服务机器人导航与路径规划技术研究

1 引言

随着机器人技术和信息技术的结合,面向家庭应用的智能服务机器人必将成为未来数字家庭的主导。移动机器人已经逐步走入到我们的日常生活中其最具典型的应用功能包含服务、清洁、卫生、房屋维修、家庭服务、病人护理和商业宣传等]。随着相关技术的进一步发展,为了能够满足社会生活和生产的需求独立决策、移动机器人感知和最优控制等功能越来越受到国内外学者的关注。动态环境实时建模和导航技术是家用智能服务机器人研究和开发的关键技术,是机器人在家庭环境安全可靠运行、自主完成任务的基础和保障。

移动机器人依靠机器人核心信息处理单元,主要功能提供多个传感器信息融合技术、自主学习技术和最优规划控制技术。移动机器人是由多个传感器组成的其中包含本身和其周边地区各种各样的信息信息经过数据融合进行智能处理。自主移动机器人还可以感知位置环境信息,从而帮助它的运动和控制决策等。国内外学者对移动机器人也进行了深入的研究。例如研究文献对基于网格的移动机器人地图构建进行了深入的研究,它闸述了移动机器人地图构建的详细过程的。研究文献“介绍了基于卫星图像拓扑的智能移动机器人地图构建方法。文献提出了一种基于视觉的方式来移动机器人的导航,并使用激光投影建地图重建了三维地图,可以用于未知环境的导航控制。结合我国对服务机器人产业发展的重大需求瞄准智能服务机器人技术发展的前沿探索适合于在家庭动态环境下应用的服务机器人导航系统体系结构以解决目前国内在动态非结构环境下的家用服务机器人的实时环境建模和导航技术中存在的问题和不足。

2 运动控制

2.1 移动机器人平台

为移动机器人平台并且承载激光导航如图1所示。移动机器人平台采用的是双轮差动方式结构的移动底盘平台,该底盘平台能够适应各种复杂地形在小区域能够行走自如。从而使得导航控制更为灵活无运动控制障碍。

服务机器人导航与路径规划技术研究

一般来说移动机器人的运动模式:目前规划三种运动模式,分别是平移运动原地旋转和弧线运动。平移运动角速度W为0根据V和V_theta分解出x方向线速度和y方向线速度进行速度运动过程中机器人的theta值不变(朝向不变)。原地旋转,V为0根据W值进行旋转。弧线运动同时存在线速度和角速度进行圆弧运动。

2.2 差动控制算法

采用双轮差动方式运动的移动机器人,其左右轮轮速分别为Vl,yr车体宽度为d,整车运动轨迹的圆半径为r在VI<=Vr的情况下,由左右轮差速所构造的运动轨迹分析如下。左轮若当做质点运动有:

服务机器人导航与路径规划技术研究

趋向正负无穷的时候,车走直线r=0时车原地旋转r>0时车体向左侧旋转r

3 移动机器人导航定位

导航系统最为关键的技术包括定位技术、环境建模技术和路径规划技术。环境建模与定位是移动机器人导航研究的基础,也是移动机器人真正实现自主的最重要的。导航系统的功能是让机器人能够感知自己的位置和周围的环境信息,并且能够按照某一性能指标搜索出一条从起始状态到目标状态的最优或次最优的无碰路径。

3.1可靠环境感知方法

环境感知是地图创建的基础。二维激光雷达对环境离散化程度高,受遮敲等影响大。面向定位的激光雷达数据通用特征提取方法利用环境的先验知识可以很容易的解决这些问题提高特征提取的精度,但在环境不符合先验知识的情况下将产生大量不稳定的特征严重影响定位系统的鲁棒性。为了解决这些问题,我们在对数据进行滤波、分割的基础上提取这些离散点构成的网格的结构张量。这些信息稳定且可以广泛的应用于多边形、弧形及丛状物体(Blob)的激光雷达观测之中。本系统中特征提取方法的特征重复度>90%,位置误差<0.05m(平均误差),不确定度估计准确度>80%(统计误差)。

3.2鲁棒数据关联方法

经典的联合相容性分支界定树数据关联方法关联率相对较低,计算复杂度高要求构建全协方差矩阵。构建式(1)基于后验概率的联合相容性验证函数可以有效解决经典方法所存在的问题。

服务机器人导航与路径规划技术研究

错误数据关联对地图精度的影响。错误的数据关联会严重影响创建地图的精度。图2(a)和图2(b)分别为对地图进行优化时状态变量链接关系图中包含十次和一百次错误关联所产生的地图。由此可见由于卡尔曼滤波极小化了均方误差因此式(1)所定义的成本函数可以极小化关联误差。本系统采用的数据关联方法正确关联率>90%,错误关联率<0.2%。

3.3 定位与地图匹配

地图匹配与合并可以将创建的局部地图合并入全局地图中或捋多个局部地图合并创建全局地图。地图匹配与合并的核心是计算正确的地图转移量。在二维环境中这个地图转移量包含在X和Y方向的平移距离以及一个旋转角。地图转移量的计算需要找到地图之间的相似目标进而验证地图根据该相似目标进行合并后的似然函数。

服务机器人导航与路径规划技术研究

给出了一个地图合并的例子图3(a),图3(b)包含同样特征物体的两个地图图3(c)为地图合并后的结果。地图合并的核心在于有效特征的提取与数据关联。本部分的算法内容与地图创建中的特征提取与数据关联基本一致在此不再赘述。

4 移动机器人路径规划

4.1 动态环境下的移动机器人路径规划

将全局路径规划方法和局部路径规划方法相结合、将基于反应的行为规划和基于慎思的行为规划相结合解决路径规划算法的合理性、完备性、最优性、实时性以及对环境变化的适应性问题同时保证机器人在动态不确定环境下能够在满足自身运动学约束的前提下以最短路径代价运动到目标点。

4.2 Wavefront法

由于室内环境规模较小环境内障碍物相对较多,一般室内环境都采用栅格地图或拓扑度量地图标示。本系统拟采用栅格地图表征环境。在栅格地图中采用Wavefront 方法进行路径规划是一种简洁、可靠的选择。Wavefront 方法示意图如图4所示。

服务机器人导航与路径规划技术研究

Wavefront方法将地图看做一个可导热的物体环境中的障碍物为热绝缘体出发点被看做热源热量从热源散布开去。当热量到达目标点时热量停止扩散同时产生有效路径。然而由于计算复杂度的原因Wavefront方法不适用于大规模环境之中。利用这种方法,可以确保有效路径的探测率达到100%同时,可以根据应用需求在安全性和能量效率之间进行平衡产生定义的最优路径。

5 功能测试

功能测试包含在测试环境内对激光传感器测试,对定位精度测试和路径规划性能测试。首先指定机器人起始点,命合机器人导航运动至目标点。使用尺、量角器进行实际测量测出机器人实际的位置与朝向角与起始点的偏差。同时通过远程桌面实时监控是否丢失位置是否拾取路径。

5.1 激光传感器测试

激光传感器的参数比对如表1所示。(1)对激光传感器的测量获得激光传感器在离障碍物不同距离时的测量值并与实际值(50cm间隔共测10点)进行比对从而获得测距精度结果,并确定传感器的可用量程。(2)不同介质测量使激光传感器对玻璃材质(纯玻璃、贴胶玻璃)的障碍物与井玻璃材质的障碍物进行测距,并比对结果。

服务机器人导航与路径规划技术研究
5.2 基于激光传感器自定位算法的精度测试

建立好地图后遥控机器人运动到某处后运行软件得出机器人在全局地图中的位姿。使用尺、量角器进行实际测量测出机器人实际的位置与朝向角。计算偏差。测试10次取平均值。着重对以下方面进行测试(1)对于走廊区域等环境类似场景的定位能力测试(2)对于“绑架”问题的处理能力(3)目前软件算法能适应的最大环境面积如果通过降低栅格精度的方法增加导航范围则要再测试新配置下的定位精度。为选取一个固定位置通过PAD操作创建地图。地图说明地图左侧为B3楼3楼大厅正门侧地图右侧为电梯侧。左右全长约136m上下宽约34m。地图创建完成后手动遥控实验平台运动,并使用PC端软件的地图显示功能实时监控实验平台运行,确认实验平台实际运行位置和地图上显示位置是否一致。如图5所示。为测试出的B3楼的地图,经过测试证明导航效果较为理想。

服务机器人导航与路径规划技术研究

6 结论

首先系统介绍了自主移动机器人双轮差动运动控制问题。其次利用网格的结构张量解决了环境不符合先验知识的情况下,将产生大量不稳定的特征,实时精准获取当前的二维地图信息。再次在栅格地图表征环境,采用Wavefront 方法进行路径规划。完整的解决了移动机器人三个基本问题。最后进行了一系列测试测试机器人通过狭窄区域的能力、测试导航性能和测试导航效果。实验结果表明,该导航算法和路径规划算法具有较好的稳定性、实用性和战略意义。

服务机器人导航与路径规划技术研究-AGV吧
服务机器人导航与路径规划技术研究
此内容为付费资源,请付费后查看
20积分
付费资源
© 版权声明
THE END
喜欢就支持一下吧
点赞9赞赏 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容