基于傳感器的環(huán)境探測與導(dǎo)航

1環(huán)境探測方法隨著機器人技術(shù)的發(fā)展，機器人在社會服務(wù)、野外作業(yè)以及在有害和危險環(huán)境中的應(yīng)用受到了世界各國的高度重視。因此研究能夠在復(fù)雜環(huán)境中自主運動和自動作業(yè)的智能自主移動機器人勢在必行。移動機器人要實現(xiàn)在未知和不確定環(huán)境下運行,必須具備自動導(dǎo)航和避障功能。導(dǎo)航和避障的方法有很多,如基于地圖導(dǎo)航、基于航標導(dǎo)航、基于視覺導(dǎo)航、基于傳感器導(dǎo)航等。無論采用哪種導(dǎo)航方法,自主移動機器人都應(yīng)具有路徑規(guī)劃與避障、探測與定位等功能。本文主要討論基于傳感器的環(huán)境探測和導(dǎo)航問題。在移動機器人的導(dǎo)航系統(tǒng)中,傳感器起著舉足輕重的作用。探針式、電感式、電容式、力學(xué)傳感器、雷達傳感器、光電傳感器、聲學(xué)傳感器等都在實際系統(tǒng)中得到了廣泛的應(yīng)用。針對距離和障礙的探測,目前主要采用超聲波和紅外線傳感器。由于超聲波傳感器信息處理簡單、快速和價格低,因此廣泛應(yīng)用于各種移動機器人。超聲波傳感器是一個時間快速系統(tǒng),當聲波超出一定的門檻電平時,給出的范圍有效。聲波幅值依賴于返回波的傾斜角度,在一定的射線開放角度范圍內(nèi),能夠測量到物體間的最短距離。然而,當傾斜角太大時,波就被反射掉了。最大傾斜角依賴于平面的材料。文中假設(shè)最大傾斜角為30°。如圖1所示,當傳感器從正常方向偏轉(zhuǎn)時,它得到了第一束由射線邊緣而不是射線中心反射回來的波,從而導(dǎo)致了對環(huán)境辨識的困難。通過在不同方向、不同位置安置多個超聲波傳感器和通過研究測出的距離與實際距離的幾何關(guān)系來解決這個問題,就使辨識困難這個問題變成了在傳感器測得的原始數(shù)據(jù)與希望數(shù)據(jù)之間推導(dǎo)出幾何關(guān)系的問題。這樣的測試是高度非線性的,沒有特殊的方法可沿用。在這種情況下,往往采用數(shù)據(jù)融合技術(shù)來提高檢測精度。2s-d證據(jù)推理方法目前在多傳感器數(shù)據(jù)融合方面使用的方法有加權(quán)平均、貝葉斯估計、卡爾曼濾波、S-D推理、統(tǒng)計決策理論、生產(chǎn)式規(guī)則、模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)等方法。加權(quán)平均法是將一組傳感器提供的冗余信息數(shù)據(jù)進行加權(quán)平均,并將加權(quán)平均值作為信息融合值,它是一種最簡單、最直觀的多傳感器低層數(shù)據(jù)融合方法。貝葉斯估計是融合靜態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的一種常用方法,其信息描述概率分布,適用于具有可加高斯噪聲的不確定性。S-D證據(jù)推理方法是貝葉斯方法的擴展,貝葉斯方法中,當一個傳感器可用附加信息或未知前提的數(shù)目大于已知前提的數(shù)目時,已知前提的概率變得不穩(wěn)定,S-D方法中,使用了一個不穩(wěn)定區(qū)間,可以通過不穩(wěn)定未知前提的先驗概率避免貝葉斯方法的不足。S-D方法的推理結(jié)構(gòu)分為三級。第一級是合成。它把來自幾個獨立傳感器的報告合成為一個總的輸出。第二級是推斷。由它獲取傳感器報告并進行推斷,將傳感器報告擴展成目標報告。第三級是更新。因各種傳感器一般都有隨機誤差,所以在進行推斷和多傳感器合成之前要先更新傳感器級的信息?？柭鼮V波用于實時融合動態(tài)的低層次冗余傳感器數(shù)據(jù),該方法用測量模型的統(tǒng)計特性遞推決定統(tǒng)計意義下最優(yōu)融合數(shù)據(jù)估計。如果系統(tǒng)具有線性動力學(xué)模型,且系統(tǒng)噪聲和傳感器噪聲是高斯分布的白噪聲模型,卡爾曼濾波為融合數(shù)據(jù)提供唯一的統(tǒng)計意義下的最優(yōu)估計?？柭鼮V波的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的數(shù)據(jù)存儲和計算。產(chǎn)生式規(guī)則可以建立自然景象專家系統(tǒng),根據(jù)多傳感器的檢測數(shù)據(jù),使用符號來表示環(huán)境特征。模糊邏輯通過指定一個0到1之間的實數(shù)來表示真實度,可將多傳感器數(shù)據(jù)融合過程中的不確定性直接表示在推理過程中。3基于人工神經(jīng)網(wǎng)絡(luò)法的超聲波傳感器數(shù)據(jù)的整合3.1多層處理單元人工神經(jīng)網(wǎng)絡(luò)方法是一種仿效生物神經(jīng)系統(tǒng)的信息處理方法。一個神經(jīng)網(wǎng)絡(luò)包括以各種方式連接的多層處理單元。神經(jīng)網(wǎng)絡(luò)對輸入的數(shù)據(jù)進行非線性變換,以此完成聚類分析技術(shù)所進行的從數(shù)據(jù)到屬性的分類(網(wǎng)的結(jié)果輸出)。這樣,神經(jīng)網(wǎng)絡(luò)就用于把多傳感器的數(shù)據(jù)變換成一個實體的聯(lián)合的屬性說明。人工神經(jīng)網(wǎng)絡(luò)不用模型,適用于非線性測試情況。3.2實驗數(shù)據(jù)產(chǎn)生在SD-1移動機器人周圍裝有一圈(16個)傳感器,分成8組,每組2個,每組傳感器平臺安置如圖2所示。在平臺上安置2個超聲波傳感器,它們的中心線是平行的。每個傳感器既是發(fā)射器又是接收器,它發(fā)射超聲波接收返回波。為了避免波束相互干擾,傳感器依次發(fā)射波束。從這兩個傳感器得到的傳感數(shù)據(jù),用人工神經(jīng)網(wǎng)絡(luò)方式進行融合,對實際距離進行估計。人工神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)是兩個傳感器的測量值d1與d2,輸出是平臺中心到平臺上方物體的距離d,這里采用的人工神經(jīng)網(wǎng)絡(luò)是一種前饋網(wǎng)絡(luò),如圖3所示。實驗中,發(fā)現(xiàn)用兩個隱藏層的人工神經(jīng)網(wǎng)絡(luò),試驗效果良好。人工神經(jīng)網(wǎng)絡(luò)中的每個隱藏層采用25個處理元件。傳感器數(shù)據(jù)產(chǎn)生于一個射線開放角為22°的超聲波傳感器模型。在這個模型中,傳感器的讀數(shù)被假設(shè)為是從傳感器到物體在那個角度內(nèi)的最短距離。傳感器的有效距離為0.3m～4.5m,實驗數(shù)據(jù)是在有效距離和0°～30°的隨機角度內(nèi)隨機產(chǎn)生的。人工神經(jīng)網(wǎng)絡(luò)算法中的整批實驗數(shù)據(jù)包含兩千組傳感器讀數(shù)。首批的連接權(quán)系統(tǒng)數(shù)wij隨機設(shè)置在1.0～-1.0范圍內(nèi)。實驗中,實驗數(shù)據(jù)的每一類被輸入到人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)中,wij被反復(fù)評價。所有的實驗數(shù)據(jù)反復(fù)使用,直到人工神經(jīng)網(wǎng)絡(luò)的輸出誤差符合要求。評價公式如下。EΚ=(dk-ˉdΚ)2,(1)EK=(dk?dˉK)2,(1)其中EK——單個樣本K的誤差;ˉdΚdˉK——網(wǎng)絡(luò)的期望輸出,dK——網(wǎng)絡(luò)的實際輸出。netjk=∑iWijΟik,δjk=οEk/οnetjk,(2)netjk=∑iWijOik,δjk=οEk/οnetjk,(2)其中Ojk=f(netjk)οEk/οWij=(οEk/οnetjk)×(οnetjk/οWij)=οEk/οnetjk×Οik=δjkΟik,(3)οEk/οWij=(οEk/οnetjk)×(οnetjk/οWij)=οEk/οnetjk×Oik=δjkOik,(3)其中Oik——該節(jié)點輸入。δjk=2(dk-ˉdk)f(netjk)(4)ΔWij=-αοEik/οWij=-αδjkΟik(5)3.3超聲波傳感器融合法圖4顯示了人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)曲線。曲線一開始變化速度快,然后慢慢下降,需要長時間達到最小誤差狀態(tài)。采用實際的測試來驗證人工神經(jīng)網(wǎng)絡(luò)的這種傳感器融合算法。如圖2所示,在平臺上平行安置了兩個超聲波傳感器,平臺能被步進電機旋轉(zhuǎn)。這個系統(tǒng)設(shè)置為掃描平臺上方的磚墻,被測數(shù)據(jù)每2°取一次。圖5(a)顯示了平臺右邊那個傳感器的掃描圖像。從圖中可以看出,墻中央附近的傳感數(shù)據(jù)(0°左右)誤差不大,這是因為超聲波傳感器在0°左右不存在射線開放角度問題。圖5(b)顯示了用人工神經(jīng)網(wǎng)絡(luò)融合算法得到的結(jié)果,可見誤差已非常小。4測試系統(tǒng)的實現(xiàn)SD-1移動機器人有四個輪子,后面兩輪是統(tǒng)一驅(qū)動的主動輪,前面兩輪為方向輪。設(shè)有兩種運行速度,即直線運行時為20cm/s,轉(zhuǎn)彎時為10cm/s。每個超聲波傳感器的測距范圍為0.5m～4m,機器人控制系統(tǒng)分為控制級和規(guī)劃級兩級,控制級由兩片80C196KC分別控制本體運動和16個傳感器的分時工作,規(guī)劃級由一臺486計算機組成,完成數(shù)據(jù)的分析、融合和運動軌跡規(guī)劃。為了驗證這一系統(tǒng),在一個特殊布置的實驗室里進行了試驗,獲得了較好的效果,如圖6所示。由圖6可以看出,機器人調(diào)整方向較慢,這是因為兩主動輪是統(tǒng)一驅(qū)動的,若改為分別驅(qū)動將會得到改善。5機器人的網(wǎng)絡(luò)實動技術(shù)本文采