基于深度視覺傳感的巡檢機(jī)器人行進(jìn)軌跡跟蹤控制

郭建仙

(國能神福(石獅)發(fā)電有限公司,福建 泉州 362700)

0 引言

隨著科學(xué)技術(shù)的快速發(fā)展,智能機(jī)器人[1]成為21世紀(jì)最受歡迎的科研項目之一。在不同類別屬性、不同工作領(lǐng)域的眾多智能機(jī)器人中,巡檢機(jī)器人作為調(diào)試范圍不受限的工業(yè)型機(jī)器人,因具備較為優(yōu)越的復(fù)雜環(huán)境適應(yīng)能力,常被應(yīng)用于各種軌跡跟蹤任務(wù)中。不同于其他機(jī)器人對平衡中心點線的依賴性,巡檢機(jī)器人采用雙輪支撐質(zhì)心。由于雙輪對前饋-反饋滾動趨勢具有較為精準(zhǔn)的預(yù)測性,因此,巡檢機(jī)器人面對不同路況能夠做出較其他類型機(jī)器人更為迅速、敏捷的反應(yīng)。但這種反應(yīng)速度產(chǎn)生的時間差使巡檢機(jī)器人在運行過程中軌跡跟蹤控制容易產(chǎn)生誤差,這成為巡檢機(jī)器人的研究難點。

張磊等[2]通過變增益自抗擾控制器,實現(xiàn)機(jī)器人軌跡跟蹤控制;張婷婷等[3]提出欠驅(qū)動搬運機(jī)器人軌跡跟蹤控制技術(shù);賈松敏等[4]通過反步控制技術(shù),從橫向、縱向2個方向控制機(jī)器人閉環(huán)系統(tǒng)、補(bǔ)償機(jī)器人打滑擾動,實現(xiàn)機(jī)器人軌跡跟蹤控制。上述3種方法未考慮實際巡檢環(huán)境中的地形條件,在存在障礙物的環(huán)境中跟蹤控制效果較差。

為了解決上述方法中存在的問題,提出基于深度視覺的巡檢機(jī)器人行進(jìn)軌跡跟蹤控制方法。

1 巡檢機(jī)器人運動學(xué)方程

巡檢機(jī)器人的電機(jī)部分并不統(tǒng)一組裝,即應(yīng)用于不同領(lǐng)域的巡檢機(jī)器人在電機(jī)裝配方面存在較大差異。但無論裝配哪種電機(jī),巡檢機(jī)器人的移動位姿和軸向運動軌跡產(chǎn)生的角速度和線速度在綜合情況上均大致相同。因此,想要獲取巡檢機(jī)器人運動學(xué)方程,應(yīng)忽略電機(jī)類型,轉(zhuǎn)而以地面坐標(biāo)系為參考坐標(biāo),以巡檢機(jī)器人所處位點為中心點,分別計算機(jī)器人行進(jìn)方向在X軸、Y軸的夾角,確定機(jī)器人當(dāng)前移動位姿,并將軸向運動軌跡產(chǎn)生的角速度、線速度與巡檢機(jī)器人移動位姿結(jié)合。機(jī)器人行進(jìn)方向在X軸、Y軸夾角T和U的計算公式為[5]

(1)

g為巡檢機(jī)器人中心點;α為巡檢機(jī)器人兩輪間的速度差;v為X軸行進(jìn)的理想角速度;δ為中心點與X軸的夾角;y為修正偏差;h為車輪半徑;?為Y軸運動軌跡理想線速度;f為Y軸運動軌跡理想角速度;θ為中心點與Y軸的夾角。

巡檢機(jī)器人移動位姿的描述公式為

(2)

機(jī)器人實際角速度R和線速度C的計算公式為

(3)

?為巡檢機(jī)器人的幾何中心;ι為雙輪驅(qū)動力;u為雙輪滑動阻力;k為巡檢機(jī)器人實際位姿;χ為X軸方向的航向角;λ為Y軸方向的航向角;z為任務(wù)空間與地面的垂直高度;p為坐標(biāo)變換維數(shù)。

巡檢機(jī)器人運動學(xué)方程的表達(dá)式為

(4)

Δj為任務(wù)空間速度向量;η為空間位移;γ為滑動模態(tài)。由此完成巡檢機(jī)器人行進(jìn)軌跡跟蹤控制的運動學(xué)模型。但以上模型未考慮實際巡檢路況中的障礙物,獲得的軌跡控制結(jié)果為理想值,實際應(yīng)用中存在一定偏差。因此,需要利用深度視覺技術(shù)和滑模器解決軌跡控制誤差問題。

2 巡檢機(jī)器人行進(jìn)軌跡跟蹤控制

2.1 地圖創(chuàng)建

Kinect深度視覺傳感器是建立在環(huán)境感知設(shè)備基礎(chǔ)上的自動化信息采集裝置,該裝置能夠通過釋放紅外散射激光掃描場景內(nèi)的全部信息,并根據(jù)掃描獲取的RGB彩色信息和深度信息[6]構(gòu)建與實際環(huán)境貼合度較高的三維地圖。將Kinect深度視覺傳感器與巡檢機(jī)器人搭配在一起,Kinect深度視覺傳感器可以為巡檢機(jī)器人提供虛擬地圖,指導(dǎo)巡檢機(jī)器人前往目標(biāo)任務(wù)點,避免與巡檢環(huán)境中的障礙物發(fā)生碰撞。

Kinect深度視覺傳感器創(chuàng)建虛擬地圖的具體過程為:首先啟動電機(jī)底座的CCD相機(jī)[7]掃描巡檢機(jī)器人所處環(huán)境的深度圖像,然后根據(jù)掃描獲取的RGB彩色信息和深度信息建立場景深度模型?？紤]到巡檢機(jī)器人對具體測距的高精要求,Kinect深度視覺傳感器在建立場景深度模型時,要時刻注意每個像素點是否滿足像素均值對應(yīng)的深度值。提取場景深度模型特征點并將特征點匹配到三維坐標(biāo)系中,即可自動創(chuàng)建巡檢機(jī)器人所處環(huán)境的虛擬地圖。深度圖像采集公式為

(5)

像素均值對應(yīng)深度值的計算公式為

J=-κsgn(s1)-s2

(6)

κ為圖像中頂點兩兩距離的均值;s1為圖像采集信息與預(yù)測深度信息間的對應(yīng)關(guān)系;s2為深度值不確信度。

場景深度模型的表達(dá)式為

D=2ρsinφ(ξ+qijtan ?)

(7)

ρ為環(huán)境信息豐富度;φ為模型視野范圍;ξ為模型與實際場景的貼合度;qij為點i和點j的深度視覺射線距離;?為模型權(quán)重。

場景深度模型特征點提取公式為

X=e1p1+e2p2+ψp3

(8)

e1為三維點云模擬數(shù)據(jù);p1為特征點成像原理;e2為特征點傾斜因子;p2為互不相交的特征點融合度;ψ為特征點在X軸上的物理尺寸;p3為特征點在Y軸上的物理尺寸。

特征點匹配公式為

(9)

l為初始化地圖柵格單元;ζ為先驗地圖面積;I為幾何轉(zhuǎn)換率;ε為交叉匹配出現(xiàn)錯誤的概率。由此完成巡檢環(huán)境虛擬地圖的構(gòu)建,為跟蹤控制奠定基礎(chǔ)。

2.2 跟蹤控制

滑模控制器[8]是遵循動態(tài)補(bǔ)償原理的電動執(zhí)行器,在反饋控制動態(tài)目標(biāo)上具有精準(zhǔn)度高和浮動偏差低等特點。由Kinect深度視覺傳感器創(chuàng)建的虛擬地圖在給定巡檢機(jī)器人示教路線后,滑?？刂破魍ㄟ^高速視覺反饋和位置動態(tài)補(bǔ)償?shù)姆椒?自動判斷巡檢機(jī)器人運動學(xué)方程中實際軌跡與期望軌跡存在的偏差,并在偏差演變?yōu)槭噶空`差前離線編程巡檢機(jī)器人制動區(qū)間,使原本粗糙的巡檢機(jī)器人軌跡轉(zhuǎn)趨于平滑,實現(xiàn)巡檢機(jī)器人軌跡自動化跟蹤控制。

巡檢機(jī)器人制動區(qū)間編程平滑曲線公式為

(10)

滑?？刂破鞯奈恢脛討B(tài)補(bǔ)償表達(dá)式為

M=σν+G

(11)

σ為補(bǔ)償執(zhí)行器的活動范圍;ν為PD控制率;G為誤差收斂的速度。

將式(11)的動態(tài)補(bǔ)償結(jié)果輸入到滑模器的制動區(qū)間編程中,消除行進(jìn)軌跡跟蹤控制偏差。

3 實驗與結(jié)果

為了驗證基于深度視覺的巡檢機(jī)器人行進(jìn)軌跡跟蹤控制的整體有效性,需要對其測試。

隨機(jī)選擇2款不同型號的巡檢機(jī)器人作為驗證算法行進(jìn)軌跡跟蹤控制性能的實驗對象,如圖1所示。

圖1 實驗對象

實驗對象相關(guān)參數(shù)如表1所示。

表1 實驗對象相關(guān)參數(shù)

使用Kinect深度視覺傳感器獲取的信息如圖2所示。

圖2 Kinect深度視覺傳感器獲取的信息

將傳感器輸入到滑模器中進(jìn)行位置動態(tài)補(bǔ)償。為了體現(xiàn)本文方法可以不受實際巡檢環(huán)境障礙物的影響,設(shè)置非障礙物環(huán)境和障礙環(huán)境2種測試環(huán)境,如圖3所示。

圖3 障礙環(huán)境設(shè)置

3.1 非障礙物環(huán)境

將實驗對象置于非障礙環(huán)境,分別采用本文方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法跟蹤控制實驗對象行進(jìn)軌跡,通過對比不同方法的控制結(jié)果,判斷不同方法對巡檢機(jī)器人行進(jìn)軌跡的跟蹤控制性能。不同方法的控制結(jié)果如圖4所示。

圖4 不同方法的控制結(jié)果

由圖4可知,采用本文方法跟蹤控制巡檢機(jī)器人行進(jìn)軌跡,其在直線、圓周2種軌跡模式中的跟蹤控制結(jié)果均與期望軌跡重合,說明本文方法的跟蹤控制效果較好。因為本文方法在跟蹤控制巡檢機(jī)器人軌跡前,優(yōu)先利用Kinect深度視覺傳感器創(chuàng)建貼合實際環(huán)境的虛擬地圖,并以此為基礎(chǔ),為巡檢機(jī)器人提供軌跡跟蹤控制的最優(yōu)方案。采用文獻(xiàn)[2]方法和文獻(xiàn)[3]方法跟蹤控制巡檢機(jī)器人軌跡,二者在直線、圓周2種軌跡模式中的跟蹤控制效果均與期望軌跡存在較大偏差,說明文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的跟蹤控制效果較差。經(jīng)上述對比可知,本文方法的跟蹤控制效果明顯優(yōu)于傳統(tǒng)方法。

3.2 障礙物環(huán)境

將實驗對象置于障礙環(huán)境,分別采用本文方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法跟蹤控制實驗對象軌跡,通過對比不同方法的控制結(jié)果,判斷不同方法對巡檢機(jī)器人行進(jìn)軌跡的跟蹤控制性能。不同方法的控制結(jié)果如圖5所示。

圖5 不同方法的控制結(jié)果

由圖5可知,本文方法在障礙物環(huán)境中仍與期望軌跡保持較高的重合率,而文獻(xiàn)[3]方法和文獻(xiàn)[4]方法在障礙物環(huán)境中極易與障礙物碰撞導(dǎo)致巡檢機(jī)器人無法到達(dá)終點位置。經(jīng)上述對比,進(jìn)一步驗證了本文方法的實用性。

4 結(jié)束語

近年來,巡檢機(jī)器人軌跡跟蹤控制技術(shù)已成為焊接、打磨和噴漆等機(jī)械制造領(lǐng)域不可或缺的重要技術(shù)。國內(nèi)外學(xué)者為了減少工業(yè)制造損失和運行間隙誤差,均投身到巡檢機(jī)器人軌跡跟蹤控制方法的研究之中。本文提出的基于深度視覺的巡檢機(jī)器人行進(jìn)軌跡跟蹤控制經(jīng)過測試在障礙物環(huán)境和非障礙物環(huán)境的跟蹤控制效果均較好,能夠消除機(jī)械制造領(lǐng)域的安全隱患。