基于多源異類信息的化學羽流追蹤研究

周杰 袁杰 衛(wèi)曉軍 灣玥

摘 要： 為了在多種信息融合中提高化學羽流追蹤效果，采用基于多源異類信息的化學羽流追蹤方法。通過加權平均融合算法將濃度、紅外避障及視覺檢測傳感器對化學羽流源模型采集的數(shù)據(jù)進行融合，計算出決策閾值；再通過建立的先驗知識庫和化學羽流源模型庫的支持下，提出基于多源異類信息的化學羽流追蹤策略，包括化學羽流搜尋、追蹤及羽流源確認過程。通過實驗驗證，化學羽流源位置誤差[?e=0.216]，實現(xiàn)了機器人對羽流源位置的精確定位。

關鍵詞： 化學羽流； 加權平均融合算法； 知識庫； 多源異類信息； 決策閾值； 先驗知識庫

中圖分類號： TN964?34； TP18 文獻標識碼： A 文章編號： 1004?373X（2018）15?0152?05

Study on chemical plume tracking based on multi?source and heterogeneous information

ZHOU Jie， YUAN Jie， WEI Xiaojun， WAN Yue

（Xinjiang University， Urumqi 830000， China）

Abstract： A chemical plume tracing method based on multi?source and heterogeneous information is adopted to improve the chemical plume tracking effect in a variety of information fusions. The concentration， infrared obstacle avoidance and visual detection sensor are used in the weighted average fusion algorithm to fuse the data collected by the chemical plume model， and calculate the decision threshold. On the basis of the established prior knowledge base and chemical plume source model， a chemical plume tracking strategy based on multi?source and heterogeneous information is proposed， including chemical plume search， tracking and plume source recognition. The experimental results show that the position error Δe of chemical plume source is 0.216， which realizes the precise positioning of the robot for plume source position.

Keywords： chemical plume； weighted average fusion algorithm； knowledge base； multi?source and heterogeneous information； decision threshold； prior knowledge base

0 引 言

化學羽流是自然界中水下或空氣中的化學物質擴散或揮發(fā)形成的羽流狀物質。國外科研團隊從事機器人化學羽流追蹤研究，在環(huán)境監(jiān)測、搜索與救援、反恐、爆炸物清除以及海底考古和熱液噴口定位等領域得到了廣泛的應用。

文獻[1]首次把信息熵用于氣味源定位，文獻[2]用機器人氣味源定位驗證了該算法。文獻[3]分別利用概率粒子群優(yōu)化算法和改進蟻群算法進行了機器人在人工羽流和自然羽流兩種不同的室內羽流環(huán)境下的主動嗅覺試驗，并取得了較好的效果。文獻[4?5]針對室內通風環(huán)境下的氣味源定位問題，通過z字型策略發(fā)現(xiàn)煙羽，并用模擬退火方法定位氣味源。文獻[6?8]綜合運用視覺與嗅覺兩種感知信息進行主動追蹤研究，顯著提高機器人嗅覺搜索的效率。

本文針對移動機器人追蹤化學羽流的應用，提出運用多種信息融合的方法，使移動機器人具備在復雜環(huán)境下主動追蹤化學羽流的能力。

1 基于多源異類信息的化學羽流追蹤策略

本文采用基于規(guī)則的決策系統(tǒng)，把移動機器人的化學羽流追蹤過程分為五個模塊：化學羽流源搜索模塊、視覺搜索模塊、視覺趨近模塊、避障模塊、化學羽流源確認模塊。傳感器輸入信息為紅外避障傳感器數(shù)據(jù)、濃度傳感器數(shù)據(jù)、視覺傳感器數(shù)據(jù)。

化學羽流源搜索模塊：依據(jù)氣體濃度搜索、識別、追蹤氣體。

視覺搜索模塊：調用先驗知識庫，獲取該化學羽流源的特征信息，進行目標顏色搜索。

視覺趨近模塊：若發(fā)現(xiàn)化學羽流的顏色為可疑目標，移動機器人立刻趨近該目標，并在一定距離處停止，進而判斷可疑目標是否為真正的化學羽流源。

避障模塊：發(fā)現(xiàn)可疑目標，停下來進行氣體識別。若是化學羽流源，則完成任務；不是，則進行避障，重新進行局部搜索，尋找新的目標。

化學羽流源判定模塊：有可疑目標，移動機器人停止運動，根據(jù)融合數(shù)據(jù)利用化學羽流源模型庫進行化學羽流源判定。若是，則完成任務；若不滿足化學羽流源判定條件，則移動機器人繼續(xù)搜索。

知識庫建立：

1） 建立知識庫規(guī)則：前件為輸入信號的條件組合，后件為移動機器人須執(zhí)行的模塊。

IF（紅外避障傳感器信號未檢測到障礙物AND其他傳感器信號無論有無）THEN執(zhí)行化學羽流源搜索模塊

IF（濃度傳感器信號檢測到泄露氣體AND其他傳感器信號無論有無）THEN執(zhí)行視覺搜索模塊

IF（視覺傳感器信號檢測到可疑目標AND其他傳感器信號無論有無）THEN執(zhí)行視覺趨近模塊

IF（紅外避障傳感器信號檢測到障礙物AND其他傳感器信號無論有無）THEN執(zhí)行避障模塊

IF（紅外避障傳感器信號檢測到障礙物AND濃度傳感器信號滿足相應條件）THEN執(zhí)行化學羽流源確認模塊

IF（化學羽流源確認為真）THEN移動機器人停止搜索，任務結束

IF（化學羽流源確認為假）THEN執(zhí)行避障模塊，繼續(xù)搜索

2） 推理過程，本策略采用正向推理決策過程，流程圖如圖1所示。

2 基于HSV顏色模型的化學羽流源模型庫建立

移動機器人對化學羽流源的準確識別是移動機器人執(zhí)行化學羽流源搜尋任務成功的標志?；瘜W羽流源具有除氣味以外的其他特征（顏色、距離），可支持移動機器人進行化學羽流源判斷。因此，本文針對移動機器人搜尋危險氣體的應用，融合濃度信息、顏色信息及距離信息，建立化學羽流源模型庫，以提高移動機器人搜尋化學羽流源的效率及準確率。

2.1 顏色特征提取

顏色展示圖像的特征時，一般采用HSV顏色空間。HSV顏色空間[9]對應人類視覺感知的3個要素，分別用色度（Hue）、飽和度（Saturation）和亮度（Value）來表示。RGB到HSV的轉換是一種簡單的非線性變換，彩色圖像從RGB空間到HSV空間的轉換方式如下：

首先，把顏色的紅、綠和藍坐標設為（[r，g，b]），它們的值為0～1的實數(shù)。設max是[r]，[g]和[b]中的最大者，設min是這些值中的最小者。

[h=undefined， max=min60°×g-bmax-min+0°， max=r&g;≥b60°×g-bmax-min+0°， max=r&g;

[s=0， max=01-minmax， 其他] （2）

[v=max] （3）

式中[h，s，v]分別為圖像的色度、飽和度、亮度。

顏色矩陣[10]是Sricker等人提出的一種有效的顏色特征表示方法，利用線性代數(shù)中矩陣的概念，把圖像中的顏色分布用矩陣表示。其中，一階矩陣為顏色平均值，二階矩陣為顏色方差，三階矩陣為顏色的偏斜度。3個低階顏色矩陣的數(shù)學表示為：

[ui=1Nj=1NPi，j] （4）

[σi=1Nj=1N（Pi，j-ui）212] （5）

[si=1Nj=1N（Pi，j-ui）313] （6）

式中：[ui，σi，si]分別表示顏色分量[i]的均值、方差和斜度；[N]表示圖像的總像素；[Pij]表示圖像中第[j]個像素的第[i]個顏色分量。

圖像的3個顏色分量的3階顏色矩陣組成1個9維向量，則圖像的顏色特征表示為：[Fc=[uH，σH，sH，uS，σS，][sS，uI，σI，sI]]。通過用Matlab軟件對化學羽流源圖像進行特征提取，處理過程如圖2和表1所示。

2.2 顏色特征匹配

由移動機器人獲取圖像，輸出相似圖像的數(shù)目根據(jù)需要設定。兩幅圖像的顏色矩陣向量生成后，本文采用歐氏距離（Euclidean distance）算法計算顏色向量之間的相似度：

[D（I，J）=k=08CI（k）-CJ（k）212] （7）

式中[CI（k）]和[CJ（k）]分別表示圖像庫圖像[I]和當前圖像[J]的顏色矩陣向量。

2.3 化學羽流源濃度特征值的采集

本實驗用酒精代替有毒氣體作為化學揮發(fā)物，并用RB?02S016A MQ?3酒精傳感器完成化學羽流源濃度特征信息的采集，化學羽流源氣體由加濕器送出。把采集的數(shù)據(jù)在Matlab上通過滑動平均濾波法進行優(yōu)化，提取最優(yōu)值，標定化學羽流源濃度特征值為318 ppm，如圖3所示。

2.4 化學羽流源模型庫

研究發(fā)現(xiàn)部分危險氣體具有顏色，而且每種氣體具有特定的顏色。所以通過氣體的顏色可以辨別氣體的類別。當氣體泄漏時，先檢測氣體顏色，可以縮小搜索范圍，提高搜索效率。因此，移動機器人先存儲先驗知識，建立基于顏色的化學羽流源知識庫，根據(jù)檢測到的氣體信息從知識庫獲得化學羽流源的顏色信息。本文化學羽流源知識庫采用顏色特征向量、距離、濃度特征建立，移動機器人只要搜索符合該顏色模板的物體就可以找到特定的目標。

化學羽流源模型庫由知識庫和決策模塊兩部分組成，組成結構如圖4所示。知識庫的作用是獲取、存儲、確定化學羽流源所需的各種信息，其中顏色模型是指移動機器人采集到的目標物體的顏色特征向量信息，表征移動機器人認為的目標物體顏色，例如，設定化學羽流源顏色模板為：

[Fc=[0.690 8，0.168 0，-2.606 0，0.044 4，0.027 0，0.917 0，0.691 6，0.129 7，0.242 2] ] （8）

[D（I，J）=k=08CI（k）-CJ（k）212≤0.709 6] （9）

氣體濃度信息是指化學羽流源的濃度信息，相對距離信息則是指距可疑目標的距離，該值設定為12 cm。決策模塊負責知識庫中多源異類信息的融合，并通過決策函數(shù)判斷可疑目標是否為化學羽流源。知識融合采用加權融合算法，表示為：

[g=i=1nwidi=1ni=1ndi] （10）

式中：[n=11]；[wi]為第[i]個傳感器測量數(shù)據(jù)的加權系數(shù)；[di]分別表示機器人測量到[uH，σH，sH，uS，σS，sS，uI，σI，sI，]氣體濃度值和機器人相對目標距離值。

決策函數(shù)依據(jù)特征值融合的結果對是否為真正化學羽流源進行判斷，表示為：

[Z=1， g≥h0， g

式中：[h]為決策閾值，[h=]30.027 7，是決策正確與否的重要參數(shù)；[Z=1]表示可疑目標被確認為化學羽流源，[Z=0]表示可疑目標被確認為非化學羽流源。建立的化學羽流源模型庫可以通過調整權系數(shù)及決策閾值，為不同類別的氣體建立模型庫，作為判斷是否為該種化學羽流源的依據(jù)。

移動機器人在搜索化學羽流源過程中，搜索到某種泄漏氣體后，便獲取了搜索的預期目標，同時，從知識庫獲取先驗知識，然后為搜索可疑目標提供相應的依據(jù)，并在發(fā)現(xiàn)可疑目標后，觸發(fā)相應的化學羽流源模型庫，從而通過化學羽流源模型庫判斷目標是否為化學羽流源，如圖5所示。其中先驗知識庫由以下規(guī)則構成：

if移動機器人檢測到Cl2氣體then搜索黃綠色氣體and觸發(fā)化學羽流源模型庫1

if移動機器人檢測到NO2氣體then搜索紅棕色氣體and觸發(fā)化學羽流源模型庫2

… … …

if移動機器人檢測到F2氣體then搜索淡黃色氣體and觸發(fā)化學羽流源模型庫[n]

3 實驗及結果分析

依據(jù)基于多源異類信息的化學羽流追蹤策略及實現(xiàn)方法，在實驗場地中放置兩個顏色特征一致的化學羽流源目標，一個裝有泄漏物質（酒精），另一個為煙霧顏色一樣的假目標沒有泄漏物質酒精，實驗場地布置如圖6所示，化學羽流源由裝有酒精物質的加濕器構成，實驗室處于無風自然狀態(tài)。實驗設計移動機器人從起始點到化學羽流源位置進行20次實驗，驗證化學羽流源追蹤策略的效果。

實驗平臺由視覺模塊、電機控制模塊、濃度搜索模塊、避障測距模塊和ArduinoUNO控制器組成。其中，視覺模塊由WiFi模塊和攝像頭組成，電機控制模塊由雙H橋直流電機驅動板組成，避障測距模塊由兩塊IR2紅外避障傳感器組成。濃度搜索模塊由RB?02S016A MQ?3酒精傳感器組成。通過以上硬件模塊成功搭建化學羽流追蹤移動平臺，如圖7所示。

通過利用Matlab軟件將移動機器人移動記錄的路線圖繪制出來，坐標原點在實驗區(qū)域的左下（0，0），單位為m，化學羽流源位置為（1.4，4），疑似化學羽流源位置為（2.5，2.4），移動機器人起始點值為（2.1，0），移動機器人和化學羽流源初始距離是3.92 m，坐標值對照實際比例大小。如圖8所示。

從圖8中可以看出，移動機器人進行搜索行為，避開障礙物體，先到達疑似化學羽流源的附近，經(jīng)過分析判斷，改變方向重新尋找到化學羽流源。主要原因是先驗知識發(fā)揮了指導作用，使移動機器人直接向可疑目標趨近，減少對不具備化學羽流源模型特征的目標搜索。令移動機器人每一次的搜索都具有目標性，減小對目標搜索的不確定性。通過Matlab將移動機器人搜索過程中采集的氣體濃度信號變化繪制出來，如圖9所示。

初始氣體右邊濃度信號電壓幅值大于左邊濃度信號電壓幅值，移動機器人向右移動并避開障礙物；當移動機器人不斷趨近化學羽流源時，其左右的濃度信號電壓差不斷減?。划敶_定化學羽流源時，其左右濃度信號電壓差近似趨于零。

4 結 語

本文提出一種基于多源異類信息的化學羽流追蹤策略，通過利用多種傳感器對移動機器人化學羽流追蹤進行較為深入的探索研究，實現(xiàn)了基于多源異類信息的化學羽流追蹤策略設計。在CPT實驗過程中，化學羽流源位置誤差[Δe=]0.216，總時間[Ta=]120 s，累計追蹤時間[Ts=]110 s。通過CPT實驗表明，利用多源異類信息的化學羽流追蹤策略，實現(xiàn)了化學羽流追蹤過程的快速性、準確性和自主性，最終驗證了該策略的正確性和可行性。

參考文獻

[1] VERGASSOLA M， VILLERMAUX E， SHRAIMAN B I. ′Infotaxis′ as a strategy for searching without gradients [J]. Nature， 2007， 445（7126）： 406?409.

[2] MORAUD E M， MARTINEZ D. Effectiveness and robustness of robot infotaxis for searching in dilute conditions [J]. Frontiers in neurorobotics， 2010， 4： 1?8.

[3] 李俊彩，孟慶浩，梁瓊.基于進化梯度搜索的機器人主動嗅覺仿真研究[J].機器人，2007，29（3）：234?238.

LI Juncai， MENG Qinghao， LIANG Qiong. Active olfactory simulation of robots based on evolutionary gradient search [J]. Robot， 2007， 29（3）： 234?238.

[4] 王陽，孟慶浩，李騰，等.室內通風環(huán)境下基于模擬退火算法的單機器人氣味源定位[J].機器人，2013，35（3）：283?291.

WANG Yang， MENG Qinghao， LI Teng， et al. Odor source location of single robot based on simulated annealing algorithm in indoor ventilation environment [J]. Robot， 2013， 35（3）： 283?291.

[5] 韓冰.湍流環(huán)境下化學羽狀物定位技術研究[D].哈爾濱：哈爾濱工程大學，2012.

HAN Bing. Study on the localization technology of chemical plume in turbulent environment [D]. Harbin： Harbin Enginee?ring University， 2012.

[6] LOUTFI Amy， BROXVALL Mathias， CORADESCHI Silvia， et al. Object recognition： a new application for smelling robots [J]. Robotics and autonomous systems， 2005（52）： 272?289.

[7] LOUTFI Amy， CORADESCHI Silvia. Smell， think and act： a cognitive robot discriminating odours [J]. Auton robot， 2006（20）： 239?249.

[8] ISHIDA Hiroshi， TANAKA Hidenao， TANIGUCHI Haruki， et al. Mobile robot navigation using vision and olfaction to search for a gas/odor source [J]. Auton robot， 2006（20）： 231?238

[9] CUCCHIARA R， GRANA C， PICCARDI M， et al. Improving shadow suppression in moving object detection with HSV color information [C]// Proceedings of 2011 the IEEE Intelligent Transportation Systems. Oakland： IEEE， 2011： 334?339.

[10] 陳衛(wèi)東，張興家，朱奇光，等.基于混合特征的移動機器人圖像匹配算法[J].中國機械工程，2015，26（9）：1137?1141.

CHEN Weidong， ZHANG Xingjia， ZHU Qiguang， et al. Image matching algorithm for mobile robots based on hybrid features [J]. China mechanical engineering， 2015， 26（9）： 1137?1141.