英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

---

基于微控制器的移动机器人定位和避障

Aziza M. Zakilowast;, Osama Arafa, Sanaa I. Amer

电力电子与能源转换部，电子研究所，El-Tahrir街，Dokki，埃及开罗

2014年4月4日在线提供

摘要

移动机器人的使用在制造设施，危险材料处理等中正在增长。通常，组合使用多个传感器系统。将信息组合成适合于做出导航决定的可用形式的任务被称为传感器融合。在本文中，建立在仓库中运行的移动机器人的导航系统专注于所使用的感官系统。结合感知和航位推算的混合导航系统被使用并且提供令人满意的操作。微控制器系统设计用于控制移动机器人的导航，同时避开障碍物。设计了24个超声波传感器系统，并描述了操作算法。使用的编码器和超声波传感器与基于其操作设计的导航系统一起详细介绍。

copy;2014 Elsevier B.V.代表电子研究所（ERI）制作和托管。

关键词：移动机器人;导航控制;里程计;超声波传感器;微控制器

一．介绍

机器人导航意味着能够在不与障碍物碰撞的环境中进行思考，能够确定自己的位置以及到达某些目标位置的能力。因此，导航系统可能意味着以下组件：机器人定位系统，路径规划和地图构建。这是四种流行的定位系统：

1.基于航测（航位推算）的导航。

2.基于活动信标的导航系统。

3.基于地标的导航系统。

4.基于地图的导航系统

大多数自动机器人系统将具有多个传感器（Brooks，1986; Mogensen，2006）。通常组合使用多个传感器系统。这些有时是互补的，有时是多余的。在几乎所有机器人系统中，使用来自相同类型或不同类型的多个传感器来提供完全覆盖，例如在车辆周围以15°增量的24个超声波传感器环，移动机器人CARMEL（用于维护的计算机辅助机器人，紧急情况）和生命的支持）（Borenstein和Koren，1991）。另一个例子是Nomad Supper Scout II，它携带16个超声波传感器，在车辆周围分开22.5°（Yi，2001）。将信息组合成适合于做出导航决定的可用形式的任务被称为传感器融合。

移动机器人通常携带航位推算传感器，例如车轮编码器和惯性传感器，以及地标和障碍物检测和地图制作传感器，例如飞行时间（TOF）超声波传感器。在这种情况下，传感器测量值将被融合以估计机器人的位置。

视觉传感器在许多应用中用于构建移动机器人面对的空间的图像，以便检测任何障碍物并避免碰撞。视觉系统通常在计算上很昂贵，因为图像形成对于许多应用来说太复杂。

在本文中，介绍了在仓库中运行的移动机器人上构建的导航系统。结合感知和航位推算的混合导航系统被发现是互补的并且给出了移动机器人的令人满意的操作。如果环境包含令人困惑的信息或几乎没有感知上可区分的标志，则这些系统的性能会下降。可以通过包括测距数据来区分相似位置来解决感知混叠问题。在大多数应用中使用超声波传感器更容易，更便宜且计算更简单。超声换能器优选用于获得环境的三维信息（Bak，2002; Everett，1995; Borenstein和Koren，1988; Benitz-Read和Rojas-Ramirez，2010）。它们可以测量和检测移动物体的距离，不受目标材料，表面和颜色的影响，固态单元几乎可以无限制地维持生命周期。超声波传感器不受灰尘，污垢或高湿度环境的影响。

在这项工作的第2部分中，介绍了里程计和里程计误差。第3节介绍了超声波系统，可能遇到的误差源以及传感器类型特别是本工作中使用的传感器。第4节介绍机器人描述以及机器人上构建的传感器，解码器和编码器，第5节描述了机器人控制器，该机器人控制器设计用于机器人操作，超声波传感器使用聚类和控制器硬件和软件。第6节详细介绍了仓库内外的机器人导航，第7节介绍了实验测试以及所使用的接口板。第8和第9节给出了结果讨论和结论。

二 测距和测距误差

测程法是最广泛使用的移动机器人定位导航方法。众所周知，测距提供了良好的短期精确度，价格低廉并且允许非常高的采样率。然而，里程计的基本思想是随着时间的推移对增量运动信息的整合，这不可避免地导致错误的积累。由于各种原因，几乎所有移动机器人都使用了测距法：测距数据可以与绝对位置测量融合，以提供更好和更可靠的位置估计（Chenavier和Crowley，印刷中; Evans，1994）。可以在具有地标的绝对位置更新之间使用测距。

测距法基于简单的方程式，易于实现并利用廉价的增量轮编码器的数据。然而，测距法也基于以下假设：车轮转数可以转换为相对于地板的线性位移。这种假设的有效性有限。一个极端的例子是车轮打滑： - 如果一个车轮打滑，比如漏油，则相关的编码器会记录车轮转数，即使这些转数与车轮的线性位移不对应。还有一些其他微妙的原因导致将车轮编码器读数转换成线性运动的不准确性。

为了校正由测距系统产生的定位误差以及安全导航和避障，超频传感器经常被使用，因为它们可以基于飞行时间（TOF）原理提供良好的距离信息。它们已广泛用于移动机器人应用（Elfes，1987; Leonard和Durrant-Whyte，1992; Borthwick和Durrant-Whyte，1994）。

图1 超声波传感器alpha;的角度误差是声纳锥的半开角，R是声纳响应。

三 超声波系统

超声波TOF测距是当今室内移动机器人系统中最常用的技术，主要是由于低成本系统的易用性和易于接口。

3.1 超声波传感器

超声换能器优选用于获得环境的三维信息。但是声纳响应中出现了一些问题。超声波传感器遭受来自环境的不可靠的声纳响应。对于密闭空间中基于声纳的移动机器人，应特别注意这些问题。这个空间通常是一个封闭的环境。

下面讨论两个主要问题（Kumari，2012）。

3.1.1角度不确定性

当超声波传感器获得R米的范围响应时，响应仅表示其中的锥形

物体可能存在。没有办法准确指出物体的位置。图1传达了这个想法。超声波传感器的开启角度为2alpha;，物体可以在阴影区域的任何位置用于响应R.

3.1.2镜面反射

镜面反射是指未直接从目标对象反射回来的声纳响应。在镜面反射中，超声波被反射回远离反射表面，这导致更长距离的报告或错过物体的检测，图2（Drumheller，1987; Lim和Cho，1994）。

3.2 超声波传感器的类型

在我们选择或安装超声波传感器之前，我们应该熟悉这些术语：

1.死区。

2.光束角。

3.梁锥直径。

4.最大感应范围。

5.背景抑制。

6.开关频率。

7.目标的倾向。

8.环境考虑因素。

在研究了某些类型的超声波传感器后，我们选择了（Devantech SRF04 Ranger Compact High Perfor-mance Ultrasonic Ranger（Polaroid，1987））用于这项工作。

图2 镜面反射。

3.2.1产品规格

SRF04超声波游侠的规格见附录。 SRF04的光束图案是圆锥形的，光束的宽度是换能器表面积的函数并且是固定的。 SRF04上使用的传感器的光束模式取自制造商的数据表，如图4所示。

护林员通过在人类听觉范围之外传输声音脉冲来工作。该脉冲以锥形形状远离探测器的声速（大约0.9英尺/ m s）传播，声音从该声波路径中的任何物体反射回游侠，如图5所示。

四.机器人描述

机器人的机械设计在机器人设施的成功中起着至关重要的作用。应满足以下规范：

1.前后移动而不旋转。

2.不旋转地移动（左右）。

3.让设施完整旋转。

4.机器人将使用总电压为48 V的电池组件。

5.控制单元和电池充电器应位于机器人本身。

图4 光束模式。

图5 SRF04典型波形和连接。

机器人的驱动系统由4个轮子组成，每个轮子配备有单独的电动机。增加了前后转向系统，为运动规划提供了灵活的平滑导航。移动机器人配置如图6所示。机器人配备了一个在装载和卸载组件时使用的简单臂。

图6 移动机器人配置。

4.1 机器人定位

机器人定位的方法大致可分为两组：相对位置和绝对位置测量。由于缺乏一种好的方法，移动机器人的开发者通常结合两种方法，每种方法一种。

在这项工作中，使用的相对方法是odometry。该方法使用编码器来测量车轮旋转和/或转向方向。测距完全是独立的，它总是能够为车辆提供其位置估计，但是位置误差无限制地增长，除非定期使用独立参考来减少误差。自然地标识别被用作绝对定位测量系统，以周期性地校正机器人的正确位置。

4.2使用编码器，解码器控制器和运动控制

光学增量编码器是捕获电机速度和行进距离的平均值。可以根据脉冲之间的时间间隔或给定时间段内的脉冲数来确定旋转速度。由于它们是数字设备，增量编码器将以完美的精度测量距离和速度。正交编码器具有双通道A和B，它们相隔90°电相位。因此，可以通过监视两个通道之间的相位关系来确定旋转方向。此外，使用双通道编码器，通过计算每个通道（A和B）的上升沿和下降沿，可以实现四倍的分辨率倍增。

在这项工作中，使用了HEDS5540,3通道高性能光学增量编码器。该IC由多组光电探测器和产生数字波形所需的信号处理组成。通道A的数字输出与通道B的数字输出正交（90°异相）。编码器标准分辨率为每转1024个计数。

采用通用运动控制IC HCTL-1100。它通过执行数字运动控制的所有时间密集功能，释放主处理器以执行其他任务。 HCTL-1100为DC，DC无刷和步进电机提供位置和速度控制。

五.建议的控制器

在设计用于自主移动机器人的运动控制器时，必须处理主要问题，即避障问题。

在考虑的情况下，机器人正在移动以将电子元件从仓库运输到三条生产线中的一条。机器人在内部仓库中的任务是从目标点拾取组件。因此，它将始终移动到其中一个墙壁旁边，因为这个仓库中的货架位于墙壁旁边。在仓库外，路径将根据目标生产线规定。应安排传感器，以实现仓库内外的安全导航。我们使用围绕车辆布置的24个超声波传感器系统，如图7所示。

图7 传感器群集

5.1传感器群集

对传感器进行分组以便于决策。某一组中的传感器充当一个传感器（分组传感器）。因此必须仔细选择每组中的传感器。

集群程序如下：

1.扫描组传感器的读数。

2.最小读数是主导读数，其他读数则被忽略。

图7中所示的聚类是我们控制器的建议聚类。左前（FT）：传感器（So，S1）和前（F）：传感器（S2，S3，S4和S5）。机器人使用其声纳传感器感知障碍物。在这项工作中，我们只考虑静态障碍。在我们的案例中，形状和材料没有太大的影响。声纳传感器无法检测到高度小于某个值的障碍物（在数据表中指出），因此我们只考虑声纳传感器可以检测到的障碍物。

分组传感器的读数被分配给两个标签中的一个，这两个标签是远且危险的。每个群体对远与危险的含义有不同的解释。例如对于前传感器组，读数范围从1m到3m是远的，而读数3cm到1m是危险的，范围从1m到3m是远的，而读数3cm-1m是危险的。

范围的选择影响传感器的灵敏度，或者在其他意义上评估机器人与障碍物之间的距离，如果它

全文共8034字，剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[2268]