本科畢業設計（論文）題目：（中文）基于向量場直方圖的移動機器人避障方法研究 （英文）study of obstacle avoidance for the mobile robot based on vector field histogram誠 信 承 諾我謹在此承諾：本人所寫的畢業論文基于向量場直方圖的移動機器人避障方法研究均系本人獨立完成，沒有抄襲行為，凡涉及其他作者的觀點和材料，均作了注釋，若有不實，后果由本人承擔。 承諾人（簽名）： 年 月 日摘要【摘要】移動機器人廣泛應用于工業生產加工制造中，尤其在危險和惡劣的環境中可以用機器人代替人工操作減少損失。避障技術在移動機器人的發展中起著至關重要的作用，避障方法有很多種，本文是基于向量場直方圖的移動機器人避障方法。由于傳統的向量場直方圖法在給定值太大或太小時都無法安全避障，本文在此基礎上，利用激光測距儀所或得的數據首先確定一個可以安全行駛的范圍，然后通過算法自動的改變給定值的大小，最終選擇最優給定值，通過差分驅動控制使機器人安全避障。并在roboticstudio仿真系統中建立場景和編程來實現。【關鍵詞】移動機器人；激光測距儀；向量場直方圖 ；差分驅動；避障study of obstacle avoidance for the mobile robot based on vector field histogramabstract【abstract】mobile robots are widely used in industrial production and manufacturing，especially in dangerous and harsh environments they can replace manual operations to reduce losses. obstacle avoidance technology plays a vital role in the development of mobile robot , there are many ways about obstacle avoidance, this article is the obstacle avoidance method for mobile robot based on the vector field histogram.if the given value is too large or too small the robot can not go through obstacles safely using traditional vector field histogram method. basing on the vfh, firstly ,determining a range of safe driving use the data from laser range finders.then changing the given value automatically and choosing the optimal value , finally using the differential drive control method make the robot avoid obstacles successfully.and make it come ture in the roboticstudio simulated system.【keywords】mobile robot；lrf；vfh ; differential drive; obstacle avoidance 目 錄摘要2abstract31概論51.1課題的目的和意義51.2課題的主要研究內容52移動機器人避障的基本原理621激光測距儀lms 200基本工作原理62.2向量場直方圖法72.3差分驅動法92.4 microsoft robotics developer studio103基于vfh的避障算法113.1算法流程圖113.2求機器人可以安全通過的所有范圍113.3移動機器人角速度和線速度133.3.1 確定給定值的原則133.3.3 角速度控制153.3.4線速度控制153.4差分驅動控制164仿真實現174.1創建場景1742編寫仿真程序224.2.1新建dss項目224.2.2獲取lrf數據234.2.3在窗口和txt文本中顯示254.2.4控制算法264.3運行仿真程序285結論31參考文獻32致謝341概論1.1課題的目的和意義 移動機器人是美國和蘇聯在60年代后期，為了探測月球表面，開發成功的。通過在地面的控制，利用美國“探測者”3號成功實施了在月球上挖溝的計劃并完成了其它的任務。蘇聯的“登月者”20號在月球表面成功著陸，控制相關設備在在月球表面鉆削巖石，并把巖石樣品裝進設備帶回實驗室。日本早稻田大學于70年代初期開發出和人類相似的兩足行走機器人。隨著原子能利用和海洋開發的發展，極限作業機器人和水下機器人也得到了迅速發展。在人們的日常生活中，機器人也開始得到使用并引起人們的高度關注。尤其在危險、惡劣的環境中可以用機器人代替人工操作而減少人力和物力資源損失。避障在移動機器人的發展中起著舉足輕重的作用。由于傳感器所獲得的數據的安全性、連續性、可靠性等不是太完美，并且移動機器人對周圍的環境感知能力不理想。因此怎樣才能夠使得機器人安全的避過障礙物而到達指定目的地越來越引起人們的關注。現在有很多移動機器人的避障法，比如勢場法、邊沿檢測法等。 1.2課題的主要研究內容本課題的主要任務與目標是在roboticstudio仿真系統中建立差分驅動輪式移動機器人的仿真環境，根據激光測距儀的障礙物距離信息，使用向量場直方圖法（vfh）設計合適的機器人避障方法，使移動機器人能夠無碰撞地通過障礙區。主要任務和目標：1、學習和了解roboticstudio仿真系統，掌握建立機器人仿真環境和編程控制機器人的基本方法； 2、學習和了解差分驅動輪式移動機器人的基本運動控制方式； 3、學習和了解激光傳感器的工作原理和方式，能夠根據激光數據獲取周邊障礙物的距離信息； 4、學習和掌握向量場直方圖法（vfh），設計合理的避障控制算法； 5、根據激光傳感器檢測到的距離信息，在仿真系統中編程實現移動機器人無碰撞地通過障礙區2移動機器人避障的基本原理21激光測距儀lms 200基本工作原理lms200 實物如圖2-1，它采用紅外線激光光束，優點是不需要接觸被測量物體的表面并且物體的形狀和顏色都沒有要求，不需要反射片或是另一接收器而可以直接接收反射回來的信號。它的最小測量距離是0m，最大測量距離是80 m ，有100和180兩種角度范圍模式可供選擇，長度誤差小于10 mm ，角度誤差小于0. 5。障礙物的尺寸、形狀能夠被迅速獲得，這些對于生成環境地圖和機器人定位都是非常有利的。圖2-1 lms 200實物lms200激光測距儀測距原理如圖2-2所示，它 是基于飛時測量原理（激光雷達）工作的。在激光傳感器工作的范圍內，發射一個激光脈沖并且被物體的表面反射回來，通過這個激光脈沖從發射出去到接受之后所消耗的時間來計算物體和lms之間的距離。 （2-1）l:物體與傳感器間的距離；c：光速;t: 激光脈沖往返的時間獲得從物體表面反射回來的激光脈沖后，激光脈沖經過一個旋轉的鏡子進行反射，形成了一個100或是180的扇形區域 圖2-2 lms工作原理2.2向量場直方圖法向量場直方圖法（vector field histogram,vfh）是由borenstein和koren一起創造出來的，向量場直方圖法的關鍵是在傳感器的周圍建立一個圖形，這樣可以避免由于傳感器所獲得數據暫時延遲而或丟失可能導致的錯誤。任意時刻創建的圖形都是一個劃分的柵格，只有在傳感器掃描范圍內的數據才會在柵格內從而取代已有的舊數據。為了能夠有效避開障礙物，它形成了一個極坐標圖，其中x軸代表行走的方向與障礙物所構成的角度，y軸是根據占有柵格的多少來計算障礙物就在運動方向的概率，如圖2-3所示。如圖2-3 極坐標圖利用此極坐標圖可以計算出機器人的行走方向。首先確定出移動機器人可以安全避開障礙物所有路徑范圍，再在這些范圍內選擇損耗最低的路徑，即最優路徑。損耗函數l可以表示為： (2-2)其中，表示目的角度； 表示輪子角度； 表示原來角度k、u、w為比例系數，損耗最小的就是最優路徑，調整這些系數可以改變移動機器人的避障效果。其中向量場直方圖法存在某些缺陷，在不同的環境下，對于同一個給定值可能使得機器人無法安全避開障礙物，給定值太大或是太小都會出現錯誤。當給定值太大時移動機器人有時無法發現障礙物而最終與障礙物發生撞擊，如圖2-4所示。當給定值太小時移動機器人有時會丟棄可以安全通過的路徑而最終進入死角，如圖2-5所示。圖2-4 給定值太小發生錯誤圖2-5 給定值太大發生錯誤2.3差分驅動法如圖26所示，這個移動機器人使用兩個輪子采用差分驅動控制，兩個輪子的直徑都是r。假設兩個輪子的中心點為p點，中心點p到兩個輪子的距離都是l。若已知r，l，且兩個輪子的轉速分別是1和2。則移動機器人的總速度如式2-3： （2-3）圖26差分動驅動的移動機器人2.4 microsoft robotics developer studio微軟開發出來的microsoft robotics developer studio(mrds)是用來為市場上已經存在的或是即將開發出的機器人建立軟件的軟件開發工具包，如果你已經有一個機器人了，可以直接用msrs進行控制，如果沒有的話，也不用擔心，因為msrs為虛擬機器人提供了一個成熟的三維仿真環境，當你下載到免費的sdk幾分鐘后就可以驅動機器人了。它的最大好處就是對個人、學校或者開發商都是免費的。msrs還包含一個成熟的實時運行環境，用來編寫強大的異步式和分布式應用程序很容易。微軟的mrds的sdk包含許多組件，并發同時運行（ccr）和分散軟件服務（dss）構成了實時運行環境。它們都是控制庫，所以運行在這些環境中的機器人服務也是通過控制代碼實現的。仿真環境是可以用來實現新算法的全物理的三維仿真器，可視化編程語言（ vpl ）是一個可以用來實現機器人服務的圖形化編程環境。除了所有這些組件，微軟團隊還開發了很多實例并且為編程用戶提供程序和塊。3基于vfh的避障算法由2.2部分的vfh的缺點可以知道當給定值太大或太小時，如果使用vfh算法的話，移動機器人都有可能無法安全通過障礙物，因此在基于vfh算法的基礎上做了修改。首先通過激光測距儀所獲得的數據計算確定機器人可以安全通過的一些范圍，然后通過算法在這些可以通過的給定值中選擇最優給定值，使得機器人可以快速安全通過障礙物。3.1算法流程圖:圖3-1算法流程圖圖3-1為基于vfh算法改進的算法流程圖。通過激光測距儀所獲得的數據，來求可以安全通過的所有范圍，即同時滿足邊長條件和長方形條件的范圍都是可以安全通過的范圍，若不滿足則激光傳感器需重新采集下一組數據。然后在在這些范圍中確定一個最優給定值，利用這個給定值，通過差分驅動分別控制機器人的角速度和線速度，安全避開障礙物。3.2求機器人可以安全通過的所有范圍步驟1：將激光測距儀lms200 的180掃描范圍分為72個扇形，每個扇形的角度為2.5，并且將每個扇形按照從右到左的順序依次標記為sm。其中m為1，2,3，.，72 。步驟2：確定每個扇形的最小掃描距離lmmin，并且用該值與給定值rg進行比較，如果該扇形區域gglmmin，那么該扇形是預備的扇形區域。圖3-2確定機器人可以安全通過的路徑方向步驟3：在步驟2中得到的所有預備扇形區域中，將所有連接在一起的并接成一個待判斷的大扇形區域，該待判斷的大扇形區域表示為qd，d為1，2，td（其中td表示待判斷大扇形區域的個數且td72）。若nf表示并接的第一個扇形，nl表示并接的最后一個扇形，d表示待判斷大扇形的角平分線與移動機器人的坐標軸的x軸的夾角，那么qd可表示為一個矩陣： （3-1）由幾何知識易得d： （3-2）步驟4:在對待判斷大扇形區域sd進行判斷選擇，若滿足以下條件，那么該區域可保證機器人能夠安全通過，此區域保留，否則丟棄。邊長約束條件：待判斷的大扇形區域的中心角所對的邊長為ed，當eg小于ed時稱為滿足邊長約束條件，其中，kg是一個比例系數，在此算法中將其設置為1.2，z是移動機器人的直徑，在仿真環境中選用的先鋒三號直徑設置為0.5米。即只需要m即滿足了邊長約束條件。長方形約束條件：激光測距儀lms200掃描所獲得的數據點都不在長方形內。該長方形的兩條邊與待判斷扇形的角平分線互相平行，具體長方形見圖3-2，其中，kd是比例系數且取值是1.2。如果不能同時滿足以下條件的則一定不滿足長方形約束條件。 （3-3） （3-4）圖3-2 確定是否滿足長方形約束條件其中a、b分別是長方形的寬和長，只有同時滿足了式3-3和式3-4才滿足長方形的約束條件如果同時符合步驟4中、的待判斷區域是安全區域，機器人可以避開障礙物而安全通過，此待判斷扇形區的角平分線叫做可安全行駛的路徑方向。3.3移動機器人角速度和線速度3.3.1 確定給定值的原則在3、2中對于某個確定的給定值g，可以求得移動機器人安全避開障礙物的路徑方向，圖3-3是給定值g不同時，移動機器人所或得的安全避開障礙物的路徑方向圖，圖3-3-1和圖3-3-2分別是給定值為3和4的時候，此時所獲得的路徑方向角度全都超過90，但此時所獲得的范圍無法滿足步驟4中的長方形約束條件，所以這兩個給定值都是不合理的，移動機器人無法成功避開障礙物。圖3-3-3和圖3-3-4的給定值分別為1和2，此時獲得的安全避開障礙物的路徑角度分別是90和110，這兩個給定值都可以保證機器人避開障礙物，但由圖容易發現當給定值為2時的效果更好，因為給定值為1時要過段時間才能夠發現前方障礙物。因此我們可以得出結論，再能夠保證移動機器人成功避開障礙物的前提下，給定值g越大越好。圖3-3-1給定值g=3 圖3-3-2給定值g=4 圖3-3-3給定值g=1 圖3-4-4給定值g=2 3.3.2確定最優給定值gb 由上部分可知在保證移動機器人可以安全避障的前提下，給定值g是越大越好。接下來將計算出自動改變給定值的計算方法。：假定給定值值g的最大值gmax： （3-5）所有可能的給定值為gj： （3-6）其中g0為最小的給定值： （3-7）k0是一比例系數，s0表示移動機器人從最大的速度開始到停止是所運行的距離: （3-8）本課題中移動機器人的最大速度vmax為0.8，減速的加速度a為-1，g0確定為1，是固定變化量且取值為0.1， ug的值選為41，則容易得到gmax為4。：由上部分中所獲得的gj（其中j=1,2,3，），用3、2中的方法判斷移動機器人是否能夠成功避開障礙物。即某個確定的給定值，判斷是否滿足邊長約束條件和長方形約束條件。如果兩個條件同時滿足，那么這個給定值就是有效的保留起來，否則該給定值就是無效的直接丟棄。：假定總共有h個給定值是有效的，則移動機器人共有h個可以通過的路徑方向。其中gj表示第j個有效的給定值，表示第j個有效值對應的可以避障的安全路徑方向與機器人的x軸的夾角，ej表示第j個有效值對應的安全路徑范圍的中心角對應的邊長。 在這h個有效值中，同時滿足式3-8的安全路徑方向中給定值最大的那個就是最優給定值，用gb表示。 （3-9） 其中是先前確定的固定值，本課題中是，是移動機器人與目標之間的角度。3.3.3 角速度控制由3、3、2的可得最優給定值，gb對應的安全路徑方就是機器人的最終行走方向，用表示。控制角速度的表達式為式3-8： （3-10）其中為比例系數，取值為0.8.注：由3、3、2確定的最優給定值gb可能對應多個安全路徑方向，其中選取中心角對應邊長最大的那個方向為移動機器人的最終行走方向。3.3.4線速度控制機器人在前進的過程中希望機器人運行的越快越好，即我們總是希望機器人的線速度是vmax，但是當機器人距離障礙物較近時或者行駛方向與目標偏離較大時，速度過大反而可能會浪費時間，此時需要減小輪子的速度。線速度表達式為： （3-11）其中為： （3-12） 其中是機器人運行過程中的最大線速度，取值為0.8， 機器人運行過程中的最小線速度。是式3-13在取時且最優給定值gb取g0時的值。 （3-13） 其中g0為最小給定值，取值為1。gmax為最大給定值，取值為4，gb為最優給定值。k1與k2之和為1并且k1大于k2，表示機器人的行走方向與目標方向之間的差距比最優給定值的優先權要高，這樣可以保證機器人更快的避開障礙物，本課題中k1取值為0.65，k2取值為0.35。3.4差分驅動控制 根據差分驅動控制原理我們可以得到機器人的角速度、線速度與左右輪的關系如式3-14： （3-14） 其中和分別是左輪和右輪的速度，l表示輪子間的距離，表示機器人的線速度，表示機器人的角速度。由此可以得到左右輪的速度如圖3-15所示： （3-15）4仿真實現4.1創建場景步驟1、添加場景和機器人打開microsoft visual simulation environment 2008，模式設置為編輯狀態。打開entityui.manifest.xml，如圖4-1所示。添加缺省場景。圖4-1 添加場景和機器人在圖4-1中，選擇lrf。再設定機器人初始位置為0,0,0 。點擊“add motor base”，添加一個差分驅動的機器人本體。成功添加機器人后為圖4-2圖4-2 成功添加機器人步驟2、修飾機器人在圖4-2的左側編輯欄中，選擇motor base with drive點擊“edit entity”出現編輯窗口如圖4-3所示，在圖4-3中找到entitystate，點擊右端的選擇按鈕會出現圖4-4然后修改本體的名稱和式樣。圖4-3 修飾機器人圖4-4修改機器人名字和式樣這里我們把name改成“p3dx”。在mesh這一項里，選擇安裝目錄下store/media/pioneer3dx.bos作為渲染文件，然后點擊確定。步驟3、修飾輪子在編輯欄中選擇p3dx，點擊“edit entity”，首先修飾左輪，找到leftwheel后點擊選項按鈕，在彈出窗口中找到entity state，出現與4類似的窗口，在mesh項中選擇pioneerwheel.bos作為輪子的渲染文件，然后點擊確定。按照同樣的方法修飾右輪。此時的機器人為圖2-5所示。圖4-5機器人p3dx步驟4、建立不可移動的環境菜單項entity-new，出現圖2-6窗口，選擇floorplanentity圖4-6建立機器人環境點擊ok，加入房間構造，然后在編輯欄中選擇floorplan，點擊“edit entity”進入二維的房間布置畫面，選擇4個wall作為走廊設置其高度為1.5，在選擇6個wall作為障礙物，布置好房間布局后，點擊“ok”按鈕退出。將場景命名為simrobtic2，保存在d:microsoft robotics developer studio 2008 r3 ，最終的場景如圖2-7所示。圖4-7 最終場景42編寫仿真程序4.2.1新建dss項目在visual c# 2008里，新建一個項目,如圖4-8所示，選擇microsoft robotics的dss service模板圖4-8 新建dss service 項目點擊“確定”后，出現如下選項：圖4-9 選擇partner總共需要添加3個partner：simulation engine， simulated generic differential driver， simulated laser range finder。4.2.2獲取lrf數據獲取激光數據的思路為圖4-10所示：圖4-10 lrf獲取數據首先使用get函數給機器人人發送消息，然后接下來判斷數據是否錯誤，如果數據正確的話則將數據保存在sensorstate的distancemeasurements屬性中，程序為sicklrf.state sensorstate = (sicklrf.state)sensororfault 判斷數據的程序為：bool haserror(portset sensororfault) fault fault = (fault)sensororfault; if (fault != null) logerror(fault.toexception(); return true; else return false; 在最后一步中的啟動計時器是為了能夠不斷更新激光傳感器的數據，編程語句為：activate(arbiter.receivewithiterator(false, _datetimeport, updatelaser);該句表示當時間端口_datetimeport消息到來時就會執行updatelaser函數一次。 taskqueue.enqueuetimer(timespan.frommilliseconds(600), _datetimeport);該句啟動一個延時計數，當經過600毫秒后，就往_datetimeport發送一個消息。4.2.3在窗口和txt文本中顯示 （1）在窗口中顯示lrf數據為了能夠在窗口中更直觀的觀察激光傳感器所獲得的數據，首先在example3項目中添加一個名為laserdata窗體，再在該窗體中添加一個名為pictureboxlaser 的picturebox控件， 為了能夠更新pictureboxlaser控件，在窗體中新增一個方法updatelaserdata由于獲取傳感器數據是在example3service類中，需要在example3service類中能夠調用該窗體的updatelaserdata方法。首先在example3service中定義窗體變量：laserdata _laserdataform;然后在start方法中啟動窗體： winformsserviceport.post(new runform() = _laserdataform = new laserdata(); _laserdataform.show(); return _laserdataform; ); 同時必須修改updatelaser任務函數，在updatelaser中增加窗體的更新方法： winformsserviceport.post(new forminvoke() = _laserdataform.updatelaserdata(sensorstate.distancemeasurements); );這樣，當每次獲得激光傳感器數據后，就會更新窗體中的pictureboxlaser控件了。（2）在txt文本中顯示機器人信息機器人是在不斷運動中的，希望能夠直觀的觀測當前的機器人的信息，例如移動機器人每個時刻的角速度和線速度。通過以下程序可實現其功能：try streamwriter sw = new streamwriter(d:textbook.txt,true);sw.writeline(response.entity.state.velocity.x+,+response.entity.state.velocity.z+,+response.entity.state.angularvelocity.x +, + response.entity.state.angularvelocity.z) ;sw.close(); catch (exception g) console.writeline(exception: + g.message); finally console.writeline(executing finally block.); 使用該段程序之前需添加引用using system.io; 該段程序可以將機器人p3dx的線速度和角速度寫在d盤下的名為textbook的txt文件中。4.2.4控制算法（1）獲得機器人位置信息在3中基于vfh的移動機器人避障算法中需得到移動機器人的x軸與目標之間的夾角，而目標信息是給定的，此時需要獲得機器人的位置信息。可以通過仿真引擎端口的querysimulationentity來完成。以下是獲得機器人位置的函數getentitystate()程序。 ienumerator getentitystate() engine.visualentity tmp = new engine.visualentity(); tmp.state = new microsoft.robotics.simulation.proxy.entitystate(); tmp.state.name = p3dx; var stateorfault = _simulationengineport.querysimulationentity(tmp); yield return stateorfault.choice(); if (!haserror(stateorfault) engine.querysimulationentityresponsetype response = (engine.querysimulationentityresponsetype)stateorfault; /顯示在_laserdataform中 _laserdataform.updateposeinfo(string.format(position: rnx=0, y=1, z=2rnorientation: rnx=3, y=4, z=5rn w=6,angle=7rnvelocity=8,9,10rna velocity=11,12,13, response.entity.state.pose.position.x, response.entity.state.pose.position.y, response.entity.state.pose.position.z, response.entity.state.pose.orientation.x, response.entity.state.pose.orientation.y, response.entity.state.pose.orientation.z, response.entity.state.pose.orientation.w, convertquaternion(response.entity.state.pose.orientation) * 180 / math.pi, response.entity.state.velocity.x, response.entity.state.velocity.y, response.entity.state.velocity.z, response.entity.state.angularvelocity.x, response.entity.state.angularvelocity.y, response.entity.state.angularvelocity.z); 上面一段程序同時可以更新4.2.3中定義的窗口，將所獲的當前數據顯示在_laserdataform中。由于仿真環境中方向表示方法與現實生活中人們的習慣不一樣，為了把表示方向的四元組轉換成在平面中更加熟悉的角度，特定義了convertquaternion函數來實現該功能 private double convertquaternion(microsoft.robotics.physicalmodel.proxy.quaternion q) microsoft.robotics.physicalmodel.axisangle a = new microsoft.robotics.physicalmodel.axisangle(); microsoft.robotics.physicalmodel.quaternion q1 = new microsoft.robotics.physicalmodel.quaternion(); q1.x = q.x; q1.y = q.y; q1.z = q.z; q1.w = q.w; a = microsoft.robotics.physicalmodel.quaternion.toaxisangle(q1); if (float.isnan(a.angle) return 0; else if (math.sign(a.axis.y) run manifest或者按f5開始運行仿真程序。機器人在場景中的運行結果如圖4-13所示圖4-13 機器人在場景中運動其中激光數據在窗口中的顯示為圖4-14：圖4-14 窗口顯示 5結論 本課題是在向量場直方圖法的基礎上進行了算法的修改，客服了vfh方法的的缺點，即當給定值太大或是太小時機器人都可能無法成功避開障礙物的缺陷。本避障算法可以自動改變給定值的大小，并且選擇最優給定值來保障機器人以最快和最安全的避開障礙物。最終在roboticstudio仿真系統中建立差分驅動輪式移動機器人的仿真環境，根據激光測距儀的障礙物距離信息，使移動機器人能夠無碰撞地通過障礙區。參考文獻 1.borenstein j，koren ythe vector field histogram-fast obstacle avoidance for mobilerobotsieee jou!tlal ofrobotics and automation，1991(7)：2782882.孫樹棟，林茂基于遺傳算法的多移動機器人協調路徑規劃j自動化學報，2000 ,26(5)：672-6763. 徐玉華, 張崇巍, 徐海琴. 基于激光測距儀的移動機器人避障新方法j. 機器人, 2010,32(02):179-183.4. roland siegwart, lllah r. nourbakhsh著, 李人厚 譯. 自主移動機器人導論. 西安交通大學出版社. 2006.5. 楊明, 王宏, 何克忠, 張鈸. 基于激光雷達的移動機器人環境建模與避障j