基于ＬＡＢＯ３的移動機器人定位研究

摘 要：定位是確定機器人在其工作環境中所處位置的過程。移動機器人通過傳感器感知環境和自身狀態，進而實現自主運動。簡單地說就是在一個未知的環境中，獲取信息、分析環境，確定自己在該環境中的具體位置。利用Matlab與LebVEIW相結合實現對數據的采集，提出一種基于地圖的EKF定位方法，從而實現精確定位。結合LABO3的特點對機器人的定位問題進行研究，達到在實際中的應用。

關鍵詞：定位問題；EKF定位方法；數據采集;傳感器信息；LABO3

中圖分類號：TP183 文獻標識碼：A 文章編號：1004373X(2008)1806103

Research on Mobile Robot′s Localization Based on the LABO3

ZHAO Lina，TANG Mingxin，Hanajima

(Dalian Jiaotong University，Dalian，116028，China)

Abstract：Localization is a process to ensure the location of robot in its working environment.The robot can do automatic motion by the sensor get the information of environment and the condition of robot itself.In another words，in an unknown environment，the robot can get the information，analyse the condition and ensure the location by itself.this article uses both of the Matlab and LebVEIW to realize the data acquisition，and brings forward a method of EKF localization based on the map，and then to achieve precise localization.The originality of this paper is based on the character of Labo3 and make this mothed can be carried out.

Keywords：localization;methods of EKF location;data acquisition;information of sensor;LABO3

移動機器人由于其在各行業廣闊的應用前景，已經成為機器人研究領域的一個重要分支。移動機器人的定位問題是提高移動機器人自主能力的關鍵問題之一。在多種情況下，機器人的位置信息是完成任務的前提。目前，解決定位問題的方法通常是利用機器人內部傳感器與外部傳感器信息的融合來得到機器人位置信息。但是，傳感器的誤差積累(如編碼器)以及缺乏未知環境的先驗知識，往往使機器人不能有效地獲得其位置信息。機器人在行走過程中通常會碰到并且需要解決如下3個問題：我（機器人）現在何處；我要往何處走；我要如何到達該處。其中第一個問題是其導航系統中的定位及其跟蹤問題，第二、三個是導航系統的路徑規劃問題。移動機器人導航與定位技術的任務就是解決上面的3個問題。而定位問題又是自主移動機器人導航的基本問題，是確定機器人在其作業環境中所處位置的過程。因此本文提出了機器人在完全未知的環境中利用傳感器的信息，精確定位的可行性方案。

1 LABO3簡介

LABO3是一種多功能的自主移動機器人平臺，為需要大量有效載荷的研究和開發提供開發平臺，如圖1所示。強大的馬達結合高性能電池及摩擦自由輪，可以持續使用跨度達數小時之久，而成為有效的高載荷試驗平臺，被廣泛應用。

在LABO3的平臺上可以隨意配置試驗載體，完成相關試驗目的。在該試驗平臺內部包括9個紅外線向傳感器，分別位于平臺的前面，側面和后面，從而可以達到近270°的環境測量。它的主要功能是光源跟蹤、避障系統、可視導航等。本文主要實現測量導航作用。其特點如下：

(1) 實驗室試驗和發展應用的理想平臺；

(2) 從完全控制到完全自治的操作；

(3) 其頂部是平面設計的，可以帶到最大載荷30 kg；

(4) 兩輪不同的驅動器，而且是零轉矩半徑；

(5) 采用紅外傳感器在現實環境中感測無噪聲障礙物等；

(6) 在自由空間導航或者是有參考物體導航時可以采用操作可視系統；

(7) 大部分的AAI智能機器人操作都是可行的。

2 移動機器人的定位

2.1 定位方法的選擇

目前關于機器人定位的方法有很多可以選擇，移動機器人定位是提高移動機器人自主能力的關鍵問題之一。目前，解決定位問題的方法大致可分為2類 ：

2.1.1 基于構造地圖的定位方法

地圖是環境的模型，當前主要有拓撲結構描述地圖和幾何地圖2種。基于這2種地圖又可以分為以下2種方法：

(1) 使用拓補地圖和直接推理的定位方法。此類方法都使用拓撲地圖表示結構化的外界環境，在定位過程中也往往采用直接式的推理方法，以廣義Voronoi圖(Generalized Voronoi Graph，GVG)方法為典型。

(2) 使用幾何地圖和概率推理的定位方法。由于機器人機械制造誤差、里程計、外部傳感器受測量噪聲以及運動控制中誤差的影響，機器人運動的真實位置具有一種不確定性，因而概率論是定位分析的重要工具，基于概率的推理方法因其數學上的嚴密性得到了廣泛的應用。在近年的研究中，應用這種推理的定位方法往往使用基于柵格描述的環境幾何地圖。基于擴展Kalman濾波(Extended Kalman Filter，EKF)的掃描匹配定位方法和馬可夫(Markov)定位方法在此類方法中非常有代表性而且有成功的應用。

2.1.2 基于路標的定位方法

(1) 基于超聲波測距的路標定位

移動機器人首先憑借自身的概略位姿確定路標的位姿，當移動機器人識別到這些路標后，通過傳感器測量機器人與這些路標的距離與方向，在通過三角法等幾何運算獲得移動機器人的位姿。

(2) 基于激光和紅外測距的路標定位

此種方法的局限是機器人必須走直線。而本文鑒于LABO3的特點，利用紅外線傳感器測量獲取信息，采用基于地圖的EKF的定位方法來實現精確的定位。

2.2 擴展卡爾曼濾波器(EKF)的方法

卡爾曼濾波器是一種遞推形式的狀態和參數估計方程，它以測量誤差為依據，進行估計和校正，不斷逼近真實值對于非線性系統，需將其輸人方程和輸出方程進行線性化，而后采用擴展卡爾曼濾波器進行估計。當需要對低級的、冗余數據進行融合時，擴展卡爾曼濾波器提供了一個很好的框架。如果系統模型誤差及傳感器測量誤差能用高斯白噪聲來建模，則卡爾曼濾波器能為被融合數據提供統計意義上的最優估計并且，它的遞歸本質使得系統不需要很大的存儲空間。

基于EKF的方法采用數學上更加嚴密的置信度和方差矩陣處理不確定性問題得到非常廣泛的應用。EKF方法是為了處理機器人定位過程中的不確定性，機器人的姿態向量使用高斯分布描述，而在機器人運動過程中姿態的更新也表現為機器人姿態空間中姿態向量分布的數學期望和方差的更新。這個更新過程用的是擴展Kalman濾波。此方法包括2個方面：掃描識別和基于EKF位置計算。掃描識別的目的在于獲得根據機器人傳感器讀數推斷的當前位置假設坐標和此假設的誤差矩陣；EKF位置計算按照不同的信息來源計算以高斯分布表示的機器人姿態估計(包括姿態的數學期望和方差)。此方法的效率和位置估計精度都很高。

通過已知的環境地圖和機器人的狀態預測X(k+1|k)和方差P(k+1|k)來產生k+1 時刻環境特征的觀測預測，它和k+1 時刻環境特征的實際觀測Z(k+1)和方差R(k+1)進行數據匹配，得到的匹配結果用來進行移動機器人的自主定位的更新。本文采用了擴展的卡爾曼濾波方法(EKF)對機器人進行自主定位，最后得到k+1 時刻機器人的修正位X(k+1|k+1)和相應的方差P(k+1|k+1)。然后開始下一步的循環計算。EKF算法一直以來是移動機器人自主定位的首選方法之一，在EKF中將機器人運動與環境特征之間的關系描述為2個重要模型:X(k+1|k)=F(X(k|k)，U_k)+v(k)(1)

Z(k+1)=H(X(k|k))+w(k)(2)其中，式（1）為v(k)和w(k)機器人運動模型；式（2）為觀測模型；分別表示系統的動態噪聲和傳感器的觀測噪聲以及2個模型本身的不確定性；U_k 表示輸入的控制命令或者是里程計的輸出數據。這里假設噪聲是均值為零的高斯白噪聲。應用上述2個模型，EKF可以歸納為一個循環迭代的估計和校正過程，其定位原理如圖2所示。在圖2中，機器人首先將控制信息或里程計的信息輸入到系統的狀態方程，也叫機器人運動方程，完成對機器人位姿和環境特征的觀測預測。而通過觀測模型估計環境特征的實際觀測，然后計算實際觀測與原先的觀測預測之間的差異，再綜合系統的協方差計算卡爾曼增益w，并用w對前面預測的機器人位姿進行更新，最后將新觀測的環境特征加入到地圖中。在這里預測與觀測之間，要進行特征匹配或數據相關，只有匹配的環境特征才能用來更新機器人位姿和環境特征地圖。機器人就是按照這個順序進行循環估計，盡量消除累計誤差，最后得到盡可能準的定位信息。

3 實現數據采集

LabVIEW語言具有豐富的擴展函數庫，集成了大量的可生成圖形界面的模板，如各種表頭、旋鈕、開關、LED指示燈、圖表等，界面直觀、形象，相對于傳統的編程方式而言，它簡單易學而且執行效率高。與傳統的編程方式相比，使用LabVIEW設計的虛擬儀器，可以提高效率4~10倍。用LabVIEW實現采集數據同時利用ActiveX組件使得程序與數據的連結更簡單。

在 LabVIEW中實現與Matlab混合編程的原因很簡單:Matlab是世界上最優秀的數學軟件之一，功能強大。它的特點是語法結構簡明、數值計算高效、易學易用。Matlab現在已經成為國際認可(IEEE)的最優化的科技應用軟件。2004年推出的Matlab 7.0包括12個新增模塊，同時升級了28個原有模塊，從而更加方便用戶進行算法開發。然而，Matlab也有不足之處。例如，用戶界面開發能力較差，數據輸人、網絡通信、硬件控制等方面編程都比較繁瑣。鑒于此，在混合編程中通常使用LabVIEW設計用戶圖形界面，負責數據采集和網絡通信，Matlab提供算法供LabVIEW調用，從而充分發揮兩者各自的優勢，達到快速開發虛擬儀器的目的。

4 利用Matlab Script節點調用Matlab算法

LabVIEW 和Matlab混合編程的基礎是它們都支持ActiveX自動化技術。通過使用Matlab自動化服務器功能，可以在其他應用程序中執行Matlab命令，并與Matlab的工作空間(Workspace)進行數據交換，可以借助這一特性，把LabVIEW與Matlab結合在一起。為了簡化調用過程，LabVIEW提供MatlabScript節點。LabVIEW使用ActiveX技術執行該節點，啟動一個Matlab進程。這樣用戶就可以很方便地在自己的LabVIEW應用程序中使用Matlab編寫的算法，包括執行Matlab命令，使用功能豐富的工具箱。值得注意的是兩者之間的數據通信僅支持Real，Real Vector，Real Matrix，Complex，Vector Complex，Matirx 六種格式的數據，而且還必須根據具體情況進行選擇Matlab Script節點具有簡單易用和多輸人、多輸出的特點，一次處理的信息量可以很大。Matlab腳本可以先在Matlab環境下調試無誤后，再導入到Matlab Script節點中。Matlab Script節點對輸入、輸出數據的類型有明確的要求。只有LabVIEW中的數據類型與Matlab中的數據類型相匹配，才能夠進行數據傳輸。

5 結 語

本文提出了基于Labo3利用擴展卡爾濾波器實現定位的可行性方案。目前，由于機器人的導航應用越來越受到大家的關注，關于機器人定位的研究也很多。同時也提出了很多新的研究方法供大家學習參考。本文在學習了機器人定位方面的知識后，結合實際提出了一種可行的定位方案。通過在實驗室里進行仿真實驗，證明該方案確實可行，并且較好的可靠性和準確性。在此基礎上可以結合導航控制理論，對機器人實現進行進一步控制。

參 考 文 獻

［1］胡勁草.室內自主式移動機器人定位方法研究［J］.傳動技術，2006，12(20):1418.

［2］趙翊捷，陳衛東.基于地圖的移動機器人定位技術新進展［J］.上海交通大學學報，2002，10(36):1 4351 447.

［3］鄭向陽，熊蓉，顧大強.移動機器人導航和定位技術［J］.機電工程，2003，5(20):3537.

［4］王海龍，陳珊杰.基于Matlab的數據采集系統的研究［J］.中國農學通報，2007，1(23):381384.

［5］李南，陳家軒，吳艷花.移動機器人的定位算法EJ3\\.機械設計與制造，2004，12(6):1718.

［6］陳衛東，張飛.移動機器人的同步自定位與地圖創建研究進展［J］.控制理論與應用，2005，6(22):455460.

［7］王正林，王盛開，陳國順.Matlab／Simulink與控制系統仿真［M］.北京：電子工業出版杜，2005.

［8］楊義偉，蔣大明，戴勝華．駝峰信號微機監測系統的數據采集［J］．武漢理工大學學報:交通科學與工程版，3005，29(1)：154156.

［9］Thrun S，Fox D，Burgard W.A Probabilistic Approach to Concurrent Mapping and Localization for Mobile Robots［J］．Machine Learning，1998，1(31)：2953.

［10］Tsumura T，Hashimoto M，Fujiwara N．New Method for Position and Heading Compensation on Ground Vehicle\\．Int． Conf．on Advaneed Robotics，1985：429436.

［11］Borenstein J，Everett H R，Feng L.Where am I Sensors and Methods for Mobile Robot Positioning\\.Technical Report，Univ.of Michigan，APR.1996.

作者簡介 趙麗娜 女，1982年出生，遼寧本溪人，碩士，大連交通大學電氣信息學院，控制理論控制工程專業。主要研究方向為機器人同時定位與地圖構建。

唐明新 男，1961年出生，漢族，教授。主要研究方向為現場總線控制系統的開發與應用。

花島直彥 男，日本室蘭工業大學機械系準教授。主要研究方向為機器人的控制。