使用非视觉传感的移动机器人定位问题的研究方法.docVIP

使用非视觉传感器的移动机器人定位问题的研究方法 使用非视觉传感器的移动 机器人定位问题的研究方法* 孟庆浩　彭商贤 　　摘要　回顾使用非视觉信息的移动机器人定位问题研究状况，根据各种方法研究的侧重点将此问题分为4类，即使用信标的定位，基于环境模型的定位，基于多传感器融合信息的方法以及定位和环境建模同时进行的方法，且指出各种方法的优缺点。给出当今定位问题研究的热点和难点，并预测发展趋势。 　　关键词　移动机器人　定位　环境建模　信标　传感器　信息融合 　　中国图书资料分类法分类号　TP274　TP319　TB559 　　移动机器人导航主要由定位、环境感知及建模、运动规划和目标确定几个部分组成，其中定位是最基本的环节。移动机器人定位是指确定其在工作环境(一般指二维环境)中的全局坐标(x,y)和姿态(前进方向与x轴正向的夹角θ)。定位问题依据移动机器人工作环境复杂性、配备传感器的种类和数量等不同可以有很多方法。目前移动机器人定位主要采用视觉(2D和3D)、超声、红外和激光等传感器，本文对基于非视觉传感器的移动机器人定位问题研究方法进行回顾和展望。 1　信标定位 　　此法比较普遍，移动机器人首先凭借自身的概略位姿确定信标的位置，当移动机器人识别到这些信标后，通过传感器测量移动机器人与这些信标的相对距离和方向，通过三角法等几何运算获得移动机器人的位姿，此法的关键是移动机器人必须能够识别这些标志。L Kleeman［1］使用主动超声作为信标(坐标已知)，即在一个室内环境的6个位置放置超声发射器，依次发射，移动机器人车身上装有8个超声接收器，组成一环，间隔45°。移动机器人和超声信标的距离通过两点间距离公式计算，方向使用反正切函数得到，将距离和方位测量融入EKF公式，再结合DR给出的运动学模型来估计移动机器人的位姿。文献［2］也采用超声信标系统，超声换能器之间组成三角形或方形，信标之间的距离尽量大，文中给出了超声换能器之间的距离与误差的关系，移动机器人须在同一地点“观测”到三个信标。覆盖整个工作环境的信标应尽量少，采用汉明(hamming)误差校正码来对各个信标编码，三角学测量公式被用来确定移动机器人的位姿，文中对2维、2.5维和3维环境进行了讨论。结果给出了定位精度降低的区域且提出算法给予补偿，说明了定位准确性、信标数量及信标位置三者的关系。文献［3］仍采用超声传感器测量距离，环境中两个直径不同的圆柱体作为被动信标，超声传感器被安置在车身上一个具有摇摆和俯仰两个自由度的平台上。首先从旋转超声扫描数据中提取恒定距离区域(RCD)［4］，其次从三个方面提炼数据，即RCD自由度的范围、对称性和先验已知信息。经过上述数据处理可以确定两个圆柱坐标的中心点，再利用解析几何可以确定移动机器人的位姿。此法特点是被动信标的几何参数可以通过移动机器人在单一位置获得的声纳(指超声测距装置)扫描数据求得。 　　以上介绍的主要是与超声测距有关的方法，下面再给出几个有关激光和红外信标的定位方法。T Tsumura等［5］首先对只使用车辆速度信息的自满足测量方法给出的定位公式进行了分析，并指出了此法随着时间的推移定位误差逐渐增大的原因。为补偿这种误差，在道路两旁放置多对直角棱柱作为信标。这些信标的绝对坐标和道路的宽度等信息已知，移动机器人车身上配有激光发射装置，车身前方能发射两束与前进方向垂直的激光束，后方两束激光与前进方向成一定夹角，车身还有光探测器，两个激光发射器的距离已知，因此可用三角公式计算出移动机器人的位姿。此文的局限是移动机器人必须走直线。文献［6］也对轮式机器人采用DR法的定位公式作了推导，并使用协方差矩阵对此法的不确定性作了估计，极大似然法(MLE)被用来校正位置偏差。多个灯塔(Lighthouse)被用作信标，激光扫描器和光电接收器被用来探测移动机器人与灯塔的相对位姿。此文与文献［5］相比，移动机器人的行走由路径规划器控制，不受定位的约束。文献［7，8］也使用激光传感器，在环境中放置反射条等标志的办法来定位。C D Mcgillem等［9］描述了一个用于移动机器人导航的红外信标定位系统，三个红外发射器作为信标被放置在环境中，移动机器人车身上的红外探测器可以测量一对红外信标之间的夹角，文章讨论了此法对误差的敏感性，并指出通过合理放置信标，定位误差可以明显减小。G Giralt等［10］采用了与文献［9］类似的方法。 2　基于环境模型的方法 　　此法中传感器数据的提取、匹配和用于校正预测位姿的算法等环节比较关键。与信标法相比，此法不需要改变环境特征，对移动机器人导航的自动化程度有所提高，但是计算量较大，且需要知道环境的先验模型。从文献来看，EKF技术被广泛应用于这方面，其中J J Leonard［4，11］较早地对此法作了阐述，文献［4］将环境中自然存