基于低頻傳感器移動(dòng)機(jī)器人自主跟蹤系統(tǒng)設(shè)計(jì)

吳勝忠，申興發(fā)，高申勇

(杭州電子科技大學(xué)計(jì)算機(jī)應(yīng)用研究所，浙江杭州310018)

0 引言

近年來(lái)，智能機(jī)器人在移動(dòng)式機(jī)器人中占有很重要的地位，在此平臺(tái)上可以搭建傳感器來(lái)實(shí)現(xiàn)更多的功能。國(guó)外各工業(yè)發(fā)達(dá)國(guó)家的大學(xué)、研究機(jī)構(gòu)和大工業(yè)企業(yè)對(duì)機(jī)器人系統(tǒng)開(kāi)發(fā)投入了大量人力物力，將其引入到諸多領(lǐng)域如自動(dòng)控制、模式識(shí)別、微機(jī)械電子等［1］。國(guó)內(nèi)基于自主移動(dòng)機(jī)器人(智能機(jī)器人)平臺(tái)開(kāi)發(fā)的項(xiàng)目主要有機(jī)器人的循跡，障礙物規(guī)避等，用的方式也不盡相同，如紅外線避障、超聲波避障、聲納避障［2，3］等。大多數(shù)現(xiàn)有的項(xiàng)目都是針對(duì)固定目標(biāo)定位，進(jìn)行機(jī)器人自主避障循跡，本文設(shè)計(jì)的系統(tǒng)研究的主要內(nèi)容是實(shí)現(xiàn)智能機(jī)器人自主跟蹤移動(dòng)目標(biāo)，并與目標(biāo)保持在一定范圍內(nèi)，對(duì)途中的障礙物進(jìn)行自行規(guī)避。

1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

本文所設(shè)計(jì)的系統(tǒng)，基于國(guó)外已有的智能機(jī)器人平臺(tái)，系統(tǒng)的整體框架設(shè)計(jì)如圖1所示。圖1表明，系統(tǒng)主要分為5塊，近距離避障模塊、雙目立體相機(jī)避障模塊、移動(dòng)目標(biāo)定位模塊、車(chē)載服務(wù)器核心模塊以及智能機(jī)器人模塊。車(chē)載服務(wù)器是整個(gè)系統(tǒng)的核心，對(duì)3個(gè)模塊(聲納避障模塊、雙目立體相機(jī)模塊以及移動(dòng)目標(biāo)定位模塊)的數(shù)據(jù)進(jìn)行處理，制定機(jī)器人制動(dòng)策略，同時(shí)與智能機(jī)器人進(jìn)行實(shí)時(shí)交互。系統(tǒng)采用雙目立體相機(jī)和聲納分別進(jìn)行中遠(yuǎn)距離避障和近距離避障，對(duì)于目標(biāo)的定位采用基于RSSI低頻無(wú)線定位技術(shù)，車(chē)載服務(wù)器為小型車(chē)載計(jì)算機(jī)，而智能機(jī)器人為國(guó)外比較成熟的Pioneer 3-AT移動(dòng)機(jī)器人。

圖1 系統(tǒng)整體框架

2 各個(gè)模塊設(shè)計(jì)

2.1 圖像數(shù)據(jù)采集

雙目相機(jī)模塊主要實(shí)現(xiàn)中遠(yuǎn)距離的障礙物規(guī)避功能，規(guī)避距離設(shè)定為1～2m。對(duì)于超出該范圍及在1m范圍內(nèi)的障礙物，傾斜式放置的相機(jī)不進(jìn)行檢測(cè)，即視為無(wú)障礙物。由于機(jī)器人障礙物檢測(cè)的特殊性(只需獲取障礙物輪廓和深度范圍)，獲取稀疏視差圖即可滿足條件，所以結(jié)合基于特征點(diǎn)深度和空間范圍采用的聚類(lèi)分割方法，建立了基于邊緣特征點(diǎn)匹配和聚類(lèi)分析的雙目視覺(jué)避障算法［4，5］。

2.2 近距離避障

本系統(tǒng)所采用的基于ARCOS的Mobile Robots機(jī)器人最多可以支持4個(gè)聲納環(huán)，每個(gè)環(huán)最多有8個(gè)換能器，可以用于物體檢測(cè)、距離檢測(cè)和自動(dòng)避障，面貌識(shí)別，定位，以及導(dǎo)航。機(jī)器人帶有的聲納環(huán)位置都是固定的:兩側(cè)各有一個(gè)，另外6個(gè)以20°間隔分布在側(cè)邊。這種聲納陣的布置可以為機(jī)器人提供360°無(wú)縫檢測(cè)，如圖2所示。

每一次輪循中每一個(gè)聲納可以重復(fù)兩次或者更多次。如果一個(gè)聲納數(shù)沒(méi)有出現(xiàn)在其他已經(jīng)改變的順序中，該聲納環(huán)不會(huì)被起動(dòng)。如果在一個(gè)序列里重復(fù)了某個(gè)聲納號(hào)，并且同一個(gè)聲納的兩個(gè)讀數(shù)出現(xiàn)在同一個(gè)數(shù)據(jù)包中，則機(jī)器人和相關(guān)的客戶端將會(huì)忽略第一個(gè)讀數(shù)。

聲納陣列的聲納環(huán)每40μs輪循一次，對(duì)于具有8個(gè)聲納環(huán)并且進(jìn)行順序輪循(例如輪循次序?yàn)?～8)的聲納陣列來(lái)說(shuō)，任何一個(gè)聲納傳感器每320μs便會(huì)被讀取一次。由于系統(tǒng)中智能機(jī)器人采用了前向的雙目立體相機(jī)進(jìn)行中遠(yuǎn)距離的避障，所以本系統(tǒng)只啟用了車(chē)首的8個(gè)聲納，采取多次旋轉(zhuǎn)機(jī)器人進(jìn)行機(jī)器人360°制動(dòng)。

2.3 基于多傳感器的移動(dòng)目標(biāo)定位

2.3.1 目標(biāo)定位模塊結(jié)構(gòu)

本系統(tǒng)中，自主移動(dòng)機(jī)器人所跟蹤的目標(biāo)是移動(dòng)式的，需要實(shí)時(shí)進(jìn)行目標(biāo)的位置定位，從而確定機(jī)器人行進(jìn)方向，制定移動(dòng)策略。本系統(tǒng)所采用的移動(dòng)目標(biāo)定位方法為基于RSSI［6］(接收信號(hào)強(qiáng)度指示)的低頻無(wú)線定位技術(shù)，示意圖如圖3所示。

圖2 機(jī)器人聲納環(huán)前向位置圖

圖3 基于RSSI低頻無(wú)線定位技術(shù)的目標(biāo)定位示意圖

它是一種定位精度高、功耗都，成本低、反應(yīng)速度快的高性能比無(wú)線定位技術(shù)。在基于RSSI的低頻定位中，低頻發(fā)射基站(安裝在機(jī)器人上的傳感器)的發(fā)送信號(hào)強(qiáng)度已知，待定位模塊根據(jù)實(shí)際接收到信號(hào)強(qiáng)度計(jì)算出信號(hào)的傳播損耗，利用理論和經(jīng)驗(yàn)?zāi)Ｐ蛯鬏敁p耗轉(zhuǎn)化為距離。

2.3.2 定位算法設(shè)計(jì)

圖3中的車(chē)載定位模塊使用了n(n≥3)個(gè)低頻發(fā)射基站，可以得到n個(gè)距離值d1，d2，d3，…，dn，假設(shè)這 n 個(gè)基站的對(duì)應(yīng)的坐標(biāo)為為了能準(zhǔn)確進(jìn)行定位，本文采用的方法如下:

2.3.3 算法實(shí)驗(yàn)及結(jié)果分析

為了驗(yàn)證本文所設(shè)計(jì)的低頻無(wú)線定位算法的優(yōu)越性，采用3個(gè)低頻發(fā)射基站進(jìn)行引導(dǎo)模塊的定位，同時(shí)與實(shí)際距離進(jìn)行對(duì)比，對(duì)照?qǐng)D如圖4所示。

圖4 實(shí)驗(yàn)測(cè)量值與實(shí)際值對(duì)比

圖4中可以看出在200cm的范圍內(nèi)該算法能很好的進(jìn)行引導(dǎo)模塊的定位，而在200cm之后，由于無(wú)線信號(hào)易受環(huán)境等因素的影響，單個(gè)基站的距離定位不精確，故最終的計(jì)算結(jié)果與實(shí)際值誤差增大。本文所采用的定位技術(shù)與現(xiàn)有的紅外線及超聲波定位技術(shù)等相比有較好的方向性，且紅外線定位易于受物體或墻體阻隔，而超聲波在傳輸過(guò)程中衰減明顯從而影響其定位有效范圍。

3 結(jié)束語(yǔ)

本文所采用的自主移動(dòng)機(jī)器人為國(guó)外技術(shù)成熟的基于ARCOS的Mobile Robots機(jī)器人，在該基礎(chǔ)上設(shè)計(jì)的基于智能機(jī)器人平臺(tái)開(kāi)發(fā)的自主移動(dòng)機(jī)器人自動(dòng)引導(dǎo)避障系統(tǒng)，選擇移動(dòng)目標(biāo)，跟蹤距離保持在一定范圍內(nèi)是該系統(tǒng)的兩個(gè)創(chuàng)新點(diǎn)，這需要系統(tǒng)對(duì)目標(biāo)實(shí)時(shí)定位跟蹤，并進(jìn)行機(jī)器人速度控制。該系統(tǒng)的下一步工作，將集中在機(jī)器人對(duì)目標(biāo)與障礙物的區(qū)分、機(jī)器人轉(zhuǎn)彎制動(dòng)以及避障策略的進(jìn)一步改進(jìn)等。

［1］李磊，葉濤，譚民，等.移動(dòng)機(jī)器人技術(shù)研究現(xiàn)狀與未來(lái)［J］.機(jī)器人，2002，24(5):475–480.

［2］Borenstein J，Koren Y.The Vector Field Histogram-Fast Obstacle Avoidance for Mobile Robots［J］.IEEE Transactions on Robotics and Automation，1991，7(3):278 －288.

［3］Azarm K，Schmidt G.Integrated mobile robot motion planning and execution in changing indoor environments［J］.In IEEE/RSJ International Conference on Intelligent Robots and Systems，1994，(1):298 －305.

［4］Mathies L，Brown E.Machine Vision for Obstacle Detection and Ordnance Recognition［C］.Orlando:Proc of Annual Meeting of the Association for Unmanned Vehicle Systems，1996:170 －175.

［5］廖素英，楊華軍.基于區(qū)域相關(guān)的動(dòng)態(tài)匹配方法［J］.光電工程，2004，12(1):137－140.

［6］陳維克，李文鋒，首珩，等.基于RSSI的無(wú)線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法［J］.武漢理工大學(xué)學(xué)報(bào)，2006，30(2):265－268.