基于多傳感器數據融合的AGV機器人定位技術研究

雷宇

【摘 要】本文分析了AGV機器人在運行過程中產生的定位誤差的原因，并對定位誤差進行分析。提出了一種基于卡爾曼濾波理論理論的AGV機器人多傳感器融合算法。

【關鍵詞】多傳感器數據融合；AGV

0 引言

隨著柔性制造系統的普及，智能AGV機器人作為工件載具，廣泛應用于制造業、倉儲業、危險場所以及特種行業。AGV機器人自主行駛的先決條件就是有效的定位，而AGV在移動過程中的定位，又是一個更為困難的問題。如果AGV不能準確的獲取當前的位置，無法和工作環境位置模型進行正確比對。就不能按照規劃好的線路行進，不能準確按照方向行走，不能在準確的位置進行轉向或做業。本文通過多傳感器融合技術來幫助AGV定位，從而控制AGV準確按照軌跡運動。

1 AGV機器人定位誤差產生的原因

現在AGV機器人定位主要依賴于與車輪連接的廣電編碼器。一般采用增量式光電編碼器，使用單片機組成積算器，把機器人輪上的位移量進行積分。但是由于傳動、打滑等因素，會導致累積誤差的出現。這些影響因素有可能是來自于系統本身特性，也有可能由外部環境變化而產生的。所以，誤差可以分為系統誤差和非系統誤差兩類。

1.1 AGV定位的系統誤差是由傳動系統、計量系統本身產生的，是固定的。系統誤差的產生，多是由于組成系統的元件本身的誤差積累造成的。如：驅動輪的直徑不可能完全一致；驅動輪轉動的圓周誤差；傳動帶本身誤差；驅動輪軸線的跳動；光電編碼器本身誤差；積算器采樣誤差等等。系統誤差可以測量，并且可以進行補償。

1.2 非系統誤差

非系統誤差是由于外部環境的變化作用于AGV系統的擾動。如：由于地面因素造成的輪胎打滑；地面崎嶇不平，造成的位移偏差；AGV轉向速度過快造成的橫向加速度；由于突出障礙物造成AGV輪胎轉動受阻等等因素，使編碼器測量系統積算得到的位置與實際位置造成偏差。

2 建立AGV運動模型

由于AGV工作環境結構布局以及服務設備分布布局信息需要。需要建立地理坐標系和AGV車身坐標系，來對在對AGV機器人的環境信息進行描述。

地理坐標系：描述AGV機器人所運行的平面環境的坐標系，一般選擇AGV的出發點為坐標系原點o，選擇正方向后建立與地圖相似的X，Y軸坐標。

AGV車身坐標系：以車身作為參考物。通常把AGV車體上某點（如幾何中心）作為原點o'。X'軸一般選擇車頭指向方向，垂直車頭方向軸為Y'軸。由于AGV車體的運動，所以 AGV車身坐標系是運動坐標系，隨著車身的運行做水平平移或者角度旋轉。

3 AGV定位誤差模型

由于AGV機器人的差動驅動結構原因，以及AGV的積算式定位原理，機器人的位置和姿態可以用絕對坐標值以及運動方向角度組成的向量表示：

A=XY？茲

對于AGV機器人，運動誤差來源于地理坐標系與車體運動坐標系之差。

？駐A=？駐X-？駐X'？駐Y-？駐Y'？駐？茲-？駐a？茲'

由于車體運動坐標系一般是使用AGVA機器人左右輪廣電編碼器進行累計得到，包含運動姿態也是由左右輪差動得到。因此可以從一個出發點位置開始，并將運動進行積分予以估計。行走距離的增量，可以依靠固定采樣間隙？駐t 的離散系統。

設？駐l為AGV機器人移動量，也就是左右輪移動平均量。則更新后的位置A'。

A'=x'y'？茲'+？駐l cos（？茲+？駐？茲/2）？駐l sin（？茲+？駐？茲/2） ？駐？茲

4 AGV機器人位置計算用傳感器選擇

AGV機器人的定位問題是非常重要的。AGV機器人移動中的定位不僅僅關于到AGV機器人的線路規劃，還直接決定了后續的做業，以及多臺AGV之間的調度問題。因此選擇傳感器要考慮AGV移動中的定位和定位精度，特別是高速直線運動和轉彎是造成的偏差。

因此，我們出于技術成熟、模塊尺寸、與原有設備匹配情況、成本等多方面考慮后，計劃增加一些傳感器以提高AGV精度。為了解決AGV機器人在直線加速、減速造成的累積誤差，增加了加速度傳感器，用于修正因加速度造成的累積誤差。為了解決機器人在轉向的時候產生的角度偏差，增加了電子陀螺儀模塊和電子羅盤模塊，用于修正角度積累誤差。為了避免電子羅盤在復雜的工業電磁環境下失效，同時使用電子陀螺儀和電子羅盤，利用陀螺儀慣性定位，提高定位精度。由于多種傳感器的采用，AGV機器人的定位將面臨著一個傳感器信息融合的問題，因此需要采用傳感器融合算法，使用多傳感器來提高定位精度。

多傳感器信息融合的本質是對多源不確定信息的分析和綜合，是一個復雜的過程。我們需要處理的光電編碼器，實時電子羅盤、陀螺儀、加速度計實時控制系統和其他傳感器數據的快速處理數據，盡量簡化計算，和盡量少占用MCUDE的數據存儲空間。處于以上考慮，卡爾曼濾波理論適用AGV機器人多傳感器融合應用環境。

卡爾曼濾波器廣泛應用于傳感器融合技術，是一種被證實的有效的手段。卡爾曼濾波器用于AGV機器人定位問題語句作為傳感器融合問題的定位要求。卡爾曼濾波器的感知更新是一個多階段的過程。該機器人的總傳感器輸入不被處理成一個單一的整體，但被處理到所提取的特征集，每個功能都涉及到的環境。給定一組可能的特征，卡爾曼濾波器可以馬上做完全相同的概率更新處理所有的單模式和高斯的信任狀態。

5 AGV的多傳感器融合算法

傳感器、光電編碼器和陀螺儀的組合是一種獨立于推算導航系統（DS），精度高，在短時間內，其有效性不受外部因素的影響。但是航跡推算是基于相對位置的累積，隨著累積、積算過程的增加，誤差也被累積、增加。

電子羅盤是依賴于磁場特性的傳感器，在沒有電磁干擾下，它具有極高的精度，可以準確測量AGV的運動方向。但是在AGV的運行環境中，復雜的電磁干擾是普遍存在的。包括電焊、電動機等。

5.1 機器人角度預測

使用AGV機器人在時刻k和因為控制輸入u（k）產生的移動，預測AGV機器人在時刻k+1的角度。

？撞■（k+1|k）=■■（k|k）■■f T+■■f ？撞■（k）■uf T

獲得從時刻k+1取到陀螺儀傳感器測量Z（k+1）。在使用陀螺儀模塊構成的慣導系統中，該值為陀螺儀模塊的輸出角度測量值？駐？茲gyro■。為了匹配，我們要在把觀測和預測放在同一個框架{S}內。我們把地理坐標系變換為傳感器框架{S}。

5.2 測量預測（下轉第172頁）

（上接第180頁）我們利用所預測的機器人坐標位置和地理坐標產生的預測特征的觀測為Z，預測的特征轉換到傳感器框架內的機器人位置表達式為：

■（k+1）=h（Z■（k+1|k）■）

5.3 匹配

匹配步驟其實具有辨識的作用，在形式上，匹配過程的目的，就是產生一個從觀測Z（k+1）到目標 Z 的分配。相應于觀測所找到的測量預測，我們計算修正v（k+1）。修正是預測和觀測之間差別的度量：

？撞■（k+1）=■h·？撞■（k+1|K）·■h■+？撞■（k+1）

5.4 估計

下面根據角度預測和在時刻 k+1的所有觀測，我們計算機器人位置的最佳估計■（k+1|k+1）。卡爾曼公式可以被寫成為：

■（k+1|k+1）=■（k+1|k）■+K（k+1）·v（k+1）

對AGV機器人多傳感器系統來說，所示，AGV機器人整體狀態的最優為：

■■（k+1）=？茁■■■（k+1）+？茁■■■（k+1） ？茁■+？茁■=1P■■（k+1）=P■■（k+1）+P■■（k+1）

結合卡爾曼濾波器的信息分配系數？茁■，？茁■，對應于當地的過濾器和主過濾器，決定聯合卡爾曼濾波器的性能。根據對？茁■，？茁■自動調整的具體情況，對？茁■，？茁■大小設定，然后將聯合卡爾曼濾波組成為一個具有自適應特性的聯合卡爾曼濾波器。經過驗證，該參數在一定程度上能夠反映電子羅盤的定位精度為基礎，自動調整兩個參數大小，方向可以使機器人定位達到較好的效果。

6 結論

AGV機器人工作的首要問題就是定位和路徑規劃問題，特別是在大航程、復雜環境下的定位和路徑規劃更是具有一定的難度。本文著眼于現在AGV機器人技術，分析了AGV機器人定位誤差產生的原因，建立了AGV機器人器里程誤差的模型。然后提出了AGV機器人上的多傳感器設計方案。提出了AGV機器人的自適應聯合 Kalman 濾波器算法。并對做了算法的匹配、驗證等工作，證明多傳感器融合技術應用于AGV機器人，可有效提高定位精度。

【參考文獻】

[1]蔡自興. 21世紀機器人技術的發展趨勢[J].南京化工大學學報，2000，22（4）：73-77.

[2]蔣新松.機器人學導論[M].遼寧人民出版社，1994：420-426.

[3]王耀南，李樹濤.多傳感器信息融合及其應用綜述[J].控制與決策，2001，16（5）：518-522.

[責任編輯：田吉捷]