驶行为,提出了一种简单、有效的智能预瞄控制方法,并通过实验验证了本文提出方法的有效性和准确性.基金项目:浙江省自然科学基金(600025),国家自然科学基金(60105003)和浙江省综合信息网重点实验室资助.第24卷第3期李庆中等:移动机器人路径跟踪的智能预瞄控制方法研究253按要求的线速度和角速度行走.但要使移动机器人沿各种路径行走,则必须开发新的高层智能控制模块.x =Vcos( )y =Vsin( )=(1)式中x,y为平台中心点OC在平面固定坐标系XOY中的坐标;V

7、是移动机器人的线速度; 是移动机器人的角速度; 是移动机器人线速度与X轴的夹角.因此,当V0且 =0时,机器人作直线运动;当V0且 0时,机器人作转弯半径为R=V/ 的圆弧运动;当V=0且 0时,机器人作转弯半径为0的转圈运动.3智能预瞄控制器设计(Designofintelli-gentpreviewcontroller)对于本文研究的移动机器人系统,控制量主要是移动平台的角速度和线速度,前者主要是控制车图1移动机器人外形Fig.1Shapeofmobilerobot辆的前进方向,而后者是控制其前进速度.基于机器视觉的移动机器人控制,应与汽车驾驶员的驾驶行为相似.驾驶员开车时,眼睛总是不断地

8、对前方的道路环境信息进行预瞄,然后,经大脑进行路况分析,形成车要行驶的理想路径,再根据前方路径的弯曲程度决定方向盘的旋转方向和旋转多少,以及行驶速度的大小,使车辆尽量逼近前方的路径.实际上,人开车时,眼睛总是注视着前方的道路,而很少注意车当前的位置.他作出的驾驶行为,也主要是尽量保证车子沿前方的理想路径行走.因此,人工驾驶的控制,主要是以预瞄控制为主.因为车辆的控制系统是一个典型的时延、非线性不稳定系统,而预瞄控制动作具有明显的预见性,从而明显优于传统的依靠信息反馈产生控制动作的控制算法.模仿人工智能驾驶行为,本文提出了移动机器人的控制器设计方法.控制器组成框图如图3所示.该移动机器人的转向机

9、理和履带式车辆一致,即左边两个轮子的转速一致,右边两个轮子的转速一致.因此,该移动机器人只有直线运动和圆弧运动两种运动方式.该移动机器人可简化成以前后轮中心线为轴线的两轮移动平台,如图2所示.图2移动机器人运动模型Fig.2Kineticmodelofmobilerobot图中XOY为地面固定的平面坐标系,xocy是移动机器人的相对坐标系,P为由视觉信息得到的规划路径上的一点,在此称之为预瞄点.参考路径上的该点在移动机器人的相对坐标系内的坐标为(Xp,Yp),其切线方向与移动机器人前进方向的夹角为 p.Xp、 p分别称为移动机器人当前点相对于预瞄点的侧向位置偏差和方向偏差.对于地面固定的平面图

10、3预瞄控制器组成框图Fig.3Setupofpreviewcontroller254机器人2002年5月采用专家驾驶经验规则和PID控制有机结合来实现速度和转向智能控制的.其主要工作过程为:机器视觉获取前方道路的预瞄信息,然后经过图像信息处理模块和路径局部规划模块,获得前方道路的理想行驶参考路径,再根据参考路径的弯曲程度车辆的前进速度,然后由前进速度大小在线调整转向PID控制器的参数并实现车辆的转向控制.下面分别介绍线速度控制器和转向控制器的设计过程.3.1前进速度的规则控制对于移动机器人的前进速度的控制,通过研究人工的驾驶行为,发现主要根据2个因素来设定车辆的前进速度.这2个因素分别是道路的

11、弯曲情况、和机器人相对参考路径上预瞄点的方向偏差.在机器人的相对坐标系xoy中,经视觉处理和规划模块得到的参考路径如图4所示.对于参考路径,比较方便的表达方法是用折线形式表达,如图中的AB路径所示.我们通过定义路径弯曲度W来综合描述以上2个因素,定义如下n(3)其它情况时,前进速度为中速.对于确定的3个前进速度,由仿真试验或实际试验确定相应的预瞄距离dp,即在机器人前进方向上,参考路径上预瞄点与机器人中心的距离,显然预瞄距离随速度增大而增大.可见,车辆前进速度是基于专家驾驶经验的规则实现控制的,因为速度变化档位不多,规则控制简单易行且具有较强的自适应性.3.2转向PID控制由前面对移动机器人运

12、动模型分析知,转向控制是通过改变角速度实现的.PID控制由于其简单、稳定性能好、可靠性高等优点,仍具有强大的生命力,其关键问题是PID参数的整定.移动机器人的转向控制,具有高度非线性、时变不确定性和纯滞后等特点,这就要求PID参数不仅不依赖于对象的数学模型,且参数能在线调整,以满足实时控制的要求.为此,本文采用基于规则的自适应智能PID预瞄控制器,来实现机器人的转向控制.当前K时刻角速度 的PID控制算式是c(k)=k1xp+k2 p+k3 c(k-1)+k4 c(k-2)(3)p分别是当前时刻机器人相对于参考路径式中xp、上预瞄点的位置偏差和方向偏差, c(k-1)、 c(k-6W=i i=

13、1(2)1是路径第一条折线和机器人前进方向的夹角式中改变量, i是第i条折线和第i-1条折线的方向角改变量,路径方向顺时针改变时, i为正值,反之为负值. i取绝对值的意义是:不管路径方向单方向改变还是左右摆动变化,路径的弯曲度都在增加,即弯曲效果一致,这样比较符合实际情况.2)分别为k-1、k-2时刻的角速度控制量,k1、k2、k3、k4分别为PID控制器的参数.各参数的确定方法如下:k3、k4是过去两个时刻的角速度控制量的权系数,可由经验都设定为0.33,即当前时刻和前两个时刻的权重一致.最后只剩下k1、k2由仿真试验整定,但角速度PID控制器参数的整定应与移动机器人的线速度大小有关.k1

14、、k2的整定方法为:根据前进速度的控制规则,分别通过仿真试验在计算机上设定高、中、低速对应的三种不同弯曲程度的路径,然后由仿真控制试验,确定最佳预瞄距离dp和相应的k1、k2值,整定的结果是三组值(dpi,k1ik2i)i=1,2,3.这三图4参考路径弯度确定示意图Fig.4Sketchmapofwindingdegreeofreferencepath组值分别对应于三个前进速度下的角速度PID控制参数.即机器人通过视觉获取预瞄参考路径的弯曲度,然后根据弯曲度大小确定线速度的控制档位,再根据确定的线速度档位,在线调整角速度控制的PID参数,由此实现移动机器人路径跟踪的智能预瞄控制.室外移动机器人

15、,其前进速度的控制不需要连续变化,可设定前进速度为3档,分别对应高、中、低3个速度.由此确定的前进速度控制规则为:(1)当W小于10度时,路径基本为直线,前进速度设为高速;(2)当W小于90度时,路径弯曲较严重,前进速4试验结果与分析(Resultsanddiscussion)为验证本文提出的控制方法的有效性,首先在第24卷第3期李庆中等:移动机器人路径跟踪的智能预瞄控制方法研究255以整定角速度PID控制器的参数和观察控制效果,图5是部分路径跟踪的仿真试验结果.就能逼近设定路径,整条路径上,最大位置偏差小于0.14m,可见路径跟踪效果良好.通过仿真试验进行PID控制器的参数整定比较方便,参数

16、整定好后,我们在水泥结构路面上做了大量路径跟踪的重复实验,部分试验结果图6所示.图中的参考迹线即路面上的设定的白线,实际迹线即移动机器人中心点的迹线.实际迹线的确定是采用在机器人底部中心处固定洒水装置,然后以地面上的水迹线来测量机器人的实际迹线.为能反映实际道路的情况,我们选折线和正弦曲线两种情况进行路径跟踪实验.由图6(a)、(b)可见,路径跟踪的最大偏差为13cm,试验过程中,移动机器人的线速度设定为0.5m/s、1.0m/s、图5PID控制仿真试验结果Fig.5SimulationtestresultofPIDcontrol2.0m/s,分别对应低速、中速和高速.在设计的控制器控制下,角

17、速度在0-0.28rad/s范围内变化,可见机器人方向变化比较平缓.由图5可知,机器人在偏离设定路径的初始点(横向位置偏差为0.35m),经过约1.35m的行程后,(a)(b)图6部分实际试验结果Fig.6Practicalexperimentalresults5结论(Conclusion)移动机器人的控制系统是一个典型的时延、非线性不稳定系统,采用本文提出的基于规则的自适应智能PID预瞄控制方法,不仅能保证机器人准确实现路径的位置和方向跟踪,而且能保证路径跟踪的平滑性,即直线段与圆弧段速度的平缓过渡.参考文献(References)1KehtarnavazN,GrisworldN,LeeJ.

18、VisualControlforanAu-tonomousVehicle(BART)-theVehicleFollowingProblem.IEEETransactionsonVehicularTechnology.1991,40(3):654-6622FujimoriA,NikiforukPN,GuptaMM.AdaptiveNavigationofMobileRobotswithObstacleAvoidance.IEEETransactionson(3FierroR,LewisFL.ControlofaNonholonomicMobileRobotUsingNeuralNetworks.IEEETransactionsonN