室內智能機器人自主避障策略設計與實現

作者/劉啟航 、鈕 飛，南京郵電大學 貝爾英才學院；李超，南京郵電大學計算機學院

基金項目：國家自然科學基金青年基金項目（項目號：61302158）；江蘇省自然科學基金項目（項目號：K20130869）；江蘇省高校自然科學研究項目（項目號：13KJB520019）。

室內智能機器人自主避障策略設計與實現

作者/劉啟航 、鈕 飛，南京郵電大學 貝爾英才學院；李超，南京郵電大學計算機學院

基金項目：國家自然科學基金青年基金項目（項目號：61302158）；江蘇省自然科學基金項目（項目號：K20130869）；江蘇省高校自然科學研究項目（項目號：13KJB520019）。

針對室內智能機器人在運行過程中需要具備自主避障功能問題，本文以智能小車為對象，通過對各方面特征值的采集，多數據融合處理分析的方法，設計自主避障策略，實現對死角和墻角特殊環境的避障。通過搭建測試環境，測試小車在不同移動速度下對死角避障和墻角避障能力。結果表明，在保證避障成功的情況下，小車的速度可以達到2.5m/s，符合智能機器人室內移動速度。

自主避障； 數據融合

引言

智能車輛（intelligent vehicle）又名輪式移動機器人，是一個集環境感知、規劃決策、自動行駛等功能于一體的綜合系統【1】。智能小車又是智能車輛中廣泛應用于測量，勘探等方面的工作的一種實驗模型。在一個不確定的環境中智能小車的自動控制通常需要多個傳感器的融合來感知周圍環境的復雜信息【2】。國內目前有用攝像頭來進行信息采集的智能小車，單純的視覺傳感器雖可以識別路障物體，但所形成二維圖像信息無法具體描述三維的環境，對于墻角這些特殊情況小車無法及時處理。還有用多個超聲波傳感器測距避障的方案，但超聲波傳感器在運動測距上的誤差問題無法避免，大大限制了小車的運動速度【3—6】。在國外有用柵格地圖法來實現避障控制，通過將環境劃分成柵格，計算避障概率來輔助自動控制。但這種多數據融合的方法對于未知環境的處理有著本質上的缺陷，應用環境很受限制【7—9】。本文設計的智能小車通過紅外傳感器識別障礙物，四組超聲波傳感器測距獲得周圍環境立體數據，對整個傳感網絡獲得的數據進行融合處理，可以在很大程度上提高智能小車的避障成功率和縮短反應時間，同時也降低了開發成本。

1. 系統的結構設計

本文中設計的智能小車在機器結構上采用四輪平板車的設計方式，在邊緣支架上安裝各個傳感器模塊，支架上層固定主控板，下層固定鉛蓄電池通過簡單的配電線連接。

① 電機：電機采用的是步進電機，工作方式為四相八拍。電機驅動模塊采用的是UIREBOT的UIM242，利用CAN總線通信控制，主要的控制信令有：

ENA：使能電機；

SETx：設置站點地址；

SPD：設置速度；

STP：設置期望位移。

② 紅外傳感器：紅外傳感器選擇的是光子探測中一種，型號為HJ—IR2。當接受到障礙物的反射光子時發送高電平告警信號。

③ 超聲波傳感器：超聲波傳感器選用KS103型號，內置溫度補償。根據猜想避障環境，測距范圍調整在0.5～1.5m。經實驗測試，在小車速度低于3m/s的范圍內，室溫下測距誤差為3%。

④ 主控板：小車在運動的過程中，周圍情況變化較快，且在多數據融合處理時，需要相應的浮點運算。

2. 避障功能設計及實現

2.1 智能小車的特征值

利用多數據融合處理數據，需要獲得避障系統的特征值【9】。避障系統的特征值主要包括兩種：智能小車的狀態特征和道路環境特征。將小車抽象成一個剛體，如圖2所示。A、B點為小車的左下輪和右上輪，對角線距離為d，小車運動速度為V。在小車經過T時間，旋轉角度為θ時，A點運動到A’處，由于θ角度很小，A點位移近似為A點到A’點的直線距離，為VT。根據余弦公式可以得到公式（1）。

根據arccos的泰勒公式展開形式公式（2），舍棄掉高次項可以得到公式（3）。

公式（3）即表述了智能小車的兩種狀態特征的關系，在下面一節將討論如何利用超聲波傳感器獲取的環境特征值來調整小車狀態特征值，來達到準確和及時的避障。

2.2 多數據融合處理

智能小車四周都設有一個超聲波傳感器。假設小車處于墻角模型的避障情況，四組超聲波可分別測得小車四周可調整距離d1、d2、d3和d4。紅外傳感器的門限距離為D，通常門限距離在1米以內。當D1距離達到D時，取d1234中距離最大的值來確定旋轉方向，取得d4為最大值，向右轉。旋轉的角度θ可根據幾何規則得到，如公式（4）

實際的小車體積較小，arctan函數可以近似為正比例函數。根據上一節的兩種小車特征值之間的關系可以得到公式（5）。

此外，速度最大不可超過在轉彎的時間內撞上物體可得到公式（6）。

公式（5）、（6）即可約束小車轉彎的過程不停地調整速度來成功避障。當環境特征值改變時，小車會根據實時采集的數據進行調整。當d1234中所有的距離都小于安全門限距離，為了解決這種情況，小車會利用一個堆棧記錄部分行駛數據，當進入死角后，小車會利用堆棧中的數據返回到之前的狀態，選擇d1234中第二長的方向作為旋轉方向，重復之前的操作。

3. 系統測試

3.1 測試環境搭建

測試環境選擇在室內搭建。室內設有一個長度為10米的軌道，在軌道上放置有障礙物，分別測試小車處理左轉避障，右轉避障和死角環境。由于測試環境為室內避障，設置的障礙物的體積均和小車體積相當或者大于小車體積。

3.2 測試結果與分析

測試時，小車分別以每秒0.5～4米的速度行駛進入車道。測試結果統計了小車的正常行駛速度、行駛總時間和碰撞次數的關系，使用Matlab畫出圖1。從圖中共三條曲線，分別統計了三種測試點的情況，對于正常情況避障，不發生碰撞。對于死角和墻角避障，隨著速度增加，雖然時間有所減少，但碰撞的情況開始出現。在保證不發生碰撞的情況下，速度保持在每秒1.5米左右達到理想狀態，符合室內機器人實際的行駛速度。

4. 結語

本文針對室內智能機器人的避障問題，提出并實現了利用超聲波傳感器和紅外傳感器網絡的解決方案。從小車的硬件設計到軟件算法原理，本文都給出了相對詳細的解釋，且測試結果符合要求。

圖1 測試結果統計圖

＊ [1]陳懂, 劉瑢, 金世俊. 智能小車的多傳感器數據融合[J]. 現代電子技術, 2005, 28(6)：3—5.

＊ [2]王檀彬, 陳無畏, 李進,等. 多傳感器融合的視覺導航智能車避障仿真研究[J]. 系統仿真學報, 2009, 21(4)：1015—1019.

＊ [3]楊東鶴, 劉喜昂. 智能移動機器人的超聲避障研究[J]. 計算機工程與設計, 2007, 28(15)：3659—3660.

＊ [4]張馨, 王善, 陳振勇, 等. 水下接觸爆炸作用下加筋板的動態響應分析[J]. 系統仿真學報, 2007, 19(2)： 257—260.

＊ [5]Pan C, Guo J, Zhu L, et al. Modeling and Verification of CAN Bus with Application Layer using UPPAAL[J]. Electronic Notes in Theoretical Computer Science, 2014, 309(12)：31—49.

＊ [6]李霽雰, 陳陽生, 章瑋. 基于CAN總線的電動汽車中繼站研究[J]. 機電工程, 2015, 32(3)：379—383.

＊ [7] 李玥. CAN總線技術在電機控制系統中的應用研究[D]. 沈陽工業大學, 2015.

＊ [8]陳羽中, 翁詩寧, 郭昆. 一種面向車輛自組網的多人博弈數據融合算法[J]. 小型微型計算機系統, 2016, 37(8)：1807—1811.

＊ [9]Simanek J, Kubelka V, Reinstein M. Improving multi—modal data fusion by anomaly detection[J]. Autonomous Robots, 2015, 39(2)：139—154

第一作者：劉啟航：在讀本科生，研究方向為通信工程，單位：南京郵電大學；

第二作者：鈕飛：在讀本科生，研究方向為電子信息工程，單位：南京郵電大學；

第三作者：李超：副教授，主研領域：信息安全，嵌入式系統等，單位：南京郵電大學；