基于多傳感器融合的餐廳服務機器人定位技術的研究

蘇春芳

摘要：針對餐廳服務機器人移動定位不準確的特點，該文提出基于多傳感器融合的移動定位方法，通過融合機器人實際的移動距離與BLE定位技術，有效克服了BLE定位不準確的特點，從而提高了室內定位的準確性。實驗證明，機器人的移動距離是一種對BLE定位方法有效的修正，當服務機器人距離餐桌位置1米之內，定位準確率可達到99.6%，從而實現對服務機器人的準確定位。

關鍵詞：室內定位；低功耗藍牙；光電傳感器；電子羅盤；

中圖分類號：TP249 文獻標識碼：A 文章編號：1009-3044（2018）19-0295-03

Abstract： For the accuracy of the indoor positioning of restaurant service robot is not so high， this paper combined the technology of indoor positioning basing on BLE with the moving distance of the robot， which is the relative distance between the current position and the start point of every delivering task. The method applied in this paper effectively overcomes the inaccuracy of the indoor positioning basing on BLE .The experiment shows that the moving distance of the robot is an effective correction method to calibrate the result of indoor positioning classify model. When the distance between the robot and target position of table is within 1 meter， the accuracy rate is 99.6%. Its proved that the proposed method can accurately locate the robot in the indoor environment.

Key words： indoor positioning； Bluetooth low energy； photoelectric sensor； electronic compass

1 引言

隨著物聯(lián)網技術以及人工智能的發(fā)展，服務機器人走進了人們的生活，目前主要以集群的形式呈現，由多個服務機器人組成，協(xié)同工作、共同完成特定的任務。機器人在室內的位置信息是集群服務機器人協(xié)同工作、高效完成工作任務的基礎。實時、準確地確定機器人所處的位置是完成餐廳服務機器人任務分配、調度的關鍵，是該文研究的重點。

目前，全球定位系統(tǒng)（Global Positioning System）被廣泛應用到定位、導航中，在室外環(huán)境中實時、準確的進行位置定位。但是由于在室內環(huán)境中，建筑物的遮擋會引起衛(wèi)星信號的衰減，甚至丟失，因此GPS不能應用在室內定位中。目前兩大主流的室內定位方法是基于圖像處理的室內定位方法[1]和基于傳感器信息融合的室內定位方法[2]，所使用的傳感器主要包括低功耗藍牙BLE（Bluetooh Low Energy）、 RFID、無線Wi-Fi、 ZigBee、運動傳感器（Motion-Sensor）等，其中隨著藍牙技術的發(fā)展，憑借BLE低功耗的特點，被廣泛應用到室內定位中。[3]

由于藍牙信號容易受到室內金屬材料、無線設備、室內結構的干擾，這些干擾因素都會引起RSSI數據的不穩(wěn)定性，因此目前基于BLE的室內技術，仍然無法做到準確的定位，信號的不穩(wěn)定性是室內定位方法面臨的挑戰(zhàn)。該文融合機器人在室內的移動距離與BLE定位技術，有效地提高了室內定位的準確性，實驗結果表明，該方法能夠快速、準確的定位機器人的位置。

2 BLE定位

藍牙技術解決了移動設備、固定設備之間的無線通信問題，是一種短距離的無線通訊技術，其中傳統(tǒng)藍牙是指藍牙3.0之前的BR/EDR藍牙，而低功耗藍牙BLE則是指藍牙4.0規(guī)范下的藍牙。BLE的通信設備分為中心設備（Central）和外圍設備（Peripheral）兩種，通常情況下，外圍設備通過不斷的廣播，被中心設備掃描到后，該外部設備就被中心設備發(fā)現，在廣播包中（Advertising Data）包含外圍設備自身的識別標識，利用這些“通告幀”（Advertising）的內容，就可判斷外圍設備距離中心設備之間距離[4]。

每一個服務機器人都是一個獨立的BLE外圍設備，為了讓中心設備發(fā)現自己，以10毫秒到20毫秒的時間間隔發(fā)送數據包，通過在這種通告幀的有效負載部分嵌入特定格式的數據來實現。通過個體機器人定時向外發(fā)送廣播包的方式，中心設備（Central）接收藍牙廣播數據包，并上傳到云端服務器，通過收集藍牙信號的強度RSSI（Received Signal Strength Indicator）數據，建立RSSI訓練樣本集，從而分析集群機器人中的個體距離中心設備之間的距離。

餐廳送餐機器人送餐的目的地是以餐桌的位置來劃分的，因此對于送餐機器人的定位問題就演變成機器人距離餐桌的位置問題。如圖1所示，在每個餐桌的正上方天花板位置安裝BLE接收器，記作Sj，其中j={0，1……6}， S0是廚房，{S1，S2……S6}是餐桌；送餐機器人記為Ri， 其中i={1，2……4}。由于在室內環(huán)境下，遍布著無線wifi以及來自顧客手機的藍牙等無線信號，除此之外還有來自人體的遮擋等干擾因素，以上這些因素都會干擾BLE信號，從而影響基于BLE技術的室內定位方法的準確性，為了減少對信號的干擾，該文將藍牙接收器安裝在開花板上。為了實現對送餐機器人的實時定位，送餐機器人以20ms的時間間隔向外發(fā)送數據包，由于藍牙接收器Sj的采樣頻率是60Hz， 因此BLE接收器每秒鐘都向云端服務器傳送一次藍牙數據，數據包的格式如圖2所示，主要包括接收器、服務機器人的標識以及RSSI數值，云端服務器會依據RSSI的值，判斷服務機器人距離哪個接收器最近，從而定位到服務機器人的位置是Sm位置，其中m?{0，1，2….6}。

3 移動定位

由于信號干擾，造成的BLE定位信號的衰減、甚至丟失，是引起B(yǎng)LE室內定位不準確的主要原因，相比之下，服務機器人在室內的移動距離是比較可靠的定位信息，對于輪式機器人，移動距離可以通過動力輪的轉速以及半徑r計算得到[5]。在機器人的左、右動力輪上安裝光電傳感器，車輪轉動會觸發(fā)光電傳感器，通過采集光電傳感器的數據，就能得到車輪的轉速，同時將收到的數據上傳到云端器。本系統(tǒng)是基于STM32平臺開發(fā)的，硬件結構如圖3所示，融合電子羅盤、光電傳感器的數據，基于移動距離與方向角之間的關系，實時計算機器人的相對坐標，從而獲知機器人的位置。另一方面，通過收集RSSI數據，應用機器學習方法（隨機森林），建立基于BLE室內定位的分類模型，將實時收集到的RSSI數據作為該分類模型的輸入，從而得到機器人的位置信息。最后在云端服務器，融合前面所述的兩種定位方法，以及環(huán)境傳感器的信息（灰度傳感器、超聲傳感器）進行綜合決策，從而得到服務機器人在室內所處的位置。

機器人的運動機構采用的是輪式結構，主要包括兩個動力輪和一個支撐輪，其中運動輪由步進電機驅動，光電傳感器固定在左右輪上。電子羅盤主要用來采集機器人當前的方位角，由于電子羅盤測量單位是0.1度，故方位角θ?[0，3600]。服務機器人融合超聲傳感器和灰度傳感器，實現自主循跡和自主避障，在整個機器人的運動過程中，共包括3種運動狀態(tài)，分別為直行、左轉、右轉，如圖4所示。左、右光電傳感器信號分別記為Pl，Pr ，基于機器人的運動狀態(tài)，左、右光電傳感器信號也有三種關系，分別為Pl=Pr、Pl>Pr、Pl

4 定位算法

該文融合基于BLE的定位技術與基于距離的定位方法，實現對機器人的準確定位。假設時間i，j的時間間隔為Δt，機器人的移動距離為sij，x，y的相對位移增量記為xΔt、yΔt，，j時刻機器人與起始點的相對坐標記為xi、yj，計算公式如（1）-（5）所示。

當服務機器人完成一次送餐任務時，也就完成了一輪位置的轉換，可定義為{廚房--->餐桌--->廚房}，即從初始位置廚房出發(fā)，將餐點送到特定餐桌，然后再回到廚房的起始位置。將廚房S0設置為運動的起點，坐標記為（xs0，ys0），其中xs0=0，ys0=0，融合光電傳感器和電子羅盤信息，計算服務機器人在j時刻的相對坐標xj，yj，然后將當前坐標（xj，yj）作為分類模型的輸入，應用k近鄰算法，得到機器人當前所在的位置。

對機器人的室內定位主要包括兩個部分，即離線機器學習階段和在線測試兩個階段。首先通過機器學習建立室內位置的分類模式，該分類模型融合了BLE室內定位與距離定位兩個分類模型。首先收集BLE傳感器以及光電傳感器、電子羅盤數據，分別建立RSSI數據集與位置坐標數據集，其中基于RSSI數據集，應用機器學習算法（隨機森林）建立分類模型，建立RSSI與位置的映射關系，共包含S0，S1……S6共7個類；而對于位置坐標數據集，剛采用k近鄰算法，得到相對坐標與位置之間的關系，建立分類模型；在線測試階段，一方面將收集到的BLE藍牙數據作為定位分類模型的輸入，得到在j時刻室內位置的分類結果Cbj；另一方面，基于距離分類模型和當前機器人相對坐標（xj，yj），得到機器人的位置分類Cdj，最后融合Cbj，Cdj兩個分類結果，并融合j時刻環(huán)境信息，由綜合控制單元進行決策分析，輸出服務機器人在j時刻的位置，算法流程如圖5所示。

位置信息是集群機器人資源共享、分配的一個重要參數，也是綜合決策、任務調整的重要依據，當機器人檢測到自己接近目的地，綜合控制單元控制機器人進行語音提示，提醒顧客餐點送達，并控制機械手臂送餐；另一方面當機器人回到廚房起始點，自動對環(huán)境信息進行初始化，進行等待狀態(tài)。

5 結束語

移動服務機器人室內定位的挑戰(zhàn)在于室內環(huán)境的復雜性，尤其是在服務場所，遍布著各種干擾因素，不僅包括來自無線電信號的干擾還包括顧客的阻擋。顧客手機的wifi、藍牙信號會造成BLE信號的繞射、衰減，致使收到的RSSI值上下波動，從而影響基于BLE技術的室內定位方法的準確率，為了解決以上問題，該文將基于移動距離的定位方法與基于BLE的室內定位方法進行融合，有效的修正定位的結果，從而提高了室內定位的準確率。準確的位置定位是對服務機器人調度、任務分配的基礎，今后可以將室內定位應用到服務機器的綜合決策中，實現集群機器人任務分配、調度的最優(yōu)化。

參考文獻：

[1] Gupta R. Image-based indoor position determination[J]. Qualcomm Incorporated California， 2017.

[2] Chiu C C， Hsu J C， Leu J S. Implementation and analysis of Hybrid Wireless Indoor Positioning with iBeacon and Wi-Fi[C]// Ultra Modern Telecommunications and Control Systems and Workshops （ICUMT）， 2016 8th International Congress on， 2016： 80-84.

[3] Faragher R， Harle R. Location Fingerprinting With Bluetooth Low Energy Beacons[J]. IEEE Journal on Selected Areas in Communications， 2015， 33（11）： 2418-2428.

[4] 蘇春芳， 楊立志. 安防監(jiān)控機器人的移動定位技術研究[J]. 江蘇理工學院學報， 2015， 8（15）： 22-25.

[5] 劉志昆. 基于藍牙4.0和位置指紋的室內定位技術研究和實現[D].北京： 中央民族大學， 2017： 18-22.