編 號： 審定成績： 畢業設計（論文） 課題 移動機器人的環境勘測與繪圖 專業年級 機械工程及自動化 學 號 3120120033 姓 名 吳來斌 指導教師 郭老師 評 閱 人 二一四年五月摘 要移動機器人的環境勘測與繪圖移動機器人環境勘測與繪圖是機器人研究領域的一個熱點問題。超聲傳感器和紅外傳感器在移動機器人中的應用大大提高了機器人探測環境的能力。利用傳感器采集到的大量數據可以進行環境地圖的創建。本文主要研究在上位機中如何處理觀測數據的問題。本文介紹的環境勘測主要是采用1個超聲波傳感器和6個紅外傳感器協同工作，超聲波傳感器的數據用來進行地圖創建，紅外傳感器主要輔助機器人進行有效的避障。采用了NI公司的Lab Windows/CVI虛擬儀器軟件建立環境地圖，并進行數據處理。由于超聲傳感器本身存在測距誤差、散射角度大、鏡像點多等問題，因此在數據處理時，通過C語言算法對數據點進行有效控制，去除大量不確定數據。在直線走廊、L形墻角、U形環境等實驗條件下進行了數據采集與數據處理測試。取得了比較好的效果，對環境仿真程度比較逼真?！娟P鍵詞】 移動機器人 環境勘測 地圖創建 Lab Windows/CVIENVIRONMENT EXPLORATION AND MAP BUILDINGBY MOBILE ROBOTAbstract Environment exploration and map building by mobile robot is a hot issue in the robot research field. Ultrasonic sensor and infrared sensor are used by mobile robot and they increase robots ability of environment exploration. Using a lot of data gathered by sensors, we can build the environment map. This paper research how to deal with the observation data in the PC. In this paper , single ultrasonic sensor cooperated with 6 infrared sensors to explore the environment. The data by ultrasonic sensor is used for map building, and infrared sensors is help robot to avoid obstacles effectively. Using NI companys virtual instrument software Lab Windows/CVI to build the environment map and treat with the data. The ultrasonic sensor has some problems, such as measuring error, big dispersion angle, mirror image. so in the data process, we control the data point by C arithmetic and delete lots of uncertainty data. In the experiments of beeline aisle, encoignure of L shape, U form, we collect environment data and do the test of data treatment. Form these experiments, we achieve the purpose. 【Key words】 mobile robot environment exploration map building Labwindows/CVI河海大學本科畢業設計（論文） 目 錄第一章 前言11.1 課題背景與意義11.2 代表性的研究工作2第二章 研究的主要內容32.1 機器人的自定位42.2 移動機器人探測環境的傳感器技術52.3 多傳感器信息的融合7第三章 傳感器的介紹83.1 超聲波傳感器83.2 紅外傳感器123.3 多傳感器的數據融合與控制決策13第四章 環境地圖的表示方法154.1 拓撲圖164.2 特征圖164.3 網格圖174.4直接表征法17第五章 環境地圖創建設計方案185.1 障礙點位置的推算195.2 軟件設計235.3 不確定信息處理26第六章 實驗仿真296.1 直線走廊環境296.2 L型環境306.3 U形環境31第七章 結論與研究展望327.1多智能機器人協調探測327.2實時在線探測337.3多傳感器信息融合337.4三維環境地圖構建33致 謝34參考文獻35 第一章 前言 1.1 課題背景與意義移動機器人的環境勘測與地圖創建是機器人領域的熱點研究問題。對于已知環境中的機器人自主定位和已知機器人位置的地圖創建已經有了一些實用的解決方法。然而在很多環境中機器人不能利用全局定位系統進行定位，而且事先獲取機器人工作環境的地圖很困難，甚至是不可能的。這時機器人需要在自身位置不確定的條件下，在完全未知環境中創建地圖，同時利用地圖進行自主定位和導航。這就是移動機器人的同時定位與地圖創建(SLAM)問題。SLAM也稱為CML(Concurrent Mapping and Localization)，最先是由smithself和Cheeseman提出來的。由于其重要的理論與應用價值，被很多學者認為是實現真正全自主移動機器人的關鍵。在SLAM中,機器人利用自身攜帶的傳感器識別未知環境中的特征標志，然后根據機器人與特征標志之間的相對位置和里程計的讀數估計機器人和特征標志的全局坐標。這種在線的定位與地圖創建需要保持機器人與特征標志之間的詳細信息。近幾年來，SLAM的研究取得了很大的進展，并已應用于各種不同的環境，如:室內環境、水下、室外環境。探測環境與構建地圖是移動機器人研究領域中發展起來的一個研究方向，受到了研究人員的日益關注?？臻g和危險場合是機器人的一個很重要應用領域。很多情況下，作業空間的信息是未知的，這樣在派機器人進入該環境時，就需要它對作業環境能進行有效地探測，構建出作業環境的地圖來。只有在了解了環境的基礎上才可能進行導航、路徑規劃、避障策略和其他操作的設計。1.2 代表性的研究工作從移動機器人構建地圖方面公開發表的文章來看，多數研究工作尚處于模型或設計模擬階段。多是在仿真條件下研究相應的算法。這里僅列出了比較有代表性的一些研究工作。美國Ohio State University建立的GPSVan系統，采用了GPS、INS、輪式計數器、CCD與彩色視頻攝像機等傳感器。德國U.Armed Forces建立的KISS系統，采用了GPS、INS、測距儀、高度計、CCD與彩色視頻攝像機等傳感器。德國Tech.School Aachen建立的Surveying Vehicle系統，采用了GPS、輪式傳感器、氣壓計、視頻CCD等傳感器。加拿大的Geofit Inc.建立的VISA系統，采用了GPS、INS、CCD與彩色攝像機等傳感器。美國CMU建立的Ambler和Navlab系統，分別采用了激光雷達掃描儀、推測定位法和視頻CCD、Doppler、聲納傳感器。參與ARPA工程的幾家公司和大學建立了UGV系統，采用了紅外彩色立體視頻攝像機、激光雷達、GPS、傾斜計、流量羅盤等傳感器。上述幾種系統主要是用來構建道路圖的，因為都使用了GPS。利用立體視覺可以得到環境特征的相對位置，從而能構建出部分三維地圖來。在以前的研究基礎上，美國CMU用一個名為Minerva的交互式導游機器人在一座博物館中為游人做向導。他們利用Monte Carlo定位器得出用最大概率值表示的地圖來。在他們的研究中也運用了多種理論進行地圖構建，包括貝葉斯理論、馬爾可夫方法、卡爾曼濾波算法、概率論算法等。Cai和Pagac分別用范圍傳感器進行了單個機器人和多個機器人對簡單環境的探測。Hans用基于特征的方法產生擴展卡爾曼濾波器對機器人的定位與環境圖繪制加以合成。Ducket將模糊ART神經網絡結構及預測性軌跡過濾方法引入到機器人的學習中，實現環境信息的更新；Yamauchi利用Frontier_cell理論研究了環境的探測問題，而Shanahan對這一問題的研究則側重于用邏輯公式描述智能體與環境的關系，他采用的是事件積分法；Moorehead的研究中引用了Greedy Search Algorithm來搜集環境信息。由于機器人準確地知道其相對位置，使得問題集中在如何感知環境信息，如何將感知的環境信息合理地融合，以及如何有效地協作和避障，從而較準確地畫出環境地圖來。 第二章 研究的主要內容早期的許多系統是由操作者手動指揮機器人在環境中運動，要么是依靠預先存儲的地圖，要么是采用被動機構來構建地圖。而在另外的系統中，構建地圖所需要的傳感器-計算機數據是由機器人在人工控制下采集到的，然后再采用離線的學習算法來找到與數據匹配的最好的地圖來。盡管這些方法有一定的優點，但是人工干預代價太大，而且易于產生人為誤差。同樣的，盡管反應式行為通常具有很好的魯棒性，但卻不能保證在復雜大環境下建造出完整的地圖來。因此最靈活的方法是讓機器人通過基于地圖的自動搜索來自行構造地圖，也就是說機器人能夠自動標識出未探測的區域來，根據自己構建的地圖導航到這些區域，同時也不斷地更新它所構建的地圖?，F在該方向的研究主要集中在機器人的自定位、傳感器技術和信息融合三方面。移動機器人環境勘測與繪圖領域中存在一些關鍵問題及難點：機器人地圖創建中的導航問題。在完全未知的環境里,機器人沒有任何的參照物,只能依靠自己并不十分準確的傳感器來獲取外界信息,由于計算實時性的限制,如同一個盲人在建筑物里摸索的情況,這種情況下,定位是比較困難的。實際上目前機器人地圖創建的一個主要難點也正是難以解決機器人自身精確定位的問題。環境特征不夠明顯時。例如比較空曠的室外環境中，很難提取到合適的環境特征。傳感器信息比較少,難以從一次感知信息中獲得環境特征。例如使用聲納或紅外傳感器。動態干擾。大多數研究都是假設機器人所在的環境是一個靜態環境,當環境中存在動態障礙物(例如走動的人)時,機器人可能會給出錯誤的結果,即地圖中出現不存在的靜態障礙物。為去除動態干擾,可以借助其他傳感器(例如視覺)識別出環境中的動態障礙物,也可以通過冗余信息的融合將干擾濾掉。綁架問題(kidnapping problem),即機器人的位置由于外力的作用發生了突然變化,但機器人自己并不知道發生了變化,而環境的變化使得機器人信息混亂,得到的地圖也變得不可靠。大規模循環環境,例如環形走廊,這樣的環境缺乏局部特征,定位算法則由于失去參照而產生越來越大的積累誤差。對于以上問題,一方面需要提高機器人個體的感知能力,另一方面也需要在現有的機器人感知能力限制下,設計更好的不確定信息處理算法,提高系統的可靠性。2.1 機器人的自定位關于機器人的自定位研究對于移動機器人來說，為了能高效率地從環境中穿行并到達目的地，或者要構建出環境的地圖來，就必須找到一種方法，使它能根據環境中已知的一些特征而判斷出它自身的位置來。這就是機器人的定位問題。機器人要想能在未知環境中自動行走，定位是最基本的問題。通常，最基本的定位方法是推測定位法。這種方法是通過對機器人的速度進行時間積分而確定機器人距離起始位置發生的位置變化。但是，單純用推測定位法容易產生隨時間無限增大的誤差，這就需要在此基礎上再采用另外一些附加措施，來周期性地糾正機器人的位置誤差。通常情況下是用擴展的卡爾曼濾波器將附加的定位技術與推測定位法相結合，來更為準確地更新機器人的位置。有許多方法可以實現基于傳感器的定位技術，而這些技術往往是通過確定一些探測到的環境特征與已知的環境地圖間的對應附和性而實現定位的。有了地圖中一些特征物的已知位置和被感知到的這些特征物距機器人的位置，就可以確定出機器人的當前位置。2.2 移動機器人探測環境的傳感器技術無論是定位還是行走，機器人都是靠傳感器收集環境信息來實現的。目前，機器人進行環境探測所用的傳感器主要有范圍傳感器（包括聲納、紅外、激光等）和視覺傳感器。早期的研究集中在傳感器硬件的改進上，現在逐漸轉移到算法開發上。任何傳感器都有其固有的局限性，會產生信號噪聲。探測環境信息的信息噪聲可以通過補償算法加以消除，而定位產生的噪聲則會對定位產生直接的誤差。而且傳感器的范圍和分辨率限制使得一些很重要的環境性質無法被檢測到。而機器人與環境的模型本身就具有模糊性的，也會對傳感系統探測帶來額外的不確定性。下面是對探測環境所采用的傳感器技術進行的總結： 2.2.1 測距法測距法在短時間內的探測結果有很高的準確度，但傳感器需要極高的采樣率。而且誤差隨時間的積累會使最終的位置誤差很大。實際誤差分為兩類：系統誤差和非系統誤差。系統誤差是由機器人運動學上的不完善引起的；非系統誤差是機器人與環境地面之間因打滑、撞擊等引起的。2.2.2 慣性導航慣性導航用陀螺儀和加速儀的測量結果積分合成得到機器人位置。這種方式不需要外在的參考系。但是慣性傳感數據會隨時間產生偏差，每次積分后原先的微小誤差都會無限制地增大。光纖陀螺儀（又稱為激光陀螺儀）用來檢測和修正系統產生的位置誤差，其檢測非常準確。2.2.3 磁性羅盤從對推測定位累積誤差的影響來說，機器人的運動朝向在導航參數（坐標與運動朝向）中是最重要的。磁性羅盤就能夠檢測出機器人的絕對運動朝向來。其不足是在電源線或輪子的結構附近地球磁場往往會被扭曲。根據與地球磁場有關的物理影響不同，可以分為機械式磁羅盤、流量控制磁羅盤、大廳效應羅盤、磁致阻抗羅盤和磁致彈性羅盤。對于移動機器人而言，流量控制羅盤較為適用。2.2.4 主動燈塔主動燈塔可以很可靠地被檢測到，并且只需要最少的處理就可以提供精確的定位信息。它可以容忍很高的采樣率，從而產生很高的可靠性，其不足是會導致很高的安裝和維護費用。探測方法有三邊法和三角法。2.2.5 全球定位系統全球定位系統由若干衛星和地面接收器組成，主要適用于室外環境的地圖建造。用一種很先進的三邊算法地面接收器可以計算出衛星的位置來，已知地面接收器與三個衛星間的距離，從理論上就可以計算出接受器的緯度、經度和高度。由于樹木和山地的影響帶來的周期性信號阻滯、多路徑干擾、初步導航系統定位精度不夠等是這類系統的不足之處。2.2.6 路標導航在路標導航中，一般來說，路標都有固定的已知位置，機器人參照路標可以進行相對定位。為了使問題簡化，經常假設機器人的當前位置和朝向已經劃定，機器人只需在有限的區域內尋找路標。為了成功檢測出路標來，需要很高的測距精度。2.3 多傳感器信息的融合由于越來越多的研究采用了多種或多個傳感器，就出現了多傳感器信息的融合問題。多傳感器信息融合系統把從多個傳感器得到的信息結合起來，可以更好地描述探測對象。多傳感器比單種或單個傳感器能提供冗余和互補性的信息。冗余信息可以用來降低某類傳感器信息的不確定性，使系統在某一傳感器失效時仍保持穩定性，或者說具有魯棒性?；パa性信息可以更為完整地提供被探測對象的狀態。盡管遇到的具體問題困難各異，但最終目標是一樣的，就是利用所有能得到的數據來更好地理解被研究的現象。2.3.1 融合結構關于融合結構可分為3類：集中式結構、分層式結構和分布式結構。傳統的融合結構是集中式的，來自不同傳感器的數據被送到一個中央元件，即融合節點，在這里完成數據的融合。集中式融合結構有如下缺點：計算和通信的負載過重，融合節點可能失效，對系統和傳感器的變化不具有適應性。在分層式結構中，有若干個融合節點可以完成間接的數據融合，還有一個中央融合節點，作最后的融合。由于各融合節點可以在不同的處理器中，這樣計算負荷就減小了。但是它存在通信瓶頸和中央融合節點的問題。而分布式融合結構是由多個融合節點組成，各融合節點處理與其相應的傳感器提供的數據，并將所得的信息發送給其他的節點，使其可以在相應的融合處理過程中使用該信息。根據融合節點的連接方式，可以給分布式結構定義出不同的拓撲結構來。在完全連接的拓撲結構中，所有的融合節點都與其他的融合節點相連接，并接收信息，從而可以在融合過程中使用所有能得到的數據。而在不完全連接的拓撲結構中，融合節點只能使用不同傳感器的部分信息。分布式融合結構的優點在于其具有模塊化、適應性和可擴展性，以及對一些節點的失效具有魯棒性。2.3.2 融合算法關于融合算法基本上有2種理論：決策或檢測理論與估計理論。前者主要用來做決定，對目標進行探測或分類。其基礎理論為人工智能技術，如：神經網絡，模糊邏輯，貝葉斯方法，基于規則的方法，Dempster-Shafer方法。后者是要找到與所觀察到的數據較吻合的狀態。估計理論問題可以分為以下3類：過濾、預測和消除不確定性，分別指：上一次感知的時間、將來的某一時間和過去的某一時間，在當前所能得到的數據基礎上，估計系統的狀態。三者的結合則可以用全部的信息來估計系統在任何時間的狀態，并且能處理異步數據的融合。但是由于其計算量太大，因此在實時系統中并非十分適用。 第三章 傳感器的介紹3.1 超聲波傳感器超聲波是一種只有少數生物(如蝙蝠、海豚)才能感覺到的機械波，其頻率在20kHZ以上，波長短，繞射小，能定向傳播。它具有縱波(在氣、液、固體中傳播)、橫波(在固體中傳播)和表面波(沿固體表面傳播)三種波型，而且遇到雜質或傳播介質分界面會產生明顯的反射，這種反射不是嚴格定向的，具有散射性。以超聲波作為檢測手段，必須產生超聲波和接收超聲波。完成這種功能的裝置就是超聲波傳感器，習慣上稱為超聲換能器，或者超聲探頭。 超聲波探頭主要由壓電晶片組成，既可以發射超聲波，也可以接收超聲波。小功率超聲探頭多作探測作用。它有許多不同的結構，可分直探頭（縱波）、斜探頭（橫波）、表面波探頭（表面波）、蘭姆波探頭（蘭姆波）、雙探頭（一個探頭反射、一個探頭接收）等。在移動機器人中應用的超聲波傳感器，是利用超聲波在空氣中的定向傳播和固體反射特性(縱波)，通過接收自身發射的超聲波反射信號，根據超聲波發出及回波接收時間差及傳播速度，計算出傳播距離，從而得到障礙物到機器人的距離。從發射波束特性知，由于擴散角的原因，使超聲測距的角度分辨率較低，但距離分辨率較高(lcm左右)，目前最大探測距離為15米，最小盲區0.3-0.4米。超聲波傳感器具有反映靈敏、探測速度快(一個測量周期僅需幾十毫秒)的優點，而且結構簡單，體積小，成本低，因而在目前己知的實驗型和應用型移動機器人中，多數都安裝了它，用于室內和室外近距離避(停)障。通常，以多個傳感器組成陣列形式，根據單個傳感器擴散角及反射特性，確定合理的密度，己覆蓋要求的探測區?？偟膩碚f，超聲波傳感器的造價低廉、速度快、距離分辨率較高，但其方向性茶、鏡面反射嚴重、測距范圍小，因此，比較適合于室內環境的距離測量，在室外場合下無法滿足應用的要求。3.1.1 超聲波傳感器的性能指標 超聲探頭的核心是其塑料外套或者金屬外套中的一塊壓電晶片。構成晶片的材料可以有許多種。晶片的大小，如直徑和厚度也各不相同，因此每個探頭的性能是不同的，我們使用前必須預先了解它的性能。超聲波傳感器的主要性能指標包括： （1）工作頻率工作頻率就是壓電晶片的共振頻率。當加到它兩端的交流電壓的頻率和晶片的共振頻率相等時，輸出的能量最大，靈敏度也最高。 （2）工作溫度由于壓電材料的居里點一般比較高，特別時診斷用超聲波探頭使用功率較小，所以工作溫度比較低，可以長時間地工作而不失效。醫療用的超聲探頭的溫度比較高，需要單獨的制冷設備。 （3）靈敏度主要取決于制造晶片本身。機電耦合系數大，靈敏度高；反之，靈敏度低。3.1.2 超聲波測距原理由物理學知，聲波屬于彈性機械波，按振動頻率的不同，分為次聲波（小于20），聲波（2020）及超聲波（以上）。由于超聲波反射能力很強，而且波長也遠比一般的平面反射物表面粗糙度大，所以通常對堅硬物質表面都能反射，利用這一特性，可以將超聲波用于物體定位。人們設計了各種各樣的超聲波定位裝置。這里使用的測量方法是“回波法”，其基本原理如圖3.1所示。超聲波傳感器發射波超聲波回波 障礙物圖3.1 超聲波測距原理超聲波傳感器將固定頻率的超聲波發射出去。聲波在傳播過程中，遇到障礙物后被反射回來。由于發射出去的超聲波及反射回來的超聲波頻率相同。因此超聲波傳感器可將反射回來的超聲波與環境中其他頻率的聲波信號區別開來，從而捕獲回波信號。令超聲波發射時刻為，返回時刻為。則超聲波傳感器與障礙物距離d為： 式中表示聲速聲波在傳輸及反射過程中會有損耗，幅值變化程度與探測距離成反比。障礙物越遠，反射回來的超聲波能量越低。當距離大到一定程度，反射回的超聲波信號非常微弱，不被檢測到，超聲波測距模塊達到測量閾值上限。目前基于“回波法”的超聲波測距模塊測量閾值上限一般為310米。對于給定的超聲波傳感器探頭，閾值上限主要是由發射功率決定的。超聲波發射能量越大，幅值越高，其探測的距離就越遠。3.1.3 超聲波頻率的選取前文已經提到超聲波是大于的聲波。不同頻率的聲波在大氣中的傳播速度是相等的。但聲波頻率越高，衰減地就越厲害，傳播距離就越短。因此頻率較低的超聲波傳播距離較長；但由于其波長較長，因此測量精度較低。例如當頻率為時，波長為0.85厘米，當頻率為時波長為1.7厘米。所以雖然的聲波傳播距離較遠，但是精度卻降低了一倍。因此在設計超聲測距模塊時應該綜合考慮，在既不影響接收時強度，又具備所需精度情況下，對測距儀選用頻率。在本實驗中，要求超聲波測量距離為3米，因此選用的超聲波探頭較為合適。3.1.4 超聲波測距的優、缺點超聲波測距的優點：1.超聲波對色彩、光照度不敏感，可適用于識別透明、半透明及漫反射性差的物體（如玻璃，拋光體）。2.超聲波對外界光線和電磁場不敏感，可用于黑暗、有灰塵或煙霧、電磁干擾強、有毒等惡劣環境中。3.超聲波傳感器結構簡單，體積小，費用低，信息處理簡單可靠，易于實現。超聲波測距的缺點：1.由超聲波原理可知，它是以聲波速度不變為基礎的，然而在實際環境中，聲波速度會受環境中各種因素例如氣體密度、溫度、濕度、分子成分等的影響，從而給測量帶來誤差。2.此外由于超聲波能量較強，即使在給定空間中只有一個超聲波發射源，仍然可能因為超聲波在空間中反復彈射而帶來干擾誤差。3.超聲波測距模塊在近距離有盲區，且方向性較差。3.1.5 超聲傳感器的構架方案目前國內外類似的環境探測移動機器人，采用的多是利用多超聲傳感器按不同角度組成陣列的方式對周圍環境進行探測。而我們研制的移動機器人獨創性的采用了一個超聲傳感器加轉向機構的方式來實現同樣的功能。缺點是實時性不高，行駛速度有限。但由于我們采取了根據環境信息自動調節行駛速度的控制策略，很好的解決了這個問題。在保證精度的前提下，最高速度達到了1m/s，在目前移動機器人中屬于速度較高的類型。 圖3.2 超聲傳感器轉動角度位置圖優點是由于使用較少的高精度超聲波傳感器，一方面成本顯著降低，另一方面大大縮小了我們的移動機器人的結構尺寸，體形輕巧。 3.2 紅外傳感器紅外線也是一種只有少數生物(如響尾蛇)才能感覺到的光波，其波長為lam- 1000nm，具有定向傳播和反射能力。盡管自然環境中各種物體均能不同程度的釋放出紅外能量，但由于其波長及大小很難準確分辨，故移動機器人上的紅外傳感器，工作原理與超聲波傳感器類似，同樣采用發射固定波長的紅外線并接收同一回波的主動方式，其探測特性與超聲波傳感器恰好相反，即角度分辨率高，而距離分辨率低。當然，它同樣具有靈敏度高，結構簡單，成本低等優點，因此在移動機器人中，常用作接近覺傳感器，探測臨近或突發運動障礙，便于機器人緊急停障。目前市場上提供的紅外線傳感器多只提供一個量程，且體積較大，不適合作為我們移動機器人的測距傳感器。因而我們自行研制了紅外線測距模塊。為了能有效判斷障礙物與移動機器人的距離范圍，我們的紅外線測距模塊可以將測量結果分成4段，最大測量范圍為80cm。適合作為我們移動機器人的測距傳感器，同時此模塊還具有體積小巧的優點，測量頭只有1.51.51cm。 紅外分布式接近傳感器測量結果分成4段，最大測量范圍為80cm，如表3.1 所示。這樣，移動機器人便可以感知其周圍障礙物的接近程度，并采取相應的避障控制算法，很大程度上提高了移動機器人在復雜環境中執行任務的能力和效率。 表3.1 紅外傳感器的探測距離分布移動機器人距障礙物距離D障礙物接近程度0cmD25cm近25cmD55cm中55cmD80cm遠80cm D較遠 3.3 多傳感器的數據融合與控制決策移動機器人配備了多種傳感器，包括1個超聲波傳感器、6個分段式紅外線傳感器、加速度計、里程計和角速度陀螺儀。這些傳感器采集的信息有些是冗余的，有些是互補的。將多傳感器的數據進行融合，以充分利用傳感器資源，從而使系統做出更優的控制決策,如圖3.3。圖3.3 多傳感器數據融合與控制決策 其中，超聲波傳感器和一個紅外線傳感器可旋轉，對環境信息進行探測。超聲波傳感器每隔讀取一次值，用黑色的長線表示；紅外線傳感器每隔讀取一次數值，用紅色的短線表示，為超聲波傳感器的波束角，如圖3.4所示。圖3.4 超聲波與紅外線掃描示意圖如圖3.5所示“探索者”環境感知系統由6個分段式紅外線傳感器（圓圈），1個超聲波傳感器（三角形）和一個轉向機構組成。車輛前進時，超聲波傳感器以及1、2、3號紅外線傳感器提供環境信息。車輛后退時4、5、6號紅外線傳感器提供環境信息。142356圖3.5 傳感器配置方案 第四章 環境地圖的表示方法創建地圖必須解決三個基本的問題1)如何表示環境地圖,即地圖的表示方法。2)怎樣獲得環境信息,機器人在環境中漫游并記錄傳感器的感知數據,這就涉及到機器人的導航問題。3)怎樣表示獲得的環境信息并根據環境信息更新地圖,這里需要解決對不確定信息的描述和處理方法?？梢蕴岢龊芏嘤糜诒硎经h境地圖的方法,但這種方法應滿足下面三個要求:便于計算機的處理容易加入新的信息更新地圖機器人可以依靠該地圖信息完成特定的任務,如導航、搜索等等。 構造地圖的目的是用于絕對坐標系下的位姿估計并指導機器人進行路徑規劃。環境預存地圖可以是CAD模型圖、手工繪制的結構圖或者由傳感器數據構造的模型圖。地圖的表示方法有四種：拓撲圖、特征圖、網格圖及直接表征法。拓撲圖把室內環境表示為帶結點和相關連接線的拓撲結構圖，其中結點表示環境中的重要位置點(拐角、門、電梯、樓梯等)，邊表示結點間的連接關系，如走廊等。特征圖用有關的幾何特征(如點、直線、面)表示環境。網格圖則是把環境劃分成一系列網格，其中每一網格給定一個可能值，表示該網格被占據的幾率。直接表征法省去了網格或特征表示這一中間環節，直接用傳感器讀取的數據來構造機器人的位置空間。幾種方法各有自己的特點和適用范圍，其中特征圖和網格圖應用最普遍。4.1 拓撲圖拓撲圖通常是根據環境結構定義的，由位置結點和連接線組成。環境的拓撲模型就是一張連接線圖，其中的位置是節點，連接器是邊。拓撲圖可組織為層次結構。例如在最底層，一個位置可能就是一個房間，但在更上一層時則可能是一棟建筑物或一座城市。地鐵、公交路線圖均是典型的圖形結構實例，其中停靠站為節點，節點間的通道為邊。拓撲單元的例子有走廊和房間等，而打印機、桌椅等則是功能單元。連接器用于連接對應的位置，如門、樓梯、電梯等。拓撲圖把環境建模為一張線圖表示，忽略了具體的幾何特征信息，不必精確表示不同節點間的地理位置關系，圖形抽象，表示方便。當機器人離開一個節點時，機器人只需知道它正在哪一條邊上行走也就夠了。在一般的辦公環境中，走廊的岔道處成90角，因而只有四個方向需要識別。這通常應用里程計就可實現機器人的定位。為了應用拓撲圖進行定位，機器人必須能識別節點。因此節點要求具有明顯可區分和識別的標識、信標或特征，并應用相關傳感器進行識別。拓撲圖易于擴展，但難于可靠、精確地識別具體位置。4.2 特征圖利用環境特征構造地圖是最常用的方法之一，大多數城市交通圖就是采用這種方法繪制的。指示房間位置的門牌號是最易接受的特征實例。在室內結構化環境中，最常見的特征是直線段、角、邊。這些特征可用它們的顏色、長度、寬度、位置等參數表示?；谔卣鞯牡貓D一般用如下的特征集合表示：，其中是一個特征(邊、線、角等)，是地圖中的特征總數。Chatila最早應用多邊形地圖來表示環境結構，并根據激光測距傳感器的讀入值預測機器人所在位置。Drumhellor用線段構造全局地圖，并用超聲波傳感器進行定位。Arras和Tomatis用激光雷達提取水平直線特征，用視覺系統提取垂直線段特征，使地圖結構更加豐富。應用人工標識的定位方法是比較常用的特征定位方法。該方法需要事先在作業環境中設置易于辨別的標識物。當應用自然標識定位時，自然信標的幾何特征(如點、線、角等)得事先給定。特征法定位準確，模型易于由計算機描述和表示，參數化特征也適用于路徑規劃和軌跡控制，但特征法需要特征提取等預處理過程，對傳感器噪聲比較敏感，只適于高度結構化環境。4.3 網格圖特征參數法的一個缺點是對所應用的特征信息必須有精確的模型進行描述。另一種替代的方法是應用網格圖。網格圖把機器人的工作空間劃分成網狀結構，網格中的每一單元代表環境的一部分，每一個單元都分配了一個概率值，表示該單元被障礙物占據的可能性大小。網格法最早由Moravec和Elfes提出，在機器人的路徑規劃、導航、避障控制、位姿估計中均得到了廣泛應用，并已成為一種通用的移動機器人定位方法。網格法是一種近似描述，易于創建和維護，對某個網格的感知信息可直接與環境中某個區域對應，機器人對所測得的障礙物具體形狀不太敏感，特別適于處理超聲測量數據。但當在大型環境中或網格單元劃分比較細時，網格法計算量迅速增長，需要大量內存單元，使計算機的實時處理變得很困難。4.4直接表征法直接表征法是直接應用傳感器讀入的數據來描述環境。由于傳感器數據本身比特征或網格這一中間表示環節包含了更豐富的環境描述信息，因此直接應用原始傳感器數據的環境表示法并不是一種離奇的想法。通過記錄來自不同位置及方向的環境外觀感知數據，這些圖像中包括了某些坐標、幾何特征或符號信息，利用這些數據作為在這些位置處的環境特征描述。這與識別拓撲位置所采用的方法原理上是一樣的，差別僅在于該法試圖從所獲取的傳感器數據中創建一個函數關系以便更精確地確定機器人的位置。由于在不同的方位所獲得的外觀圖像不同，如果在局部地圖中傳感器數據到機器人位置間具有一一對應關系，那么將當前位置獲取的圖像與原來的參考圖像進行比較，則可以跟蹤機器人的位置。對該函數經過一定的轉換，可進行全局定位。 直接表征法數據存貯量大，環境噪聲干擾嚴重，特征數據的提取與匹配困難，其應用受到一定限制。 第五章 環境地圖創建設計方案畢業設計中所用的移動機器人是基于指導老師改裝的智能小車。該智能小車具有較高的自主導航定位精度，利用超聲傳感器和紅外傳感器進行環境探測與識別，能夠實現自主避障和多點動態路徑規劃功能。 圖5.1 移動機器人實物圖 圖5.2 移動機器人的控制結構 圖5.3 移動機器人數據采集流程5.1 障礙點位置的推算系統具有了較高精度的導航定位和較強的環境探測能力之后，就可以進行環境繪制，畫出環境的二維地圖。如圖5.4所示，移動機器人位置為，障礙物相對移動機器人的距離為，相對移動機器人正前方夾角為（障礙位于移動機器人正前方的左邊時為正，位于移動機器人正前方的右邊時為負）。障礙物相對于移動機器人所在方向逆時針為正,順時針為負。0圖5.4 小車位姿及障礙示意圖 根據移動機器人的位姿和障礙物相對于移動機器人的位置，便可推算出障礙物的坐標，實時地進行地圖繪制。障礙點坐標可由式5.1 得出： （5.1）假設超聲傳感器的最大有效值為MAX,當超聲的讀數大于最大有效值時,認為超聲沒有返回讀數.最大有效值越大,機器人就“看”得越遠,但是傳感器的讀數也就越不精確.為了保證較好的精確度,將MAX設定為2. 5.如果超聲的讀數小于最大有效值,那么就認為超聲讀數有效,也就是檢測到了障礙物.圖為沒有設定MAX值，超聲傳感器認為超過3米遠的地方就返回一個距離為3米障礙點，那么整個圖形顯示就非常的雜亂，很難辨別出環境的輪廓。局部特征地圖是根據連續幾次超聲掃描獲取的機器人當前位置的幾何特征地圖.在機器人運動過程中,首先根據當前的超聲數據預測可能的特征,然后通過特征匹配,最后獲得局部特征地圖。圖5.5 超聲波傳感器設定MAX值前、后得到的環境地圖對比在實驗中，常常會在墻角后方比較遠處標出一個障礙點，這個點實際上是個鏡像點，是一個虛假的障礙點，在實驗中，我們必須要把此類障礙點排除掉，使描繪出來的地圖更加逼真，且不顯得累贅。進入墻角后小車速度會降低，在障礙物前徘徊，此時超聲傳感器繼續掃描周圍環境，采集到的數據點會不斷增加，如果把這種情況下的障礙點描繪出來，在地圖中會增加大量的重復點，而且有些點屬于鏡像點。圖5.6 幻影產生示意圖結合我們實驗用的移動機器人現有數據和裝備，我們可以利用速度來判斷小車是否陷入了類似墻角的障礙中，也就是說當小車速度非常低的時候我們就認為小車前方遇到了墻角，那么此時小車采集到的障礙物數據我們就不在圖上表現出來，那么許多鏡像點就消除了。墻角的圖形實際上在小車還沒陷入的時候已經基本繪制出來了，因此我們把小車陷入墻角時采集到的障礙點剔除掉，這對整個環境的圖形繪制沒有太大影響。 計算移動機器人的即時速度需要知道機器人在相鄰兩個數據采集點的自身坐標位置改變和采集兩個相鄰數據所用的時間，是機器人超聲傳感器的探頭一從左至右掃描一次所用的時間，中間一共有8個間隔，那么相鄰兩個采集點之間的時間間隔，根據測量，,機器人自身坐標變換的距離計算公式為因此機器人即時速度為 那么移動機器人每采集一次數據，我們可以直接得到6個信息，包括小車橫坐標、小車縱坐標、小車方位（旋轉分量）、超聲傳感器角度代碼、障礙物距離、紅外傳感器的信息,見表5.1。表5.1 移動機器人采集數據變量 小車橫坐標小車縱坐標小車方位（旋轉分量）超聲傳感器角度代碼障礙物距離紅外傳感器信息x_cary_carangle_carus_idus_dis infar_data為了便于數據處理，我們采用結構體來保存傳感器采集到的數據變量，如下所示：struct Envir_Inf short x_car; /小車x坐標，坐標1cm為單位 short y_car; /小車y坐標，坐標1cm為單位 short angle_car; /小車當前指向角度，0.1度為單位 + -1800 unsigned char us_id;/超聲發送角度代碼（0-8） unsigned char us_dis; /超聲測距信息，0.002743m為單位 unsigned char infar_data4; /當前紅外信息 5.2 軟件設計我們需要設計一個二維直角坐標圖作為環境地圖的示意圖，把移動機器人采集到的數據在地圖上描繪出來，包括移動機器人自身的運行軌跡與環境障礙圖。數據是通過移動機器人和上位機之間的通信模塊發送到上位機（筆記本）的。在上位機上我們采用虛擬儀器軟件Lab Windows/CVI設計一個可視化的界面。Lab Windows/CVI是National Instruments 公司（美國國家儀器公司，簡稱NI公司）推出的32位面向計算機測控領域的軟件開發平臺。以ANSI C為核心，將功能強大、使用靈活的C語言平臺與數據采集、分析和表達等測控專業工具有機的結合起來。虛擬儀器面板設計如圖5.7所示： 圖5.7 采用Labwindows/CVI設計的程序面板在儀器面板中，我們設置了兩塊地圖面板，一塊用于顯示數據處理前的地圖，另一塊用于顯示數據處理后的地圖和整合后的地圖。下面簡要介紹一下面板中各控件的功能。圖5.8 地圖處理軟件操作面板設計框圖地圖面板：X軸向、Y軸向分別代表地圖中的X、Y坐標，初始設定其范圍為X軸向（-10001000cm）,Y軸向（10001000cm），在實際看圖時，可根據需要對地圖進行縮放。視場：用于調整地圖面板可視范圍，通過設定其中參數值來調整地圖X、Y軸向的范圍，從而達到地圖的放大、縮小，便于觀察。清空地圖：當地圖面板上已有圖形時，如果需要重新畫圖，則可以通過此按鈕清空地圖面板上的圖形。環境讀?。河捎谝苿訖C器人采集到的數據傳到上位機后是按照數據文件（*.DAT）保存的。通過環境讀取，我們可以把存檔的數據文件調入程序中進行各種處理。原始地圖：通過算法分析*.DAT文件中的原始數據，然后把原始障礙圖信息和小車自身移動軌跡在處理前的地圖面板上描繪出來。處理地圖：通過算法分析，從原始數據中提取對建立精確的環境地圖有價值的信息，并把提取后的地圖描繪出來。整合地圖：在處理后的地圖上再次進行分析，把環境特征更逼真的描繪出來，便于將來指導移動機器人的路徑規劃。退出程序：結束所有操作，退出整個程序。時間控件（TIMER）：設定每隔0.005秒觸發一次數據處理程序，每次處理一組數據。通過時間觸發可以看到移動機器人整個環境勘測的過程。圖5.9 地圖繪制程序框圖5.3 不確定信息處理從實驗初步結果來看，整個環境的大致地形是能夠在在圖上反映出來的，但還存在不少干擾因素，致使地圖不夠逼真。主要問題是超聲傳感器的信息具有高度的不確定性.其中包括：1、超聲傳感器存在測距誤差；2、不能確定障礙物位置的問題；3、檢測不到障礙物；4、出現虛假障礙物5.3.1 超聲波波束角過大圖5.10 超聲波的波束角圖5.10中，為超聲波傳感器的波束角，為障礙點相對移動機器人的的距離。由圖可知，當超聲波傳感器由左向右掃描時，波束右邊緣首先探測到真實障礙點。系統將會認為在波束圓錐軸上存在一個障礙點。顯而易見，為虛障礙點，應該剔除。具體方法為：當探測過程中發生從無障礙到有障礙這一變化時，則剔除第一個障礙點。當超聲波傳感器由右向左掃描時，算法類似。5.3.2 超聲波鏡面反射圖5.11 超聲波的鏡面反射如圖5.11所示，超聲波在兩個物體表面反射，又被超聲波傳感器接收，從而產生了鏡像點。一般來說，鏡像點的距離比較大，可以根據超聲波傳感器具體的測距范圍，設置一個閾值，濾除鏡像點。我們已經由公式5.1計算出障礙點的坐標位置，那么計算相鄰障礙點的距離相當容易，直接用公式：如果超出了設定值，那么舍去點。這個設定值是根據小車的行駛速度與傳感器探測頻率來確定的，移動機器人正常行使速度在20cm/s70cm/s。那么我們確定當相鄰兩個障礙點距離超過100cm或者小于15cm時，舍去。處理后的數據點我們可以做簡單的線性處理，使環境特征更加明顯。5.3.3 超聲波無法接受回波圖5.13 超聲波無法接收到回波當障礙物表面比較平坦光滑