基于多傳感器信息融合的物流機器人導航定位技術研究

吳吉明

(福建船政交通職業學院，福建 福州 350007)

隨著互聯網技術的不斷發展，智能機器人的應用領域更加廣泛，很多智能機器人被應用到各種類型的企業中，并且以集群的方式出現，由多個機器人組成，協助工作，共同完成制定的任務。機器人工作中所處的位置是保證機器人能夠高效工作、協同工作的基礎。保證物流機器人能夠準確的完成分配，調度任務的關鍵是定位準確、實時操作。在日常的工作、生活中，GPS定位系統廣泛地應用到導航、定位。GPS信號也會受到環境的影響，室外GPS的信號要比室內好很多，室內由于受到建筑物、空間等環境的影響，阻礙信號，嚴重的會出現丟失的情況。所以，GPS定位系統并不適用于室內環境。針對物流機器人定位系統有兩種定位方法，一種是基礎圖像處理的定位方法，另一種則是多傳感器信息融合的定位方法，這兩種方法所需要用到的傳感器包括BLE、RFID、WIFI、運動傳感器等等。BLE的應用比較廣泛，BLE屬于低功耗、低成本的藍牙，應用非常廣泛。BLE信號在使用的過程中也會受到材料、設備、技術、結構環境的干擾，這些干擾因素都會導致數據出現不穩定的情況。因此物流機器人在使用的過程中依然存在定位不準確、信號不穩定等方面的問題。本文結合物流機器人在工作中的移動距離與BLE定位技術進行深入研究，不斷提高機器人工作定位的準確性。

1 多傳感器信息融合的基本概念及特點

多傳感器信息融合主要是利用計算機技術對傳感器系統進行編程，按照相關的算法進行系統處理與管理，針對系統進行分析、優化系統管理，對系統的自動識別、自動監測、態勢描述、危險評估等功能進行處理。多傳感器信息融合的技術能夠將理論與實際結合在一起解決問題，并且可以從多方面體現多傳感器信息融合的優越性，提高系統的應用能力，改變系統結構，擴展空間、解決信息處理速度的問題，提升系統的穩定性，降低獲取信息的成本。

2 基于多傳感器的信息融合技術的理論方法

2.1 模糊邏輯理論

模糊邏輯理論是不需要建立精確的數學模型，成本較低，比較方便計算，容易操作。但在獲取和建立過程中，并不細致。模糊建模存在參數和結構不能按照系統的綜合指標來設定。

2.2 Bayes 推理方法

Bayes推理方法應用較多，參數自適應和結構自適應方法。此種推理方法的數據要求必須是獨立的，這樣的要求對于系統構建存在困難，系統中存在一個增減規則，這種規則的存在必須重新計算概率，以保證系統的相關性與一致性。

2.3 Dempster-Shafer 推理

此種理論的優點在于能夠很好處理不確定性的問題，對于條件概率密度可以后驗。缺點是框架和證據獨立性的問題辨識比較局限，并且存在高沖突證據組合的問題。

3 機器人導航定位研究

物流機器人在工作的過程中需要不斷獲取當前的工作狀態與位置，使物流機器人能夠實時躲避障礙物，從而順利完成工作，達到目標。物流機器人在導航定位時采有兩種方法，分別是相對定位和絕對定位，像GPS、信標等屬于絕對定位，像深度相機、慣性導航、里程計則屬于相對定位。相對定位的方法更適用于物流工作環境定位。本文主要針對多傳感器信息融合情況下，對物流機器人的工作原理、定位方法、標定過程及導航算法進行分析和討論。

3.1 BLE定位

藍牙定位技術能夠解決移動設備與固定設備之間通訊的問題，傳統的藍牙是指藍牙3.0之前的藍牙，BLE則是4.0規范下的藍牙。BLE的通信設備分為兩部分，一部分是中心設備，另一部分為外圍設備，一般情況下，外圍設備會利用中心設備的掃描，掃描通過外圍設備廣播的內容，在廣播包中，包含了外圍設備自身的識別標識，利用廣播幀的內容，判斷設備與中心設備的距離。每一個機器人都有獨立的BLE的外圍設備，這樣能夠保證中心設備發現機器人，數據包發送的時間設定為8-15ms之間，通過幀的有效負載來嵌入特定格式的數據包，完成信息傳送。機器人定時定向對外部輸送數據包，中心系統設備收到數據包，建立藍牙模式，并將收到的數據包傳送到云端服務器，云端服務器在進行統一的處理。通過藍牙強度的顯示，建立RSSI數據，通過RSSI訓練樣本的建立，分析物流機器人的位置與距離，對其進行下一步的指令。

物流機器人送貨的目的地是分揀的每個區域，從許多貨中挑選出每個機器人負責的貨物類型，送到指定的區域，機器人的目的地是按照區域劃分的，每一個區域中都安裝了BLE的接收器，貨物區域記作Aj，其中j是{1,2,3,……N}，貨物總部是B0，物流機器人記為Ci，其中i={1,2,3,4,5……N},在物流倉儲環境下，遍布著WIFI信號以及每個區域的BLE無線信號，倉庫內的環境，人員等因素都會干擾BLE的信號，會影響到定位的準確性，因此干擾信號的問題需要解決。可以將接收器安裝在收貨區域的上方，縮短感應距離，實現機器人能夠點對點的定位，明確機器人向外部發送數據包的時間與速度。機器人向云端服務器發送數據包的主要內容包括，機器人的標識和RSSI數據值。云端服務器會根據收到的數據內容來判斷機器人與收貨、發貨區域的距離，分析機器人哪個工位更適合工作。

3.2 移動定位技術系統分析

GPS應用在物流定位系統中，受到多重因素的影響，會影響信號的穩定性，還有丟失的可能。相比之下，BLE在物流機器人系統中的應用更可靠、更穩定。物流機器人主要選取的是輪式機器人，機器人移動的距離可以通過輪的轉速與半徑獲得。在機器人的左右兩邊裝有傳感器，車輪在運行的過程中會通過傳感器收集到數據，通過對收集數據的計算可以得出車輪的轉速，然后將轉速轉到云端服務器。物流機器人系統的研發是基于STM32完成的，主要是將光電傳感器與電子羅盤數據結合在一起，通過對移動距離與角度的計算，測算出機器人的坐標、距離、位置。另外，對RSSI數據的解析，建立BLE定位的分類模型，實時收集RSSI的數據，并對該數據進行分類輸入，從而獲取機器人的位置。在云端服務器中，將兩種定位方法結合在一起，對環境傳感器中的信息進行決策，進一步得到物流機器人的具體位置。

物流機器人的運動結構主要采用輪式運動，通過兩個動力輪和一個支撐輪，動力輪的運動時通過電機驅動來完成，在電動機啟動的過程中，傳感器收集機器人左右輪子的轉速和旋轉角度，測量單位是0.1°，所以電子羅盤測量出的機器人角度區間是{0°-360°}。物流機器人系統的傳感器包括光電傳感器、灰度傳感器、超聲傳感器，傳感器主要的功能是確保機器人穩定運行，自主避障。一般機器人會分三個方向進行運動，直行、左轉、右轉，如圖1所示。左、右光電傳感器信號分別被標記為Fl、Fr，物流機器人的運動狀態對于傳感信號而言也是分為三種關系：Fl=Fr、Fl>Fr、Fl

圖1 機器人的轉向

4 物流機器人多信息融合的定位算法研究

基于BLE定位技術的算法與距離定位的算法，能夠精準對機器人進行定位。假設時間為P、Q的時間間隔為Δt,物流機器人的移動距離為Cpq,X、Y相對位移增量為XΔt、YΔt，Q時刻的機器人與起點坐標的相對標記為XP、Yq，具體的計算方式如下，如公式(1)到公式(5)：

Cpq=2πR·Ps

(1)

XΔt=Cpq·cosθ

(2)

YΔt=Cpq·sinθ

(3)

Xp=XAj+XΔt(p-1)+XΔtp

(4)

Yq=YAj+……+YΔt(q-1)+YΔtq

(5)

當物流機器人完成一次分揀、運輸的任務時，就完成了一次位置的輪轉，可定義為[倉庫-道路-分揀區域]，從物流倉庫出發，將需要運送的貨物送到指定的分揀區域，再回到倉庫執行下一次任務。將B0設置為倉庫，也就是機器人出發的起點，坐標設置為(XB0,YB0)，XB0=0,YB0=0，將光電傳感器與電子羅盤融合在一起，計算物流機器人在P時刻的坐標為Xp，Yp，然后將當前的坐標作為分類模型進行輸入，應用近鄰算法獲取物流機器人當前所在的位置。

物流機器人定位算法主要包括兩個部分，離線機器學習部分和在線測試部分。首先需要通過對機器人的設置與學習，建立整個系統的分類模式，分類模式需要融合BLE室內定位與距離定位兩個模型。首先與BLE傳感器、光電傳感器、電子羅盤數據建立RSSI數據集，根據數據集來建立模型和算法，建立位置與數據庫的映射關系，位置是由{B0-BN}，有幾個區域可以分為幾類；對于位置坐標數據的采集，可以采用近鄰算法，得到相對的坐標與位置，建立二者之間的映射關系。在線測試需要從兩方面入手，一方面，收集BLE傳輸的藍牙數據作為建模的數據輸入，并且得出q時刻機器人具體的位置Wbq；另一方面，基于距離分類的模型和當前機器人相對的坐標為{Xq，Yq}，得到物流機器人的位置為Wgq，最后將兩個數據結果進行分類，并將q時刻的環境信息融合在一起，由綜合控制單元進行決策分析，并輸出服務器機器人在q時刻的位置，具體的流程可以按照圖2來操作。

圖2 數據收集流程

定位信息是物流機器人信息共享的一個參數，根據采集到的相關數據與參數對位置進行分析，也是對下一步工作部署、決策的重要依據。當物流機器人檢測到自身要接近目的地時，可以對控制單元進行控制，對機器人進行語音操作與提示，提醒系統已完成分揀工作，送達任務，控制系統操作。另外當機器人完成工作回到倉庫原點，系統會對上一次任務的環境和信息進行清除，進入等待下一次任務的狀態。

5 傳感器信息融合技術的發展趨勢

5.1 傳感器信息融合技術的研究結果

對于單傳感器來講，加權平均法更適用，對于系統來講，有較強的優越性，而Kalman、Unscented濾波能夠解決圖像融合的問題，模糊邏輯算法可以提高Kalman濾波的魯棒性。對于提高融合精度可以使用小波變換，而解決Bayes的各種弊端可以使用Dempster- Shafer ，它能夠改進Bayes存在一些問題，對其根本問題采用改進和延伸的方法。將各種方法解決在一起，能夠很好地改善物流機器人系統的性能，解決存在的問題，促使物流機器人定位技術取得更好的效果。

5.2 多傳感器信息融合技術未來發展方向

多傳感器信息融合技術是今后的發展方向之一，而并行體結構是傳感器結構的發展方向，而并行計算能力也是計算機軟硬件技術的合理體現。多傳感器信息融合技術是一個平穩隨機的過程，主要是線性結構分布，因此想要更快速的發展，需要提高系統性能，改進其算法，實現非平穩、非線性的信息融合算法。多傳感器信息融合技術能夠實現在室內環境中的定位與導航。關于傳感器的布置，可以根據系統的需要來設立，根據系統的建立與管理來規劃傳感器的布置。

6 結束語

計算機發展速度非常快，傳感器技術被應用到各個領域，人工智能理論也是飛速發展。傳感器被應用到各個領域中，包括工業、農業、金融業、服務行業等多個領域。智能化機器人的應用能夠提高工作效率，省時省力。機器人的開發與研究更加的深入，未來將會被商業化。物流機器人應用系統為傳統物流倉儲環節提供了便捷的工作流程，超高的工作效率。 本文對物流機器人導航定位系統的設計進行研究，將理論與實際結合在一起，對系統中核心的技術-定位導航進行研究。定位導航對于機器人來講是關鍵性的問題，實現系統定位，精準定位，提高自身定位的準確性，輸入可靠信號等，使機器人能夠更高智能、更高效率的完成工作，提高物流機器人在特定模式下的穩定性與實用性，將是今后研究的重點。