自主避障（精选6篇）
自主避障 篇1
伴随当今电网建造及运营维护规模的日益扩大, 输电线路在安全运行方面所存在的风险与挑战也随之增加。如若未能及时有效地对其实施检测并有效维护, 将极易造成严重的电网安全事故。因此, 强化输电线路检测, 提高电网应急预警十分紧迫和必要。电力巡线无人机将低空飞行器作为基本载体, 并安装有高清影像采集设备, 以此对输电线路开展检测及巡查工作。不仅离线路本体, 而且能够多角度巡查, 高效快速地完成既定任务。但是, 无人机在巡检输电线路时, 难免会遇到各种有形障碍物和无形障碍物, 如杆塔、输电线路、危险区及禁飞区等。所以, 为了更好地对无人机在巡检输电线路安全方面提供保障, 设计应用无人机避障系统已然成为整个无人机系统中的重要构成。
1 自主避障控制系统结构分析
1.1 硬件系统
图1为自主避障控制系统硬件构成。它主要包含两个子系统, 即地面站子系统和无人机子系统。就无人机子系统而言, 其主要包含有用作通讯的无线数据链机载端、避障决策模块、障碍信息处理模块及障碍检测模块。对于障碍检测模块而言, 主要包括有GPS接收机、气压计、超声波测距传感器及电磁场检测传感器。针对避障系统的障碍信息处理模块来考量, 对各个障碍检测模块相应传感器所收集到的各种信息进行收集, 并实施融合。对于避障决策模块而言, 是对障碍信息处理模块所获取的信息进行接收, 并以此制定更为合理、科学的避障对策, 为无人机的安全飞行提供保障。就地面站子系统而言, 其主要包含两方面, 分别为嵌入式监控计算机及无线数据链的地面端。细分嵌入式监控计算机可知, 其主要加载有输电线路空间三维模型及输电线路电磁场分布模型的数据库。对于输电线路的相应空间三维模型来讲, 其主要对连接杆塔之导线的弧垂度、高度及电力杆塔的经度、纬度进行描述。
1.2 自主避障方法结构
自主避障方法整体设计见图2。它主要分为两个部分, 即多传感器信息融合法和柱状空间法。对于柱状空间法而言, 其主要是依据现有的环境信息以及输电线路, 为无人机工作构建安全而又有约束的作业区域。同时, 它利用GPS接收机以及障碍检测模块的气压计, 就无人机的具体位置予以确定, 然后对当前位置和安全约束区域之间所存在的关系, 由系统当中的避障决策模块将决策制定出来, 以此为无人机飞行控制提供准确命令。对于多传感器信息融合法而言, 其基于柱状空间法而建立, 以此构建针对无人机的二次避障。此外, 它还处理障碍检测模块相应传感器所检测出的各种信息, 然后开展信息的深入融合, 同样由避障决策模块将决策予以制定, 以此为无人机的安全飞行提供正确命令。
2 自主避障方法
2.1 柱状空间法
2.1.1 建立柱状空间
对于输电线路所具有的特点而言, 基于位于地面站的相应子系统框架下的嵌入式监控计算机, 规划无人机具体的工作区域, 对无人机作业具体的安全约束区域予以构建, 以此便可完成电力巡检无人机首重避障工作。首先依据实际环境, 构建避障边界线, 方法为:依据实际需要及要求, 确定准确的输电线路巡检区域, 见图3。由图3可知, 电力杆塔分别为A、B、C、D和E, 可设定为无人机巡检C、D电力杆塔, 另外对二者之间的输电线路开展巡检工作。将特征点完成选取工作, 并确定具体的规划, 即在位于E、D、C和B一侧的无人机巡检区域内, 选取与电力杆塔中心线处距离最远的点, 将其向地面完成投影工作, 便可实现特征点的形成。比如, 图3中的E4、E3、E2和E1四点, 对其完成具体的定位工作, 然后对E4、E3、E2和E1四点具体的地理位置予以确定, 最后将各点相连接, 便可形成直线段。
将经连接所多出的直线段, 与无人机实施巡检的一侧, 即远离输电线路对应方向实施平移, 得出安全距离D, D>0。依据输电线路具体的电压等级, 确定D, 完成平移后, 则所形成的直线段即无人机对输电线路实施巡检的相应安全边界。无人机巡检一侧位置处, 与输电线路相对方向, 将安全边界再次进行平移操作, 得出距离d, d>0。操作者依据输电线路周围现实环境及条件, 确定d。而将安全边界经过再次平移而得出的相应区域, 当作无人机巡检的避障边界线, Pj为避障边界线相应顶点位置, j=1~8, Pj中囊括有对应的地理位置信息。
构建安全约束区域的方法, 见图4。具体的, 经竖直向上方向, 将避障边界线向上拉, 得出高度H, 至此得出虚拟化的安全约束区域S, S定义条件为j=1~8, Pj和H, H的高度大于等于电力杆塔的高度, S包括有一个水平顶面以及8个竖直侧面, 地面则为其基准面, S的整个内部, 则为无人机可以飞行的区域, 而其外部则为禁飞区。
2.1.2 柱状空间法避障对策
利用无线数据链机载端、无线数据链地面端及地面嵌入式监控计算机, 将所设定的安全约束区域S相关定义数据运用下载方式植入嵌入式飞行控制器中。在无人机实施作业过程中, 通过障碍物检测模块中的GPS接收机及气压计, 对无人机的纬度、经度及高度等信息予以确定, 最终便可得到无人机当前的具体位置P。利用系统中的障碍信息处理模块, 对无人机当前具体的位置P和安全约束区域S之间所存在的安全关系进行计算, 最终便可将无人机具体的轨迹指令予以生成, 最终便可达成对无人机实施规避控制的目的。方法为: (1) 如果无人机当前所在位置P正处于安全约束区域S框架内, 那么则需对无人机的飞行状态予以保持; (2) 如果无人机当前所在位置P正处于S区域的边界面上, 那么生成经过P点且指向也为P点所谓变截面内侧具体的法线向量, 将此法线向量当作无人机实施作业的避障轨迹指令; (3) 如果所在位置P在S区域的相应外部, 则可生成经过P点并且方向为与P点最为接近的边界面相应法线向量, 并将此法线当作无人机实施作业的避障轨迹指令。
2.2 多传感器信息融合法
2.2.1 输电线路电磁场的分布
基于第一重避障控制方法框架, 选用多传感器信息融合方法, 开展第二重的避障控制操作。当前, 计算输电线路的电磁场方法为模拟电荷法、边界元法、有限元法及有限差分法等。当对高压输电线下具体的空间电场分布状况进行计算时, 通过对五方面展开比较, 即电场强度计算、介质种类、场域维数、边界形状及场域范围, 可知选用模拟电荷法更具优越性, 便于操作, 在精确度方面能够给予保证。因此, 本文选用模拟电荷法, 计算电磁场分布状况。由图5可知, 电磁场分布状况为:500k V单回三相水平的排列线路, 各个导线中心间所存在的距离为D=13.71m, 而其与地面之间的高度则为H=12.18m, 各个导线相应的4根分裂导线, 其半径均为R=0.322m, 而次分裂导线所具有的半径则为r=0.0147m。
2.2.2 传感器信息处理与融合
在无人机开展作业过程中, 利用系统障碍位置检测模块中配备的超声波测距传感器、电磁场检测传感器、GPS接收机及气压计等, 对无人机当前的电磁场强度、高度、纬度及经度进行实时采集。另外, 还采集无人机和输电线路之间所存在的超声波测量距离Li, i=1~N, N表示超声波传感器相应数量。如若将无人机当前所处于的位置设定为P, 然后把由障碍位置检测模块所收集的相应信息传送至系统的信息处理模块, 则选用下列方法, 便可达到多传感器信息的融合。 (1) 系统的信息处理模块将内置的GPS接收机及气压计所收集到的如无人机当前的纬度、经度及高度等数据, 比较对比于嵌入式飞行控制器中已经得以储存的相应输电线路空间三维模型, 最终便可将输电线路杆塔与无人机之间所存在的最短的距离D1。 (2) 系统中的障碍信息处理模块把经过电磁场检测传感器经过收集而得出的电磁场强度数据向嵌入式飞行控制器予以代入, 即储存于输电线路具体的电磁场分布模型中, 开展相应计算, 依据 (1) 中所获取的经纬度及高度等信息, 对电磁场强度实施转换, 使之成为相应距离信息, 最终便可将输电线路与无人机间当前准确的距离D2予以获取。 (3) 对于信息处理模块而言, 则依据系统中N个超声波测距传感器, 对输电线路与无人机之间的距离进行采集Li, 然后对输电线路与无人机间所存在的最短距离D3进行计算。 (4) 数据融合D3、D2与D1, 便可将输电线路与无人机间所存在的距离予以得出, 即K1D1+K2D2+K3D3=Dis, 权值为K1、K2和K3均大于等于0, 且K1+K2+K3=1。利用系统的无线数据链, 便可将Dis向地面监控计算机进行传送, 以此为操作者对输电线路与无人机当前位置之间所具有的距离进行实时观察。
2.2.3 多传感器信息融合法避障对策
如若向嵌入式飞行控制器输送融合结果Dis, 且将其当作实施无人机轨迹控制具体的决策依据, 则利用对安全距离D与Dis之间的比较, 便可完成二重避障控制。 (1) 若Dis>D, 那么可对无人机当前所具有的飞行状态予以保持; (2) 如果Dis=D, 那么经过P点且指向正在进行描述的相应安全边界的内侧位置处的法线向量, 且将此法线向量当作实施无人机进行避障轨迹的指令; (3) 若Dis<D, 那么可生成经过P点且与P点在距离上最近的安全边界相应法线向量, 且将其当作无人机实际作业的避障轨迹指令。
3 实验结果
为更好地对本文所运行的多种避障算法予以验证, 先以实验室研发的四旋翼无人机作为研究对象, 对算法予以编程。首先, 对于地面站子系统而言, 依据外部环境及输电线路情况, 规划了无人机的相应作业区域, 构建了能够保证无人机作业安全的约束区域, 而后将所需要的各种信息, 传输至无人机飞行控制系统中, 最终对所划定区域的输电线路实施巡检作业操作。如图6所示, 采用本文算法的四旋翼无人机, 对500k V输电线路实施巡检作业效果。由最终飞行效果可知, 无人机能够对电力巡线任务安全且可靠的完成。
4 结语
本文依据电力巡线所具有的相应特点, 采用了一种多传感器信息融合与柱状空间相结合的无人机自主避障控制的方法, 依据周围环境以及输电线路基本情况, 建立无人机具体的作业安全约束区域, 并依据无人机各个子系统相应障碍位置对系统实施检测, 以此对柱状空间与无人机位置关系予以确定, 进而完成第一重无人机避障检测。基于此, 则有采取多传感器信息融合方法, 即利用GPS接收机及电磁场检测传感器等传感器所收集的各种数据信息, 开展融合处理操作, 利用系统的避障决策模块, 下达无人机避障命令。利用多传感器信息融合与柱状空间方法, 除了能够将采用单个传感器在实施测量后所得数据的不确定性及精确度予以解决, 而且将两种避障方法相结合, 最终可促进无人机在对输电线路的可靠性及单一性予以提升, 进而大大降低无人机碰撞输电线路发生概率。经最终试验飞行结果可知, 无人机能够安全可靠地完成电力巡线任务。
参考文献
[1]张剑, 王世勇, 陈玺, 等.基于柱状空间和支持向量机的无人机巡线避障方法[J].中国电力, 2015, 48 (3) :56-60.
[2]张捷, 严维欣.配电线路采用无人机巡线的应用分析[J].电力与能源, 2013, 34 (4) :365-368.
[3]路染妮.旋转翼无人机自主避障路径规划[J].科技广场, 2013, (5) :23-26.
[4]杨维, 朱文球, 张长隆.基于RGB-D相机的无人机快速自主避障[J].湖南工业大学学报, 2015, 29 (6) :74-79.
[5]周炜, 魏瑞轩, 董志兴.基于层次分解策略无人机编队避障方法[J].系统工程与电子技术, 2009, 31 (5) :1152-1157.
[6]关震宇, 杨东晓, 李杰, 等.基于Dubins路径的无人机避障规划算法[J].北京理工大学学报, 2014, (6) :570-575.
旋翼无人机室内自主避障飞行研究 篇2
随着环境复杂程度的加大, 避障范围逐渐减小, 如何有效安全地实现旋翼无人机自主飞行成为值得深入研究的问题。高效快速的自主避障能力成为衡量无人机智能化水平的重要指标, 无人机感知环境的能力与相应的避障策略也成为避障技术的关键点[1]。基于以上背景, 本文的研究对推动与发展旋翼无人机的理论与技术起到一定的作用, 同时对加强国家军事建设, 推动各关联产业及先进技术的发展, 创造经济价值等具有一定的推动作用。
1 避障控制系统设计方案
为了成功实现旋翼无人机自主避障飞行, 本系统融合了传感器测距、视觉技术、路径规划、防碰撞等技术[2], 使旋翼无人机能够实时采集周围环境信息, 确定障碍物的位置及障碍物四周的开阔程度, 并且根据预先设定的特征识别并跟踪目标, 实现追踪过程中的自动避障功能。避障控制系统方案设计如图1。
2 环境检测系统
本设计中, 环境检测部分运用了红外测距传感器、超声波传感器及CCD摄像机 (视觉传感器) , 旋翼无人机飞行环境信息的获取是基于多传感器数据融合, 采用模糊逻辑方法实现的。环境检测系统方案如图2。
2.1 传感器测距
2.1.1 红外测距传感器
利用红外信号遇障碍物反射信号强度的不同来判断障碍物距离的远近。当红外线遇障碍物被反射, 则由红外接收电路的光敏接收管接收前方物体反射光, 据此判断前方是否有障碍物。红外光电管接反射回的红外线信号后将其转化为电信号, 电信号的能量大小反映了反射距离信息, 旋翼无人机据此来探测机身与障碍物之间的距离, 做出避障决策。
本设计选择GP2Y0A710K0F红外测距传感器, 其测量距离可达到100~550 cm, 符合无人机探测基本要求。
2.1.2 超声波传感器
超声波测距不需要与物体直接接触, 且方向性好, 强度比较容易控制, 是作为高度测量较为优先考虑的手段。但由于发散角大、方向性较激光宽, 超声探测具有一定的固有角度误差, 在本设计中仅将超声波传感器作为定高传感器, 得到的是传感器和地面之间的距离信息, 由此来确定及稳定旋翼无人机的飞行高度。
本设计中采用美国高精度超声波传感器Max Soanr-EZ, 这款超声波传感器分辨率可达到1 cm, 有效测量距离5 m, 测量信息可以脉宽或电压两种方式传输, 适用于旋翼飞行器的定高测距。
2.2 视觉技术
2.2.1 图像获取
图像获取单元主要由镜头、彩色CCD摄像机和图像采集卡组成。CCD摄像机装配在无人机机身正前方, 跟随无人机同步运动实时捕获图像[3]。本设计选用亚安S17一体化相机。图像采集卡通过视频电缆的传送获取摄像机拍摄的模拟视频信号, 并将该信号转换成数字视频信号, 交给图形工作站处理。本设计采用凌华PCIe-RTV24实时图像采集卡, 它是一款Compact PCI规格的图像采集卡, 专为安保和视频监控应用而设计, 是PC-based多通道数字视频监控的理想选择。
2.2.2 图像处理
从视觉传感器获取的图像易受到噪声干扰或是背景环境的影响, 需进行图像预处理, 包括图像的去燥、灰度化、边缘检测等。
实验中原始输入图像是摄像头采集768*576像素的RGB格式图像, 最大帧数25帧/s。先将彩色图像转换为灰度图像, 再将图像的大小依据最近邻域插值法原理进行缩小以节约后续计算时间[3]。此外, 本设计中采用canny算子进行边缘检测, 检测效果良好。
3 避障路径规划
3.1 避障流程
无人机避障问题是在无人机实现自主飞行的基础上进一步展开的。在飞行过程中, 无人机通过所安装的测距传感器、定高传感器及视觉传感器获取障碍物与目标相对于无人机的距离及角度信息。无人机根据障碍物信息判断避障的紧急程度, 连同紧急程度及目标信息通过避障路径规划算法确定下一避障导航点, 然后按照backstepping飞行控制实现点到点的飞行来完成自主避障飞行, 直至到达目标点为止, 避障流程如图3所示。
3.2 避障控制器
本设计中, 5个红外测距传感器安装在无人机上, 相互间隔45°, 底部安装定高超声传感器, 正前方安装摄像机。传感器数据信息主要有来自摄像机的4个障碍物边界坐标信息, 5个红外传感器信息, 1个超声波定高信息, 共10个信息。由于传感器信息较多, 而模糊规则的数量是随着模糊输入的增多呈指数般增长的, 规则数量异常庞大, 将导致控制器响应速度很慢。为满足实时控制需求, 采用一种模糊规则的数量呈线性增长的分层模糊控制器来实时控制无人机进行避障。模糊控制系统包含用来处理测距传感器数据的紧急度模糊控制器 (EFC) 、速度模糊控制器 (VFC) 和偏航角模糊控制器 (AFC) 。
4 飞行试验
经过软硬件综合调试、地面仿真系统测试, 对自动驾驶仪控制参数进行初步调整。飞行机架采用塑料材质的Y450, 如图4。基本参数如表1。
当传感器探测到无人机假定的安全范围内不存在障碍物, 那么无人机执行趋向目标行为。如图5所示, 三个画面分别是探测到障碍物, 绕过障碍物, 趋于目标点的三个状态, 分别将障碍物用红色矩形框, 目标用蓝色矩形框标记, 便于对比分析。从实验结果可以看到无人机很好地绕开了障碍物, 飞向目标。
当无人机在运动时, 距离前方动态障碍物体非常近, 避障危险度非常大时将触发紧急避障行为, 此时, 无人机紧急减速, 然后触发横向飞行, 即偏航角为零时的运动, 直至探测到前方无障碍物时再继续前行, 如图6所示。
当障碍物上方的开阔程度大于左右的开阔程度时, 实行区别于地面机器人的三维运动———飞跃障碍行为, 如图7所示。
5 结束语
本文以旋翼无人机为研究对象, 以测距传感及视觉技术为硬件基础, 以模糊控制系统作为避障控制器实现了旋翼无人机室内自主飞行避障控制, 并成功应用于实物平台实现真实环境避障稳定飞行。
摘要：无人机在军事和民用上的广泛应用, 使其成为全球范围的研究热点。自主飞行控制及避障能力是保障无人机安全飞行的前提条件。本文在研究国内外旋翼无人机控制及现有避障技术的基础上, 针对静态未知的复杂室内环境, 设计了一种融合多传感器测距及视觉技术的自主避障方案, 并于四旋翼实物平台上进行避障飞行实验, 验证了方案的可行性。
关键词：旋翼无人机,飞行控制,避障技术,模糊控制
参考文献
[1]倪磊, 曾庆化.依靠自身传感器的室内无人机自主导航引导技术综述[J].计算机应用与软件, 2012, 29 (8) :160-163.
[2]钟佳朋.四旋翼无人机的导航与控制[D].哈尔滨:哈尔滨工程大学, 2010.
避障小车 篇3
本项目机器人采用三轮传动结构:前面左右两边的两个轮子是主动轮, 各接一个电机作为动力;后轮是从动轮, 起到平衡的作用。
1. 运动机理
控制前面两个轮子的转动方向就可以控制整个机器人行进的方向:左右两个前轮都向前转, 则机器人向“正前方”直线前进;左右两个前轮都向后转, 则机器人向“正后方”直线倒退;左前轮向后转, 右前轮向前转, 则机器人将以后轮为轴心逆时针转动, 即实现向“右后方”转弯倒退;左前轮向前转, 右前轮向后转, 则机器人将以后轮为轴心顺时针转动, 即实现向“左后方”转弯倒退 (见图1) 。
2. 控制原理
机器人头部用钢丝做两根触须, 一左一右各连接到一个碰撞开关, 分别控制两个前轮的旋转方向 (见图2) 。特别注意, 左右触须与对应控制的电机是交叉过来的, 左边的触须连接右边的碰撞开关, 控制右边的电机;右边的触须连接左边的碰撞开关, 控制左边的电机。
3. 电路原理
机器人头部有两根钢丝作的触须, 触须分别连接在两个碰撞开关上 (注意两根钢丝对应的碰撞开关是交叉的, 即:“左—右”钢丝, 对应“右—左”碰撞开关) 。
(1) 没有障碍物时, 触须没有被挤压, 不触发碰撞开关, 碰撞开关默认的通路, 给电机供给一个“正方向”的电流, 电机于是“顺时针方向”旋转。
(2) 有障碍物时, 触须被挤压, 触发碰撞开关, 碰撞开关断开默认通路, 连接另外的一组通路, 给电机供一个“反方向”的电流, 电机于是“逆时针方向”旋转。
这里给出完整的电路原理图 (见图3) 。为了方便大家, 这里再给出实物电路接线图供参考 (见图4) 。本项目以BEAM平台车为基础, 杜邦线和排针为主要连接方式, 图5为焊接示意图。
二、准备工作
需要的器材主要包括:PVC线槽、基础平台小车、碰撞开关、拨动开关、螺丝、排针等 (见图6、表1) 。
三、制作过程
以下将主要重点在控制电路、传感器、电源等其他部分的对本项目机器人的制作过程进行详细介绍。
1. 控制电路
1a.为了便于模块化的插接, 这里采用排针与基础平台车的杜邦线路进行连接。从长条的排针上截取三组:两组双针的, 一组三针。再剪一块针孔排列为3×6的万用板, 把排针安装在万用板上。
1b.图中灰色部分为焊接连线。
按上一步步骤图中的布线方式, 相对应杜邦线的连接见右图。
1c.图中绿色线两个电机的电极;蓝色线连接拨动开关的两极;红色线连接电源正极, 连接碰撞开关的正极节点;黑色线连接电源负极, 连接碰撞开关的负极节点。
1d.可以用刻刀或者划纸刀把几种颜色的导线都切出一小段, 然后套在对应颜色的排针上。不同颜色的杜邦线, 就可以比较简单且准确的插接在对应的排针上。
2. 传感器
2a.剪段PVC线槽的槽盖一侧大概4cm长, 并用笔做好打孔标记。用锥子打好孔, 并且把用刻刀或划纸刀把锥子所打孔的边缘不平整的凸起部分切平, 准备好碰撞开关的安装孔。注意, 安装孔不要太过于靠近两端, 因为槽内侧的插缝也需要预留一点的空间。
2b.准备把作为触须的钢丝, 借助接线插簧端子固定到碰撞开关的遥臂上。钢丝前端用尖嘴钳做一个弯折, 扣入插簧接线端子小的一端, 并用端子上的折边包住钢丝且夹紧。
2c.插簧接线端子大的一端扣在碰撞开关的遥臂上, 并且夹紧。把碰撞开关前面的一个电极引脚折弯, 以便于两个碰撞开关能够按照一个夹角的角度进行安装。
2d.把碰撞开关用M2×10的螺丝固定在车体顶盖上, 两个碰撞开关之间大概成一个90°左右的夹角。
适当调整两个碰撞开关的安装位置以及夹角, 确保两个碰撞开关都同时按下时, 前端的两根触须的端子部分不会碰在一起。确定好碰撞开关的夹角之后, 把螺丝扭紧把碰撞开关固定好。
2e.根据电路图我们得知, 两个碰撞开关的上面两个引脚是互相连接在一起的, 这中间的连接最好用硬金属线 (比如:电子元器件的金属引脚) 焊接, 这样可以把两个碰撞开关间的夹角固定起来, 避免我们只用一个螺丝固定一个碰撞开关时多次碰撞容易导致的安装角度变形问题。当然焊接这个硬金属线前, 先调整好两碰撞开关的夹角, 并确保两根触须能够正常触发两个碰撞开关。
3. 组装
最后把控制电路、安装了传感器的车体顶盖, 以及基础平台小车都整合组装起来。控制电路板上的导线, 从车体顶盖底部穿过中间的孔引出, 并焊接在碰撞开关的引脚上。把控制电路板的蓝色导线焊接在拨动开关上, 拨动开关是三根引脚, 焊接中间的一根和旁边的一根。把对应颜色的杜邦线插口, 插到控制电路板上对应颜色的排针上。长出的导线可以收纳到车体中, 盖上车体顶盖。
四、制作心得
机器人避障优化模型 篇4
关键词：避障,优化模型,最短路径,最短时间路径,Dijkstra算法
1 假设与符号说明
1.1 模型假设
(1) 假设把机器人看成一个质点。
(2) 假设机器人性能足够好, 在行走时不出现故障, 且能准确地沿着圆弧转弯。
(3) 假设题目所给数据准确无误, 障碍物的位置固定不变。
(4) 假设给定区域外无障碍物, 机器人可以无限接近区域边缘行走。
(5) 假设忽略机器人转弯时的反应时间。
1.2
符号说明 (略)
2 问题分析
这是一个避碍最短路径问题, 必须要满足机器人行走的条件:
(1) 机器人行走范围受到限制, 须在安全区域行走, 如图1所示。
(2) 机器人只能弧线转弯, 因此, 需考虑在障碍物何点处转弯路径最短, 转弯半径应取多大。
针对问题一, 通过平面几何知识计算出切点坐标、转弯半径、转弯弧长和切线段长。当机器人行走须过中间点A、B和C时, 必须要在此点转弯。其转弯半径及圆心是难以确定的, 这是本问的关键之处。显然所有的切线和弧长构成一个连通赋权图, 通过连通赋权图就可将问题转化为一个最短路径问题, 如何优化路线, 用什么方法求解需深入考虑。
针对问题二, O→A的最短时间路径与距离和速度有关, 而直线和转弯速度不同。因此需建立以转弯半径为变量的最优化模型, 这时应计算转弯半径的取值范围作为约束条件。
3 模型的建立与求解
3.1 模型准备
文献[4]知机器人在以障碍物顶点为圆心、半径为R=10时转弯时路径最优。下面分别讨论机器人在不同障碍物行走的可能路径、各切点坐标、点到切点的距离和切点到切点的位移。
(1) 一次转弯的情形:如图2。初始点B (x1, y1) 、终点A (x2, y2) 和圆心O (x0, y0) 已知, 设C (x3, y3) 、D (x4, y4) 为切点, 半径为ρ, 设的长度设为1d, BC长度设为d2, DA长度设为d3, CD的弦长为d4, B到A的路径总长为L。
由平面几何知识知切点C和D的坐标可由以下方程组分别求出, 这里半径ρ=10。
由两点距离公式求得d2、d3和d4分别为
由余弦定理可求OC和OD所夹的圆心角, 然后再用弧长公式计算d1
于是, B到A的路径总长L为
因此, 可用上面的方法求解图2的右图, 只需取半径ρ=R+10即可。
(2) 两次转弯的情形。情况1:见图3左图两切线相交的情况
设M (x3, y3) 为两切线的交点 (见图3左) , 设1O (x1, y1) 和2O (x2, y2) 已知, M是O1 O2的中点, 则
由情形1) 可化为先求A到M的距离, 再求M到B的距离, 则A到B的距离是由这两部分之和构成。
显然, 由情形1) 可计算C点、F点坐标和AC、BF的长度。下面讨论如何求解D和E点坐标, 设1O (x1, y1) 和2O (x2, y2) 已知, 且半径为ρ, 设D和E的坐标分别为 (x3, y3) 、 (x4, y4)
然后用两点间距离公式、余弦定理和弧长公式可计算DE、的长度。
同理, 对多次转弯的路径可按情形1) 和情形2) 进行分割计算切点坐标的相邻两点的位移。
(3) 中间目标点弧化。在计算O→A→B→C→O的最短路径时, 中间点A、B和C转化须弧化, 弧化的关键是确定圆心。本问参考了文献[5]的方法, 即中间点A、B和C平分弧。各切点的坐标及任意相邻两点的距离计算方法可参照文献[5]。
3.2 问题一模型的建立与求解
3.2.1 模型建立
由几何知识计算点到点的距离、切点和切点的弧长。因此该问题转变为连通赋权图求任意两点间的最短行走路程。设起点记为0p, 终点记为pn+1, {ip}表示n个切点的集合, i=1, 2, , n;点与点间的行走路程为dij, 引一个0-1变量cij
起点约束:有且仅有一条线路从起点出发
终点约束:有且仅有一条线路到达终点
中间点约束:每个中间点均有一进一出或无进无出两种情况cik+ckj=0或2, k≠0且k≠n+1。
于是, 最短路径的模型为
3.2.2 模型求解
显然, 考虑路线越多求解时间越长, 因此, 除了剔除不符合的要求的切线外, 还应进一步优化, 优化方案如下:
(1) 考虑到求点到点的最短路径, 故可划分区域求局部最优, 如图4。
(2) 由三角形两边之和大于第三边的原理, 对三点构成类三角环 (圆心与圆心或圆心与点能构成三角形的环) 这种情形只保留最长的线, 当且仅当被剔除的这两条切线无其他通路。如图4 V2、V6和V7的类三角环, 由于V7所在的圆, 除了V2到V7和V7到V6这两条切线并无其它通路, 则这两条切线可剔除。
(3) 把弧看成一个点, 即把弧长归到前一切线中, 如图5所示。
通过上述的简化后, 我们可以得到从一个始点到一个终点的连通赋权图。因此, 本文采用Dijkstra算法计算O→A、O→B和O→C的最短路径。O→A的连通赋权图如下
Dijkstra算法的思路[6]:
1) 给起点1v标号 (0, S) 。
2) 找出已标号的点的集合I, 没有标点的点的集合J及弧的集合{ (V i, V j) |Vi∈I, Vj∈J}。
3) 如果上述弧的集合是空集, 则计算结束。
如果tV已标号 (L t, Kt) , 则sV到tV的距离即为tL, 而从sV到tV的最短路径可从Kt反向追踪到起点sV求出。如果tV未标点, 则sV到tV不通。如果上述的弧的集合不是空集, 转下一步。
4) 对上述的弧的集合中的每一条弧, 计算Sij=iL+Cij (1) 。
在所有的Sij中, 找到其值为最小的弧, 不妨设此弧为 (Vc, Vd) 。则给此弧的终点以双标点 (scd, C) , 返回步骤2。
若不在第四步骤中, 使得Sij值为最小的弧有多条, 则这些弧的终点既可以任选一个标点, 也可以都予以标点, 若这些弧中的有些弧的终点为同一点, 则此点应有多个双标点号, 以便最后可找到多余最短路径。
通过Matlab编程求解结果如下, 其中转弯半径均为R=10。
1) 机器人从O点到A点最短路径总长为L=471.0372, 行走线路如下:
2) 机器人从O点到B点最短路径总长为:L=852.9195, 行走线路如下:
3) 机器人从O点到C点最短路径径总长为:L=1092.8924, 行走线路如下:
4) O→A→B→C→O的最短路径总长为:L=2761.30, 行走线路如下:
注:表1中的d1和d2分别表示线段的长度。
图6为O→A、O→B、O→C (左) 和O→A→B→C→O (右) 的最短路径的可视化模拟路径.
3.3 问题二模型的建立与求解
3.3.1 模型的建立
从问题一求解知O→A的最短路径, 当速度一定时, 最短时间路径与路径成正比。因此, O→A的最短时间路径只需考虑由O点出发, 在障碍物5的左上角行走至A点这种情况。由于圆弧的转弯速度与转弯半径有关, 为保证安全行走需对转弯半径进行讨论, 求出安全行走时转弯半径的范围, 在这个范围内找到行走时间最短的转弯半径。
由前面分析知, 为保证机器人安全行走, 以障碍物5左上角点作为圆心, 半径R满足以下条件:
(1) 最小转弯半径:R=10
(2) 最大的转弯半径由以下两种情况的小者确定
1) 机器人不能在给定区域外行走:R1=80
2) 机器人在障碍物6附近行走的安全范围:
通过分析, 如图7所示.只要保证A点恰好能在障碍物6右下角点 (235, 300) 安全行走即可。即
由上求得切点G点的坐标为 (236.5385, 290.1191) , 然后用两点式求出过A点和G点的直线l, 再通过直线l与以障碍物5左上角点为圆心, 半径为R2的圆相切, 由方程组求出半径R2=55.0824。
所以, 最大的转弯半径取值为
综上, 机器人以障碍物5左上角点作为圆心, 在半径的取值10≤R≤55.0824内行走是安全的, 如图7中黄色区域表示机器人行走的安全区域。
问题二转为找出以障碍物5左上角点为圆心, 在10≤R≤55.0824这个范围内使得行走时间最短的半径。设机器人转弯半径为ρ, 以障碍物5左上角点为圆心的圆1O。设A点和O点与圆1O分别相切交于E、
F两点, 利用几何知识计算AF、OE和的长度分别为:
所以
因此得该问题的模型
其中, 最大直线行走速度v0=5, 最大转弯速度
3.3.2 模型求解
由于该优化模型只含一个变量ρ, 因此本文采用MATLAB编程求解得O→A的最短时间路径总时间为:TMIN=94.5649 (秒) , 对应的转弯半径为:ρ0=11.5035, 总距离为:472.4078。O→A行走路线如下:
图8为O→A的最短时间路径的可视化模拟路径。
4 模型评价
针对机器人行走面临避障问题, 建立了一种可行的避障定位最短路径和最短时间路径模型。主要研究如下:
(1) 分析了机器人在不同障碍物行走的可能路径, 并用简单的平面几何知识求解切点坐标、任两相邻点的长度;
(2) 引入0-1变量建立优化模型, 模型的公式简单易懂;运用Dijkstra算法求解最短路径模型, 在求解对赋值连通图优化, 求局部最优, 从而减少计算工作量, 提高计算速度;
(3) 针对问题二的最短时间路径模型详细地分析了变量ρ的取值范围, 并用matlab快速求解模型;
(4) 求解结果描述多样化, 图、表和箭头路径相结合, 直观明了。
在后续的研究过程中, 我们将对下面几个问题做深入的分析和研究:
1) 讨论模型的精度及影响精度的因素;
2) 障碍物不规则时, 怎样模型需要进一步改进;
3) 障碍物越多时, 分析模型误差问题。
参考文献
[1]谭永基.数学模型[M].上海:复旦大学出版社, 2011.
[2]陈怀琛.线性代数实践及MATLAB入门[M].北京:电子工业出版社, 2009.
[3]谢金星.优化建模与LINDO/LINGO软件[M].北京:清华大学出版社, 2005.
[4]基于切线网络模型的机器人避障问题.http://www.docin.com/p-243098224.html, 2012.
[5]行走机器人避障问题数学建模, http://wenku.baidu.com/view/c72e2e1dff00bed5b9f31df9.html, 2012.
武装机动平台测距避障系统设计 篇5
以微控制器为核心的智能数据采集系统的兴起,超声波检测装置在其检测精度、手段、应用范围上实现了新的飞跃,广泛应用于智能化检测和机器人导航等领域。文中介绍了一种以单片机为主控芯片,采用多组超声波传感器采集障碍物信息,结合温度补偿原则,实现精确测距。该测距系统结合模糊控制避障算法,在自行设计的武装机动平台上得到实际应用,实现了武装机动平台的安全避障。
1 超声波测距原理
超声波测距技术是一种非接触式的测量物体间距离的方法。它是基于无目视能力的生物防御及捕捉猎物生存的原理。通过不断检测超声波发射后遇到障碍物所反射的回波时间,计算运动物体与障碍物间的距离。对距离的测定通常采用渡越时间法[3],即利用超声波探头向某一方向发射出超声波,在发射的同时开始计时,当超声波在介质中碰到被测物体,就会发生反射,探头接收到反射波后立即停止计时,从而计算出发射和接收回波的时间差Δt,继而根据超声波在介质中的传播速度C,计算出发射点到被测物之间的距离d=C×Δt/2。
超声波在空气中的传播速度和温度有关, 为了获得较精确的声速,必须引入温度补偿。对空气而言,本文采用超声波速度C与环境温度T的关系按如下公式计算:
2 测距避障系统总体设计
武装机动平台由运动行走子系统、火力控制子系统、侦察子系统、测距避障子系统组成,总体采用分级式控制方式,各子系统在中央处理器控制下完成相应工作。测距避障子系统是武装机动平台重要组成部分,在硬件设计上,采用主、从机结构,从机主要完成测距数据的采集处理,主机根据从机采集的距离信息完成复杂的避障算法,控制机器人的行走。从机主控芯片采用STC12C5412AD单片机,4组超声波收发传感器采集障碍物信息,DS18B20温度传感器测定环境温度,液晶1602显示4组测定距离和环境温度,其总体设计框图如图1所示。
编号1、2、3、4分别代表4组超声波传感器,武装机动平台的左右两侧各安装1组,前方安装两组,分别用于感知各自方向上的障碍物信息,超声波传感器在武装机动平台上的分布如图2所示。
温度传感器DS18B20用于感知环境温度,把采集到的环境温度送给单片机作温度补偿,提高测量障碍物与武装机动平台距离的精度,实现精准避障。
武装机动平台避障运动分为4种情况:(a)只有1、2两组超声波检测到障碍物,此时小车向右运动,若3、4组测到障碍物则向相反方向运动。(b)当前方发现障碍物,1、4组均未检测的障碍物时,令小车向右运动。(c)当4组超声波都测到障碍物时,小车先倒退,然后向右运动。(d)若1、4检测到障碍物而2、3没有检测到障碍物,小车并不改变方向仍按直线行走[4]。
3 测距避障系统硬件电路设计
3.1 超声波发射电路
超声波发射电路如图3所示。它由超声波波形产生电路、功率放大电路和发射控制电路3部分组成。由于4组超声波传感器需要实现功能相同,电路基本一样,只是控制电路端口改变,因此只对一组超声波收发器的功能实现作介绍。选单片机的端口P1.0为控制信号线,控制触发NE555时基振荡电路产生频率为40 kHz的方波信号,其振荡频率计算公式[5]如式(1)所示。
f=1/[(2R1+R2)×C1×ln2] (1)
由于发出的超声波信号达不到用于测量所需的强度,且随着测量距离的增加,超声波在空气中的损耗也不断增加,经反射接收到的回波信号十分微弱,不利于从大量杂信号中提取出来。为了提高探测的准确性,在超声波传感器与NE555输出端加上电压放大电路,对产生的信号进行放大,提高方波信号的电压值及强度,本系统的最大测距范围为15 m,由于在软件设计中使用了抗反射波直接被接收的限制,最近测距范围为20 cm。
3.2 超声波接收电路
超声波接收电路如图4所示。它由超声波接收换能器、运算放大器、选频电路及多路选通开关等部分组成。由于回波在接收传感器经压电效应产生的电压信号是mV级,所以接收到的回波信号必须经放大电路放大后才能由下一级的选频检测电路处理。放大电路采用MC33202D集成运算放大器,第一级放大100倍,第二级放大10倍。选频电路由音频译码器LM567CN实现,其5、6脚外接的电阻和电容决定了内部振荡器的中心频率f0,f0≈1/(1.1R1C1)。当Input端接收到的信号中有接近LM567设定的频率且具有一定幅值的回波时,LM567的输出引脚OUTPUT由高电平变为低电平,此低电平信号被连接到STC12C5412AD单片机的INT0引脚触发中断。STC12C5412AD单片机在发射超声波时启动定时器,在中断产生时关闭定时器,从而得到超声波传播的时间Δt,计算武装机动平台与障碍物的距离。
3.3 温度测量电路
超声波在空气中传播时,大气压力、空气的温度、湿度等都影响其速度,其中空气的温度对超声波声速影响最大。为了得到更准确的超声波声速,本系统设计了温度检测部分对环境温度进行检测,以提高超声测距精度。测量环境温度时,直接以“一线总线”的数字方式传输,可以提高系统的抗干扰性。为此,本系统采用了DS18B20温度传感器检测环境温度,它具有结构简单、体积小、功耗小、抗干扰能力强、使用简单等优点。其温度测量范围为-55~125 ℃,测量分辨率为0.5 ℃,微处理器接口简单,输出为温度值的9位(二进制)数据读数。可方便地实现超声波声速的温度补偿,从而提高测量的准确度。
4 测距避障系统软件设计
超声波测距系统的软件由主程序、超声测距子程序、温度数据采集子程序、显示子程序等组成。主程序和超声测距子程序的流程图分别如图5和图6所示。主程序首先在上电复位后,完成STC12C5412AD单片机及其外围功能模块的初始化。然后调用温度采集控制程序,读取当前温度值,并利用温度补偿程序,计算出当前温度下超声波的波速。接着依次启动4路超声波的发射,在超声波发射过程中,屏蔽接收电路向单片机输入信号。同时,使能定时器T1开始计时。超声波每次发射10个周期的信号,耗时为250 μs。由于超声波在发射过程中会产生余波,同时超声波发射传感器与接收传感器相距较近,所以发射时会有部分余波未经反射直接绕射到超声波接收传感器上[6],引起系统误差。为了避免误差,采用延迟接收的方法,在超声波发射完1 ms后开放接收电路,并使能外部中断,调用延时程序,等待超声波回波,所以存在20 cm范围内盲区。若有回波,则引起中断,调用中断服务程序,读取T1计数值,经处理后,计算出距离,送LED显示,同时把计算距离送至避障子程序入口,产生相应的避障指令,控制机动平台的左转、右转、前进、倒退等动作。
文中把上述电路和算法应用于武装机动平台的测距避障系统,进行了多次超声波测距实验,实验结果如表1所示。
通过对实验中测得数据分析比较发现,当平台运动速率较低时,测量距离与实际距离间的误差较小,当平台运动速度增大时,测距误差有所增大,基本达到了系统所要求的精度范围。
5 结束语
本测距系统采用单片机作为主控芯片进行模块化设计,充分利用其硬件资源,设计较简单,软件编程易实现。在硬件电路设计时,设计了4路超声波收发传感器采集障碍物信息,同时加入温度补偿电路,提高测量精度。在编制系统软件时,考虑到超声波测距过程的“盲区”问题,在虚假反射波到来之前这段时间内禁止接收中断的发生,避开了虚假反射波带来的干扰。实验结果基本达到了系统所要求的精度范围,在武装机动平台系统上得到应用。
参考文献
[1]纪良文.机器人超声测距数据的采集与处理[J].工业控制计算机,2001,14(4):20-23.
[2]廖一,曾迎生.基于超声传感器阵列的陆地自主车测距[J].微计算机信息,2008,24(4):161-163.
[3]赵广涛,程荫杭.基于超声波传感器的测距系统设计[J].微计算机信息,2006(1):129-130,149.
[4]闫晶,周浚哲,刘喜梅.基于DSP的智能小车避障系统设计[J].沈阳理工大学学报,2008(1):37-41.
[5]邵林,戴学丰,李向阳,等.基于ARM的移动机器人测距传感器设计[J].计算机应用,2008(12):347-349.
无线遥控避障机器人设计 篇6
1 系统设计
无线遥控避障机器人系统框图如图1所示,整个系统是由上位控制部分和机器人部分组成。上位控制部分由终端设备和WIFI单元模块组成,通过终端设备控制机器人的动作,WIFI单元模块实现命令的无线发送,上位控制部分可由智能手机来实现。机器人部分由主控单元、WIFI单元、超声检测单元以及电机单元四部分组成,其中主控单元实现控制部分命令的接收,超声检测单元以及电机单元的控制;超声检测单元安装在机器人小车的正前方,通过发送超声波实现距离的检测;主控单元根据超声波检测的距离,实现电机单元的运动控制,从而有效实现避障的功能。该机器人即可实现自主避障,也可由上位控制部分实现人为控制避障,并且人为控制优先。
2系硬件设计
2.1控制器的选择
上位机控制部分采用智能手机实现,一般智能手机内部集成WIFI单元。机器人部分主控单元选用ATMEGA8L单片机,该单片机在机器人领域应用广泛,相关测试硬件和软件较多,便于系统设计和开发,节省系统的开发时间。
2.2电机单元接口设计
电机单元接口设计如图2 所示,其中电机驱动模块由双H桥电路组成,实现双电机的驱动控制,电机模块包含左右直流电机。电机驱动模块中EN1 和EN2 为PWM控制信号,单片机中通过改变PWM信号的占空比,从而调整直流电机的转速。IN1、IN2 、IN3 以及IN4 为驱动信号,该信号与单片机数字I/O端口相连接,改变I/O端口数字状态可实现电机的正转、反转以及停止等状态。以左电机控制为例,控制信号与电机运动状态逻辑关系如表1 所示,当IN1=1、IN2=0 时电机正转;当IN1=0、IN2=1时电机反转;其他情况下电机停止。机器人运动状态和左右电机之间的逻辑关系如表2 所示,当左、右电机同时正转时机器人前进;当左、右电机同时反转时机器人后退;当左电机正转右电机反转时机器人右转;当左电机反转右电机正转时机器人左转。
2.3超声检测接口设计
超声波模块接口设计的框图如图4 所示。超声波检测单元有两根线和单片机相连,是Trig和Echo,其中Trig是触发控制信号输入、Echo回响信号输出。超声测距原理是通过超声波发射器向某一方向发射超声波,在发射时刻的同时开始计时,超声波在空气中传播,途中碰到障碍物就立即返回来,超声波接收器收到反射波就立即停止计时。超声波在空气中的传播速度V=340m/s,根据计时器记录的时间t,就可以计算出发射点距障碍物的距离S:
这里超声检测采用HC-SR04 模块实现,该模块有效测距范围:2cm-450cm,感应角度不大于15度,精度0.3cm,使用直流5V电压。该模块工作时序如图5 所示,首先通过单片机I/O口给TRIG管脚提供一个10us以上的脉冲信号,接着超声模块自动发送8 个40k Hz的方波,遇到障碍物时模块自动输出高电平信号,返回给单片机,单片机记录高电平持续时间,从而利用公式(1)计算出距离S。
3 软件流程设计
3.1机器人运动测试流程图
机器人运动测试流程图如图6 所示,开始后,首先进行单片机初始化,接着测试机器人直行100cm,单片机通过控制左电机和右电机运行的方向实现机器人的行走。测试系统流程为机器人先直行100cm,接着倒退100cm,再连续左转5 周,最后连续右转5周。
3.2机器人避障测试流程图
机器人避障测试流程图如图7 所示。小车通过超声传感器对小车正前方测矩SF。当S>25cm时,表明小车正前方无障碍,小车直行,等待10ms后再发送Trig信号;当S≤25cm时,表明正前方有障碍小车执行避障策略。
3.3 无线遥控测试流程图
机器人无线遥控测试流程图如图8 所示。采用无线控制机器人时,先进行系统初始化,然后建立WIFI连接,接着通过智能手机发送指令,单片机接收到指令后进行解析指令,最后实现机器人动作。手机界面控制功能图如图9 所示。该控制有直行、左转、右转、后退和结束五种功能。
3.4 系统软件设计流程图
系统软件设计流程图如图10所示。开始后系统进行初始化,首先检测是否收到上位机指令。若收到上位机指令则执行上位机指令动作;若没有收到上位机指令则机器人执行自主避障策略(通过超声传感器对小车正前方测矩记为S,当S>25cm时,表明机器人正前方无障碍,机器人直行;当S<25cm时,机器人右转90 度,测量并记录正前方距离S,当S>25cm时,表明机器人正前方无障碍,机器人直行;当S<25cm时机器人反复执行该避障策略。)。
4 实验结果及结论
4.1 实验结果
1)机器人在上位机控制下,在2×2m的环境中,机器人可实现按照上位机的指令进行直行、后退、右转和左转。
2)机器人自主避障实验示意图如图11所示,在2×2m的环境中,机器人首先面向B平面直行与此同时不断检测正前方距离当距离小于25cm时机器人执行右转90 度,接着面向C平面直行与此同时不断检测正前方距离当距离小于25cm时机器人执行右转90度。实现了当机器人正前方遇到障碍物时能成功执行预定的避障策略规避障碍物。
4.2 实验结论
本文中的无线遥控避障机器人通过实验验证,实现了一方面在有上位机指令的情况下机器人执行上位机指令,另一方面在未收到上位机指令的情况下机器人执行自主避障,整个过程机器人工作正常、稳定,达到了设计的预期要求。
摘要：设计以微控制器(ATMEGA8L)为核心的无线遥控避障机器人系统,利用WIFI模块实现机器人和终端(手机)的联系,设计了自主避障策略,分析了系统在长时间工作下的收据交换。通过实验验证,整个系统工作可靠、稳定,达到设计要求。