智能移动机器人控制与感知系统.docx
《智能移动机器人控制与感知系统.docx》由会员分享,可在线阅读,更多相关《智能移动机器人控制与感知系统.docx(36页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、摘要随着机器人的应用范围的不断拓宽,机器人所面临的工作环境也 越来越复杂,往往是未知的、动态的、非结构化的,所以,要在这种 环境下实时地完成各种任务,就对机器人的控制提出了新的挑战。本文的主要工作和创新点包括:对移动机器人的硬件模块进行了 分析。详细研究了移动机器人的感知系统,包括超声波传感器和视觉 传感器两大模块。移动机器人采用了两款超声波传感器组合使用,用 于探测更为全面的障碍物特征信息。通过对基于行为控制技术的论述, 设计了一种用于移动机器人完成多目标任务的基于行为控制系统。另 外机器人采用了 Sony EVI-D31 PTZ摄像头,成功地实现了计算机串 口控制,大大的扩展了机器人的视觉
2、功能,可以更多的获取外界信息。关键词:移动机器人、硬件模块、行为控制。3、传感器及多传感器融合技术传感技术自80年代以来获得了迅猛的发展,它已经越来越多的被应用于各种监 测系统。移动机器人的传感技术用于对车体自身及外部环境信息的检测和处 理。移动机器人所用传感器主要分为两类一一内传感器和外传感器。(1)内传感器: 用于测定机器人自身的参数位置和方向。常用的有计程仪、差分计程仪、磁罗盘和陀 螺罗盘等。(2)外传感器:用于检测和处理外部环境信息。其中,用于移动机器人测 距的外传感器通常为非接触型传感器,包括声学、光学和电 磁波三类。目前常采用 超声、激光、视觉等传感器。超声传感器的优点是硬件结构简
3、单,价格低廉,容易操 作;缺点是速度慢,存在较大的波束角,且对光滑表面存在镜面反射。激光传感器的 优点是发散小或没有发散,并对大多数物体无镜面反射现象,缺点是存在潜在的安全 问题(首先是人眼安全问题),且不适用于透明物质。视觉传感器通常采用CCD敏 感元件,优点是获取信息量大,缺点 是计算 复杂,对环境光线有一定要求。另外, 移动机器人上还有触觉、压觉、滑觉等接触型传感器。移动机器人所用传感器主要分为两类一一内传感器和外传感器。(1)内传感器: 用于测定机器人自身的参数一一位置和方向。常用的有计程仪、差分计程仪、磁罗盘 和陀螺罗盘等。(2)外传感器:用于检测和处理外部环境信息。其中,用于移动机
4、器 人测距的外传感器通常为非接触型传感器,包括声学、光学 和电磁波三类。目前常 采用超声、激光、视觉等传感器。超声传感器的优点是硬件结构简单,价格低廉,容 易操作;缺点是速度慢,存在较大的波束角,且对光滑表面存在镜面反射。激光传感 器的优点是发散小或没有发散,并对大多数物体无镜面反射现象,缺点是存在潜在的 安全问题(首先是人眼安全问题),且不适用于透明物质。视觉传感器通常采用CCD 敏感元件,优点是获取信息量大,缺 点是计算复杂,对环境光线有一定要求。另外, 移动机器人上还有触觉、压觉、滑觉等接触型传感器。多传感器信息融合技术是指将经过集成处理的多传感器信息进行合成,形成对外 部环境某一特征的
5、一种表达方式。在未知环境中,信息的表现形式是多种多样的,信 息容量以及对处理速度的要求已大大超出人脑的信息综合处理能力,信息融合这一崭 新的数据处理技术便应运而生。经过融合的信息具有冗余性、互补性、实时性和低成 本性。多传感器信息融合基本原理和出发点就是充分利用多个传感器的资源,通过对 这些传感器及其观测信息的合理支配和使用,把多个传感器在空间和时间上的冗余或 互补信息,依据某种准则进行组合,以获得被测对象的一致性解释或描述,使该系统 由此获得比它的各组成部分更优异的性能和更可靠的决策。可以证明:应用优理论融 合来自多个传感器的信息总能得到比单个传感器信息更好的对象状态估计。用于移动 机器人的
6、多传感器信息融合方法的研究 从本世纪80年代中期开始起步,至今已有 10余年的历史。由于移动机器人应 用领域很广,因此确定多传感器信息融合的通用 方法很难。融合的常用方法 有:加权平均法、贝叶斯估计、卡尔曼滤波、统计决策 理论、DS证据推理、神经网络和模糊推理法以及带置信因子的产生式规则。其中加 权平均法是最简单也最直观的方法,一般用于对动态低水平的数据进行处理,但结果 不是统计卜的最优估计;贝叶斯估计是融合静态环境中多传感器低层数据的常用方法, 适用于具有高斯白噪声的不确定性传感信息融合;对于系统噪声和观测噪声为高斯白 噪声的线性系统模型用卡尔曼滤波(KF)来融合动态低层次冗余传感信息,对于
7、非线 性系统模型采用扩展卡尔曼滤波(EKF)或者分散卡尔曼滤波(DKF);统计决策理论 用 于融合多个传感器的同一种数据,常用于图像观测数据;DS证据推理是贝叶斯 估计法的扩展,它将局部成立的前提与全局成立的前提分离开来,以处理前提条件不 完整的信息融合;基于神经网络法根据系统要求和融合形式,选择网络拓扑结构,通 过网络学习确定网络连接权值,对各传感器的输入信息进行融合。系统具有很强的容 错性和鲁棒性;模糊推理法首先对多传感器输出进行模糊化,将所测得的距离等信息 分级,表示成相应的模糊子集,并确定模 糊子集的隶属度 函数,通过融合算法对隶 属度函数综合处理,再将模糊融合结果清晰化,求出融合值;
8、带置信因子的产生式规 则主要用于符号水平层表达传感器信息,结合专家系统对多传感信息进行融合。迄今 为止,许多研究人员对信息融合技术的研究做 出了很大的贡献。鸵永革13等对多 传感器信息融合的概念、方法及实现等问题作了探讨。SHouzelle和G Giraudon14 提出了要从多传感器融合信息中获取更多潜在的优势,必须对增长的数据流、知识模 型和推理决策进行控制,同时通 过使用香农(Shannon)信息理论提出了各种传感器 之间的冗余性及互补性的定量测量。J K Hackett和M Shah 15将多传感器信息融 合的应用分为六大类,即场景分割、表达、3-D形状、传感器建模、自主机器人和目 标
9、识别。袁军等也对多传感器信息融合的方法进行了归纳,同时也回顾了融合中的控 制结构、传感 器选择及环境建模等问题。多传感器融合技术在自主车导航中的作用越来越受到重视。如Hilare移动机器 人将触觉、听觉、两维视觉、激光测距等传感器结合起来,使之能在未知 环境中操 作。Stanford移动机器人将触觉、立体视觉和超声波传感器用于非结构化人为环境中 的机器人导航。Carnegie-Mellon机器人中心研制的CMU自主 陆地车具有彩色TV摄 像机、激光测距仪和声纳传感器。(二)移动机器人的关键技术1、基于行为的控制技术基于行为控制方法是反应式系统的扩展,它介于纯粹的反应式和极端的慎思型 之间。在文
10、献中基于行为方法和反应式方法常常被混淆,尽管两者在内部状 态上没 有本质的不同,但是基于行为策略要比纯粹的反应式方法优越的多.“基于行为机器人(BBR)建立了人工智能、工程和认知科学之间的桥梁。基 于行为的方法是设计自主智能体和机器人的方法论,是智能体结构的一种形 式。正 是这种结构提供了框架并且施加了某些约束,从而使机器人的控制问题得 以解决。 基于行为的方法论利用了一种普遍的、生物学上的灵感,从下而上的哲学体系,并 且允许了在解释、描述上的一定的自由。基于行为的方法论的目标就 是发展控制智 能系统(通常是指机器人系统,也包括一些仿真机器人和其他的自主的软件智能 体)的方法,使用机器人来构造
11、模型从而更好的理解生物系统(通 常是指动物,从昆虫到人类”现有的移动机器人存在的主要问题是缺乏灵活性和自主性,大多数机器人只能在 预先定义的地图中或者是高度结构化的环境中执行预先规定的动作。在陌生的环境下, 机器人不能很好的完成任务,主要原因在于对环境情况的预先知识的了解是不全面的、 不确定的和近似的;由于传感器自身的限制,感知信息存在 不同程度的不确定性, 直接使用感知信息很难得到准确的环境模型;控制作用并非完全可靠,如出现打滑等, 基于行为的控制结构解决了这些问题,使机器人能够克服环境的不确定性,可靠的完 成复杂任务,且效率高、鲁棒性好。对于移动机器人的自主导航来说,所具备的行为包括紧急行
12、为、避障行为、任务 行为(包括障碍物 识别及环境探索),每种行为有不同的优先级,其中紧 急行为优先 级最高,避障行为次之,任务行为优先级最低,整个体系结构如图1.6所示图1.6基于行为的控制结构2、移动机器人的主动视觉技1 .主动视觉的定义:主动视觉(Active Vision)是当今计算机视觉和机器视觉 研 究领域中的一个热门课题。主动视觉强调的是视觉系统与其所处环境之间的交互作用 能力。具体地说,主动视觉系统应具有根据自己在当前环境中所处的状态,如几何位 置、姿态,摄像机的成像光学条件等,调整自身各部分的状态参数,使其能够达到一个 佳成像状态,从而使系统能够方便地完成特定的视觉任务,如动态
13、 地跟踪 物体的运 动。由此可见,主动视觉系统就是能够支持主动视觉功能的实验演示系统,又称为图 像采集平台(multi-DOF image grab platform) o通过视觉信息进行导航控制是随着 计算设备运算速度和存储容量 的快速发展、图像技术 的进步而提出来的。视觉系统 在导航中主要起到环境探测和辨识的作用。环境的探测包括障碍探测和陆标探测,而 辨识主要是路标和目标物体的识别。其目的是 为移动机器人提供相关 的环境信息如 障碍物相对机器人的位置信息,机器人在全局坐标下的位置信息,甚至运动物体的速 度、方向、距离信息,以及目标的 分类等。视觉导航的优点在于其探测的范围广, 取得的信息丰
14、富,其难点 在于 机器人导航使用的视频图像信号数据量很大,要求较 高的实时数据处理能力,同时从图像中提取对导航有价值的信息也是一个富有挑战性 的工作。2 .视觉系统的组成机器人视觉系统从功能上看可分成图1. 7所示三部分。其中摄像头的作用是摄取 环境中的情况,产生连续帧(或场)的视频图像。这些视频图像通过A/D转换,生成相 应的数字图像,然后再由图像识别算法对这些数字图像进行辨识,得到所 需数据。奘月寻AD转袈竟字国彖图L7机器人视觉系统机器人视觉系统就其实现方案而言,可分为三类27:第一类是所谓的软件法, 该法是指图中的A/D功能由专门的图像采集卡实现,而图像识别算法则由装入主计算 机的程序
15、完成。因为单纯实现A/D功能的图像采集卡结构简单,通用性强,在市场上 较普遍,而在PC机上开发软件算法也较方便,因此软件法是比较容 易实现的方法。 但是由于主机要完成大量的数字图像信息的处理,工作量很大,所以实时处理的速度 是此类方法的开发重点和难点;第二类是硬件法,它将图中A/D和图像识别算法固化 在一块数据采集处理板上,图像采集板完成图像的数字化转换、图像压缩、分析和处 理的功能,向主机传送图像处理后的结果。由于大量的图像处理、分析动作都由图像 采集板完成,减轻了主机的负担,是提高系统的实时处理速度的有利手段。由于问题 的具体性,采用此法需独立开发出一块数 据采集板,所以通用性不强,设计周
16、期长, 成本高;第三类是软、硬件结合法,在这种方法中,数据采集处理板可实现A/D功能 和部分简单但量大的图像辨识任务,然后将中间辨识结果传给计算机,在计算机上完 成剩余的量小但复杂的辨识 计算任务。这种方式下,图像的通用性强,开发周期短。 显然采用软硬件结合法,要比采用硬件法开发数据采集处理板的难度小,但是该方法 所需的采集卡价格贵,费用也较高。3 .视觉系统的工作原理:无论采用哪种方式,机器人视觉子系统一般都具有如 下的功能模块:图像采集、图像分割、目标识别和目标跟踪。(a)图像采集、通过摄像头将环境中的现实情况采集到计算机内存,供视觉处理软件分析。主要 用摄像头、图像采集卡等硬件设备来完成
17、。(b)图像分割也就是图像的二值化,是将彩色图像中各像素区分成不同对象的子类。经过像素 分类处理后,彩色图像变为二值图像(感兴趣的目标点为1或255,背景点为0,也可 以根据算法实现的需要设置其它值)。在二值图中,分离出各个独立的 目标区域。图 像分割是在颜色分割的基础上进行的,对图像进行颜色分割后,就可以获得多个二值 化图像结果,这些二值化图像实际上是从同一幅图像中获得的。因此,对于多目标图 像处理需要获得多重二值化图像结果。这样就完成了多目标的分割。(c)目标识别此模块是通过独立目标区域的特征量来确定目标特性,如通过目标矩心、目标周 长、面积和方向等,最终确定出目标的中心位置和运动方向,为
18、决策子系统提供信息。 目标识别的过程是计算机认识图像的过程。就机器人视觉系统来说,它对机器人视觉 系统的实时性影响最大,是系统的研究重点和难点,同时也是目前广大学者研究的热 点,提出了许多算法。(d)目标跟踪在机器人小车运动的同时,视觉子系统连续摄取环境中的一帧一帧的彩色图像,及 时处理帧图像,使机器人小车能够进行连续的运动。在机器人视觉系统中搜索目标 的方法有两种:一种实现方法是对所采集的每一帧图像进行全帧识别处理;另一实 现方法是利用上帧所识别出来的目标信息,根据它的速度及运动方向,对 它在下帧 中的大致位置进行预测估计,从而只需在一帧图像的局部区域进行搜索和识别。处 理,这一方法便是实际
19、的目标跟踪。目标跟踪大大地减少了系统处理 的数据量,从而很容易实现实时性要求,也可以提供较多的时间进行其它处理。(三)研究意义和主要内容近几十年来,机器人技术不断得到发展,其应用领域也越来越广泛,尤其是在军 事、月球探索、服务等领域愈发得到了更加重要的应用。但是在不断提高机器人智能 化的同时,它所面临的环境也开始变得越来越复杂,往往是未知的、动态变化的,机 器人要完成的任务也越来越复杂。所以就要求机器人必须有一个更好的体系结构,从 而能更好的代替人类的劳动、工作。本文对移动机器人的行为控制较为系统的研究,提出了基于行为的模糊控制技术 方法。本文的主要工作和创新点包括:第一部分详细论述了移动机器
20、人及其控制技术的现状,对当前的国内外移动机器 人的发展进行了分析和展望。第二部分对自行研制开发的RIRA移动机器人进行了阐述,并对RIRA移动机器人 的硬件模块进行了详细分析。第三部分进行了 RIRA型移动机器人的感知系统的设计,包括超声波传感器和视 觉传感器两大部分。RIRA移动机器人采用了多路超声波传感器组合,还使用了两款可 测距超声波传感器,用于探测不同距离的障碍物,保证对外界环境的尽可能多的检测。 另外RIRA移动机器人采用了 Sony EVI D3-PTZ摄像头,成功地实现了计算机串口控 制,大大的扩展了机器人的视觉功能,可以更多的获取外界信息。第二章移动机器人的硬件结构(一)移动机
21、器人驱动模块(1)调速范围宽广,伺服电机的转速随着控制电压改变,能在宽广的范围内连续调-1-P 下;1、驱动模块的硬件选取1 .硬件的选取根据实际环境的需要,RIRAII移动机器人的驱动部件选取的是交流伺服电机, 交流伺服电机选用日本松下电机,它的额定功率为0.75kW,额定转矩为2.4Nm,最高 转速为4500rpm,额定转速为3000rpm,选用的编码器是增量式编 码器。这种电机有 三种控制模式:位置控制模式、速度控制模式和转矩控制模式。运动控制的原理: 由运动控制模块发出控制信号,如脉冲信号和模拟电压量等,这两种控制信号分别对 应位置控制模式和速度控制模式,伺服电机在相应的模式下接收到控
22、制信号,于是便 能按照预定的方式运动。在位置控制模式下,根据输入电机的脉冲频率,控制驱动电 机转速,随着控制频率的增大,位置控制模式的线性度略有下降,这是由于累积误差 引起的。因此,移动机器人的运动控制,一般不采用位置控制方式,而选用速度控制 模式。2 .交流伺服电机工作原理伺服电机在控制系统中用作执行元件,将电信号转换为轴上的转角或转速,以驱 动控制对象。伺服电机有交流和直流两种,它们的最大特点是可控。在有控制信号输 入时,伺服电机就转动;没有控制信 号输入时,则停止转动;改变控 制电压的大小 和相位(或极性)就可以改变伺服电机的转速和转向,它是控制系统中的原动机。伺 服电机控制方法有三种:
23、幅值控制;相位控制;幅值-相位控制。生产中多用 幅值控制。交流伺服电机与普通电机相比具有如下特点:(1)调速范围宽广,伺服 电机的转速随着控制电压改变,能在宽广的范围内连 续调;(2) 转子的惯性小,能实现迅速的启动,转动;(3) 控制功率小,过载能力强,可靠性好。由于伺服电机的特点,它的应用非常广泛。例如,雷达系统中扫描天线的旋 转, 流量和温度控制中阀门的开启。另外,数控机床中刀具运动、舰船方向舵和机器人的 驱动都是采用伺服电机来完成的。2、驱动模块的控制本研究主要采用单片机来控制驱动模块,单片机以其体积小、价格低、抗干扰性 好等特点,在现代控制系统中常用在操作现场进行数据采集,以及实现现
24、场控制。其 程序流程图如图2.1所示。图2. 1电机动作流程图单片机输入的脉冲信号通过D/A转换,把数字信号转换成模拟信号,电机的转 速和转向主要是通过电压的变化来控制的,电机需要的电压范围为TOV+10V,其速 度控制图,如图2. 2示,阴影的部分表示斜率可以变化的范围,通过调节伺服控制器 的参数可以调节斜率,速度的正轴代表正转,负轴代表负转。交流伺服电机控制器有 五种模式选项,包括:监视器模式、参数设定模式、EEPROM写入模式、自动增益调整 模式、辅助模式。在交流伺服电机运转之前,还需要对控制器的参数进行设置,选择 控制器的参数设定模式,对其参数进行设置,其参数设置如表2. 2所示,调节
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 移动 机器人 控制 感知 系统
限制150内