1、第24卷第3期2002年5月文章編號:1002-0446(2002)03-0252-04機器人ROBOTVol.24,No.3May,2002移動機器人路徑跟蹤的智能預瞄控制方法研究李慶中顧偉康葉秀清項志宇(浙江大學信息與電子工程學系杭州310027)摘要:本文首先介紹了移動機器人的基本硬件組成,然后模仿人工預瞄駕駛行為,提出了一種移動機器人路徑跟蹤的智能預瞄控制方法,并介紹了智能預瞄控制器的原理、結(jié)構(gòu)及其設(shè)計過程.試驗表明:本文提出的控制方法可保證機器人準確地沿各種參考路徑行走,且具有良好的魯棒性.具有運動避障功能的移動機器人控制系統(tǒng)正在研究過程中.關(guān)鍵詞:移動機器人;PID控制;預瞄控制;

2、路徑跟蹤中圖分類號:TP24文獻標識碼:BASTUDYOFINTELLIGENTPREVIEWCONTROLMETHODFORMOBILEROBOTROADFOLLOWINGLIQing-zhongGUWei-kangYEXiu-qingXIANGZhi-yu(DepartmentofInformationandElectronicEngineering,ZhejiangUniversity,Hangzhou310027)Abstract:Inthispaper,thesetupofthemobilerobotwasfirstdescribed.Byimitatingthepreviewdri

3、vingbe-haviorofhuman,aneffectiveintelligentpreviewcontrolmethodformobilerobotroadfollowingwasdeveloped.Theoperatingprinciple,constructionandthedesignprocessofthecontrollerwerealsodescribed.Thetestresultsshowthatthemobilerobotcontrolledbytheproposedapproachcanfollowvariousreferencepathsaccuratelyandr

4、obustly.Acompletemobilerobotcontrolsystemwiththefunctionofobstacleavoidancewillbedevelopedinthesubsequentresearch.Keywords:mobilerobot,PIDcontrol,previewcontrol,roadfollowing1引言(Introduction)基于機器視覺的移動機器人,其關(guān)鍵技術(shù)是計算機視覺技術(shù)和智能控制技術(shù).計算機視覺獲取機器人前方的路面環(huán)境信息,然后通過智能控制技術(shù)使移動機器人沿規(guī)劃的路徑行走.國內(nèi)外在移動機器人控制方面已做了大量的研究工作152移動機器

5、人組成與運動模型(Setupandkineticmodelofmobilerobot)本研究采用的移動機器人平臺是美國IROBOT公司的ATRV-2產(chǎn)品.其動力傳動采用四輪驅(qū)動系統(tǒng),每個輪子由一個直流電機驅(qū)動,各個輪子的轉(zhuǎn)速由平臺內(nèi)部的計算機系統(tǒng)控制.在此智能移動平臺上,我們建立了基于機器視覺的移動機器人系統(tǒng),其外形如圖1所示.其中視覺系統(tǒng)由移動機器人上方的單目彩色CCD攝像機和內(nèi)部微機主板上的圖像采集卡組成.視覺系統(tǒng)為移動機器人提供前方道路的圖像信息,機器人根據(jù)前方的路面情況,由本文提出的控制方法,使其沿規(guī)劃的路徑行走.該智能移動平臺已完成低層導向控制模塊,即通過命令可使其,這方面研究目前面

6、臨的主要問題是:在控制和規(guī)劃方面缺乏智能性和魯棒性;機器視覺對各種路面環(huán)境的快速識別和理解能力較差等.本文模仿人工預瞄駕駛行為,提出了一種簡單、有效的智能預瞄控制方法,并通過實驗驗證了本文提出方法的有效性和準確性.基金項目:浙江省自然科學基金(600025),國家自然科學基金(60105003)和浙江省綜合信息網(wǎng)重點實驗室資助.第24卷第3期李慶中等:移動機器人路徑跟蹤的智能預瞄控制方法研究253按要求的線速度和角速度行走.但要使移動機器人沿各種路徑行走,則必須開發(fā)新的高層智能控制模塊.x =Vcos( )y =Vsin( )=(1)式中x,y為平臺中心點OC在平面固定坐標系XOY中的坐標;V

7、是移動機器人的線速度; 是移動機器人的角速度; 是移動機器人線速度與X軸的夾角.因此,當V>0且 =0時,機器人作直線運動;當V>0且 >0時,機器人作轉(zhuǎn)彎半徑為R=V/ 的圓弧運動;當V=0且 >0時,機器人作轉(zhuǎn)彎半徑為0的轉(zhuǎn)圈運動.3智能預瞄控制器設(shè)計(Designofintelli-gentpreviewcontroller)對于本文研究的移動機器人系統(tǒng),控制量主要是移動平臺的角速度和線速度,前者主要是控制車圖1移動機器人外形Fig.1Shapeofmobilerobot輛的前進方向,而后者是控制其前進速度.基于機器視覺的移動機器人控制,應與汽車駕駛員的駕駛行為相

8、似.駕駛員開車時,眼睛總是不斷地對前方的道路環(huán)境信息進行預瞄,然后,經(jīng)大腦進行路況分析,形成車要行駛的理想路徑,再根據(jù)前方路徑的彎曲程度決定方向盤的旋轉(zhuǎn)方向和旋轉(zhuǎn)多少,以及行駛速度的大小,使車輛盡量逼近前方的路徑.實際上,人開車時,眼睛總是注視著前方的道路,而很少注意車當前的位置.他作出的駕駛行為,也主要是盡量保證車子沿前方的理想路徑行走.因此,人工駕駛的控制,主要是以預瞄控制為主.因為車輛的控制系統(tǒng)是一個典型的時延、非線性不穩(wěn)定系統(tǒng),而預瞄控制動作具有明顯的預見性,從而明顯優(yōu)于傳統(tǒng)的依靠信息反饋產(chǎn)生控制動作的控制算法.模仿人工智能駕駛行為,本文提出了移動機器人的控制器設(shè)計方法.控制器組成框圖

9、如圖3所示.該移動機器人的轉(zhuǎn)向機理和履帶式車輛一致,即左邊兩個輪子的轉(zhuǎn)速一致,右邊兩個輪子的轉(zhuǎn)速一致.因此,該移動機器人只有直線運動和圓弧運動兩種運動方式.該移動機器人可簡化成以前后輪中心線為軸線的兩輪移動平臺,如圖2所示.圖2移動機器人運動模型Fig.2Kineticmodelofmobilerobot圖中XOY為地面固定的平面坐標系,xocy是移動機器人的相對坐標系,P為由視覺信息得到的規(guī)劃路徑上的一點,在此稱之為預瞄點.參考路徑上的該點在移動機器人的相對坐標系內(nèi)的坐標為(Xp,Yp),其切線方向與移動機器人前進方向的夾角為 p.Xp、 p分別稱為移動機器人當前點相對于預瞄點的側(cè)向位置偏差

10、和方向偏差.對于地面固定的平面圖3預瞄控制器組成框圖Fig.3Setupofpreviewcontroller254機器人2002年5月采用專家駕駛經(jīng)驗規(guī)則和PID控制有機結(jié)合來實現(xiàn)速度和轉(zhuǎn)向智能控制的.其主要工作過程為:機器視覺獲取前方道路的預瞄信息,然后經(jīng)過圖像信息處理模塊和路徑局部規(guī)劃模塊,獲得前方道路的理想行駛參考路徑,再根據(jù)參考路徑的彎曲程度車輛的前進速度,然后由前進速度大小在線調(diào)整轉(zhuǎn)向PID控制器的參數(shù)并實現(xiàn)車輛的轉(zhuǎn)向控制.下面分別介紹線速度控制器和轉(zhuǎn)向控制器的設(shè)計過程.3.1前進速度的規(guī)則控制對于移動機器人的前進速度的控制,通過研究人工的駕駛行為,發(fā)現(xiàn)主要根據(jù)2個因素來設(shè)定車輛的

11、前進速度.這2個因素分別是道路的彎曲情況、和機器人相對參考路徑上預瞄點的方向偏差.在機器人的相對坐標系xoy中,經(jīng)視覺處理和規(guī)劃模塊得到的參考路徑如圖4所示.對于參考路徑,比較方便的表達方法是用折線形式表達,如圖中的AB路徑所示.我們通過定義路徑彎曲度W來綜合描述以上2個因素,定義如下n(3)其它情況時,前進速度為中速.對于確定的3個前進速度,由仿真試驗或?qū)嶋H試驗確定相應的預瞄距離dp,即在機器人前進方向上,參考路徑上預瞄點與機器人中心的距離,顯然預瞄距離隨速度增大而增大.可見,車輛前進速度是基于專家駕駛經(jīng)驗的規(guī)則實現(xiàn)控制的,因為速度變化檔位不多,規(guī)則控制簡單易行且具有較強的自適應性.3.2轉(zhuǎn)

12、向PID控制由前面對移動機器人運動模型分析知,轉(zhuǎn)向控制是通過改變角速度實現(xiàn)的.PID控制由于其簡單、穩(wěn)定性能好、可靠性高等優(yōu)點,仍具有強大的生命力,其關(guān)鍵問題是PID參數(shù)的整定.移動機器人的轉(zhuǎn)向控制,具有高度非線性、時變不確定性和純滯后等特點,這就要求PID參數(shù)不僅不依賴于對象的數(shù)學模型,且參數(shù)能在線調(diào)整,以滿足實時控制的要求.為此,本文采用基于規(guī)則的自適應智能PID預瞄控制器,來實現(xiàn)機器人的轉(zhuǎn)向控制.當前K時刻角速度 的PID控制算式是c(k)=k1xp+k2 p+k3 c(k-1)+k4 c(k-2)(3)p分別是當前時刻機器人相對于參考路徑式中xp、上預瞄點的位置偏差和方向偏差, c(k

13、-1)、 c(k-6W=i i=1(2)1是路徑第一條折線和機器人前進方向的夾角式中改變量, i是第i條折線和第i-1條折線的方向角改變量,路徑方向順時針改變時, i為正值,反之為負值. i取絕對值的意義是:不管路徑方向單方向改變還是左右擺動變化,路徑的彎曲度都在增加,即彎曲效果一致,這樣比較符合實際情況.2)分別為k-1、k-2時刻的角速度控制量,k1、k2、k3、k4分別為PID控制器的參數(shù).各參數(shù)的確定方法如下:k3、k4是過去兩個時刻的角速度控制量的權(quán)系數(shù),可由經(jīng)驗都設(shè)定為0.33,即當前時刻和前兩個時刻的權(quán)重一致.最后只剩下k1、k2由仿真試驗整定,但角速度PID控制器參數(shù)的整定應與

14、移動機器人的線速度大小有關(guān).k1、k2的整定方法為:根據(jù)前進速度的控制規(guī)則,分別通過仿真試驗在計算機上設(shè)定高、中、低速對應的三種不同彎曲程度的路徑,然后由仿真控制試驗,確定最佳預瞄距離dp和相應的k1、k2值,整定的結(jié)果是三組值(dpi,k1ik2i)i=1,2,3.這三圖4參考路徑彎度確定示意圖Fig.4Sketchmapofwindingdegreeofreferencepath組值分別對應于三個前進速度下的角速度PID控制參數(shù).即機器人通過視覺獲取預瞄參考路徑的彎曲度,然后根據(jù)彎曲度大小確定線速度的控制檔位,再根據(jù)確定的線速度檔位,在線調(diào)整角速度控制的PID參數(shù),由此實現(xiàn)移動機器人路徑跟

15、蹤的智能預瞄控制.室外移動機器人,其前進速度的控制不需要連續(xù)變化,可設(shè)定前進速度為3檔,分別對應高、中、低3個速度.由此確定的前進速度控制規(guī)則為:(1)當W小于10度時,路徑基本為直線,前進速度設(shè)為高速;(2)當W小于90度時,路徑彎曲較嚴重,前進速4試驗結(jié)果與分析(Resultsanddiscussion)為驗證本文提出的控制方法的有效性,首先在第24卷第3期李慶中等:移動機器人路徑跟蹤的智能預瞄控制方法研究255以整定角速度PID控制器的參數(shù)和觀察控制效果,圖5是部分路徑跟蹤的仿真試驗結(jié)果.就能逼近設(shè)定路徑,整條路徑上,最大位置偏差小于0.14m,可見路徑跟蹤效果良好.通過仿真試驗進行PI

16、D控制器的參數(shù)整定比較方便,參數(shù)整定好后,我們在水泥結(jié)構(gòu)路面上做了大量路徑跟蹤的重復實驗,部分試驗結(jié)果圖6所示.圖中的參考跡線即路面上的設(shè)定的白線,實際跡線即移動機器人中心點的跡線.實際跡線的確定是采用在機器人底部中心處固定灑水裝置,然后以地面上的水跡線來測量機器人的實際跡線.為能反映實際道路的情況,我們選折線和正弦曲線兩種情況進行路徑跟蹤實驗.由圖6(a)、(b)可見,路徑跟蹤的最大偏差為13cm,試驗過程中,移動機器人的線速度設(shè)定為0.5m/s、1.0m/s、圖5PID控制仿真試驗結(jié)果Fig.5SimulationtestresultofPIDcontrol2.0m/s,分別對應低速、中速

17、和高速.在設(shè)計的控制器控制下,角速度在0-0.28rad/s范圍內(nèi)變化,可見機器人方向變化比較平緩.由圖5可知,機器人在偏離設(shè)定路徑的初始點(橫向位置偏差為0.35m),經(jīng)過約1.35m的行程后,(a)(b)圖6部分實際試驗結(jié)果Fig.6Practicalexperimentalresults5結(jié)論(Conclusion)移動機器人的控制系統(tǒng)是一個典型的時延、非線性不穩(wěn)定系統(tǒng),采用本文提出的基于規(guī)則的自適應智能PID預瞄控制方法,不僅能保證機器人準確實現(xiàn)路徑的位置和方向跟蹤,而且能保證路徑跟蹤的平滑性,即直線段與圓弧段速度的平緩過渡.參考文獻(References)1KehtarnavazN,

18、GrisworldN,LeeJ.VisualControlforanAu-tonomousVehicle(BART)-theVehicleFollowingProblem.IEEETransactionsonVehicularTechnology.1991,40(3):654-6622FujimoriA,NikiforukPN,GuptaMM.AdaptiveNavigationofMobileRobotswithObstacleAvoidance.IEEETransactionson(3FierroR,LewisFL.ControlofaNonholonomicMobileRobotUsingNeuralNetworks.IEEETransactionson