智能拖地机器人,云鲸 NARWAL 0 引言 所谓多传感器信息融合(Multisensor Information Fusion, MSIF)是指将来自某些传感器的输入与来自其他传感器、信息处理模块、数据库或知识库的信息进行多级别、多方面和多层次的综合处理,从而得到新的有意义的信息,便于机器人做出正确的决策。 实时避障和路径选择能力体现了自主移动机器人的智能水平。人们希望机器人能够在未知环境中自动实现路径规划,以大大提高其对环境的适应能力。避障是机器人路径规划中的难点和研究热点。根据机器人对环境信息知道的程度不同,可分为两种类型:环境信息完全知道的全局路径规划和环境信息完全未知或部分未知的局部路径规划。对于已知环境下的避碰问题,已经提出了许多有效的解决方法。如Khatib 提出的人工势场法,结构简单,易于实现,得到了广泛应用。与在已知环境中相比,机器人在环境完全未知或部分未知情况下实现避障更加困难。本文充分利用数字信号处理器(DSP)超强的运算能力,以及单片机(MCU)善于控制的特点,在移动机器人的避障系统中,构造了DSP+MCU 的双CPU 系统。同时使用超声波传感器、红外传感器、视觉传感器等组成多传感器系统,将粗糙集理论引入到多传感器信息融合中,有效地提高了系统的精度,实现了移动智能机器人在不确定环境中实时获取外部信息,快速地实现避障。 1 系统硬件结构 本文选用数字信号处理器(DSP)作为核心芯片,由于DSP 的外部接口较少,不能满足数据采集的需要,这就要求对DSP 外部进行接口的扩展。对于一般的数据采集系统,大都采用DSP 总线进行接口扩展方案,但这需要多个接口芯片,很难实现测试系统的小型化。综合考虑系统的性能、小型化、可靠等因素,本文采用了DSP+MCU 的双CPU 设计方案,系统硬件如图1所示。 DSP选用TMS320C5416,该芯片的时钟频率达到160MHZ,内部RAM 有128K。它作为系统的主处理器,该芯片的计算能力能够达到系统要求。同时,由于该芯片还含3 路MCBSP(多路缓冲串口),在一定程度上减轻了MCU 接口扩展的负担。MCU选用C8051F021,该芯片的时钟频率达到25MHZ。它含有丰富的数字外设,包括4 个I/O 端口,可同时使用的硬件SMBUS,5个通用的16位计数器/定时器,SPI 和2 个增强性UART串口,专用的看门狗定时器。作为系统的从处理器,该芯片能够方便地扩展接口,实现多路传感器信号的采集,此外,由于该芯片内部FLASH 达到64K,可以将DSP的程序存储到MCU 中,DSP 通过HPI 口进行程序加载,这样,可以省去DSP 外部扩展FLASH。 DSP与MCU之问的快速、可靠的数据通信是系统设计成功的关键。本文利用DSP 提供的HPI接口实现了双CPU 间数据通信,数据传输速度可达160 MB/s。此时,DSP 中的RAM 相当于一个双口RAM,MCU 通过HPI 接口对此RAM 进行操作,而DSP 则是操作自己的内存。 2 机器人避障行为的决策 机器人在运动过程中需要对碰撞的危险性进行判断并以此作为机器人路径规划选择的依据。图2 给出了机器人的扇形视野区域。机器人把所有的障碍物都看作运动体,通过检测障碍物的历史位置与当前位置的相对关系,来判断机器人是否会与障碍物相撞,判断步骤如下: (1)连接历史点与当前点,并延长至与扇形区相交,当交点在扇形的弧线上,标志障碍物正远离物体,不需要避障。否则记录交点的位置,我们称该交点为出口点。 图2 机器人视野扇形区 (2)从物体当前点向机器人与出口点同侧的边缘点引直线(圆形机器人为切线),然后求图1上0位置到两条直线的距离,当前者大于或等于后者则不恤要避障,否则选择避障。 3 基于粗糙集理论的多传感器信息融合 3.1 粗糙集理论简述 由单一传感器难以保证信息的准确性和可靠性,不足以充分反应外界环境信息,因此,采用多个传感器可实现环境信息的充分理解,便于机器人做出正确的决策。粗糙集理论是波兰数学家Z.Pawlak 在20世纪80年代提出的,便于处理含糊和不精确性问题。他针对边界线区域思想提出了粗集,并把无法确认的个体都归属于边界线区域,而这种边界线区域被定义为上近似集和下近似集的差集。粗糙集理论不仅为信息科学和认知科学提供了新的科学逻辑和研究方法,而且为智能信息处理提供了有效的处理技术。由于粗集理论具有对不完整数据进行分析、推理,并发现数据间的内在关系、提取有用特征和简化信息处理的能力,所以利用粗糙集理论对多传感器信息进行融合是一个值得探讨的问题。 3.2 不完备信息系统的粗糙集方法 在许多情况下,面临的信息系统是不完备的,主要的问题之一是属性的缺省值,在移动机器人避障中,绝大多数信息系统都是不完备的。 3.3 多传感器数据融合的步骤 粗糙集理论可以对不完备信息进行融合,与传统方法相比具有以下优点:无需建立模型库,而模型库的建立往往是一项十分棘手的工作;能够融合不完整和不精确的信息,对提高融合速度,增强决策能力具有重大意义。 把每次传感器采集的数据看作一个等价类,利用粗糙集理论的化简、核和相容性等概念,对大量的传感器数据进行分析,剔除相容信息,求出大量数据中的最小不变核,得到最快融合算法。具体步骤如下: (1)将采集到的样本信息按条件属性和结论属性编制一张信息表。 (2)利用属性化简及核等概念去掉冗余的条件属性及重复信息,得出简化信息表。 (3)求出核值表。 (4)由核值表求出信息表的简化形式:依次取各个条件属性的核值,若某行无核值,则取核值表中某个条件属性的值,检验该属性上与其取值相同的对象对应的决策属性值是否相同。若相同,表明仅由此条件属性可得出结论,提取规则:否则表明仅由此属性不能推出结论,加上另一条件属性,构成新的条件属性集,直到各规则检验完毕。从而形成简化决策规则表。 (5)汇总对应的最小规则,得出最快融合算法。 这样我们就可以得到最小简化决策算法,由最小决策算法能得到一组最小规则集。 4 仿真与实验 为了对上述方法进行验证,首先进行了仿真实验。设移动机器人已知子目标的位置,在MATLAB中搭建了机器人的避障环境,仿真结果如图3所示。图中黑色物体为障碍物,圆点代表机器人,黑圆点代表子目标,图中曲线为机器人的运动轨迹。开始阶段,机器人没探测到障碍物,按规定速度沿直线前进。在时刻1机器人探测到一侧有障碍物,由于没有挡在机器人前行路线上,因此机器人任按直线前行。到达时刻2,机器人监测到前方障碍物挡在前进路线上,实行减速转弯避障,由于检测到障碍物另一侧空间较大,因此机器人实现该方向转弯,避开障碍物后机器人前行。该图显示了移动智能机器人的局部路径规划的仿真,从中可以看出机器人能够成功的避开障碍物到达子目标。最后,我们在智能机器人AS-R 进行实验,完全能顺利实现避障。 5 结束语 本文的创新点在于,充分利用数字信号处理器(DSP)超强的运算能力,以及单片机(MCU)善于控制的特点,在移动机器人的避障系统中,构造了DSP+MCU 的双CPU 系统,并将粗糙集理论引入到多传感器信息融合中,有效地提高了系统的精度,实现了移动智能机器人在不确定环境中实时获取外部信息进行路径规划,快速地实现避障。
|
2020-02-17
2022-06-13
2021-12-13
2022-11-09
2022-10-20