基于超聲波傳感器的機器人室內(nèi)環(huán)境重構(gòu)

袁帥++李素芳++毛紅民++張鳳

摘 要：針對超聲波傳感器在機器人定位中存在的測量距離與方向角誤差問題，該文提出采用Hough變換算法與隨機抽樣一致算法對測量數(shù)據(jù)進行融合處理，降低基于超聲波傳感器的機器人在檢測室內(nèi)環(huán)境時的測量誤差，并在此基礎(chǔ)上對具有墻面與柱體的室內(nèi)環(huán)境進行了建模實驗，實驗結(jié)果驗證了該文所述方法能夠?qū)Τ暡y量數(shù)據(jù)完成有效處理，獲得環(huán)境輪廓中線狀特征和柱體特征。實驗結(jié)果說明該方法對超聲波在機器人室內(nèi)環(huán)境重構(gòu)中的應(yīng)用具有一定貢獻。

關(guān)鍵詞：超聲波模型 機器人定位 Hough變換 隨機抽樣一致

中圖分類號：TP242 文獻標識碼：A 文章編號：1672-3791（2016）12（a）-0006-02

室內(nèi)移動機器人已經(jīng)普遍的應(yīng)用到生活中，如：室內(nèi)清潔機器人，小孩兒玩具機器人，地震救災(zāi)機器人。機器人的關(guān)鍵所在是擁有自己的“眼睛”，在具備該設(shè)備時機器人才具有“看清”周圍環(huán)境輪廓并利用柵格地圖[1]將其重構(gòu)出來的能力。隨著科技的不斷創(chuàng)新，“眼睛”的種類越發(fā)的多，如：超聲波傳感器，激光傳感器，視覺傳感器。

超聲波傳感器在測距過程中存在著：測量距離誤差與測量方向誤差。這種誤差源于其物理特性，超聲波工作時是發(fā)射一束錐型波觸碰到物體返回給超聲波傳感器，由于是薄面觸碰到障礙物，測量時并不能精確的計算出是哪一方向上返回的聲波，故設(shè)備本身就存在著誤差。

1 超聲波傳感器測量原理

超聲波探測的原理是時間渡越法，即已知超聲波在空氣中傳播速度為v，發(fā)射超聲波至物體表面再返回傳感器的時間t與物體的距離成正比，目標距離為：d=1/2×t×v。由于超聲波換能器是發(fā)射器也是接收器，傳感器用一段時間發(fā)射超聲波束，只有待發(fā)送結(jié)束后才能啟動接收。此外，實際實驗表明，超聲波探頭有一定慣性，在其發(fā)送結(jié)束后還留有一定余振，這種余振未消失以前，不能啟動系統(tǒng)進行回波接受。故超聲波觸發(fā)后會有一段短暫時間，在這之后才開始接受信號，所以超聲波傳感器存在的盲區(qū)。

2 室內(nèi)環(huán)境重構(gòu)

在大自然環(huán)境下，物體都以線、弧形狀存在，故在室內(nèi)環(huán)境重構(gòu)時，只需重構(gòu)出線及弧就能將室內(nèi)環(huán)境還原。

2.1 直線的重構(gòu)

在計算機研究領(lǐng)域，圖像處理時對直線的檢測普遍應(yīng)用hough變換辦法，其原理為：在x-y坐標系下的一條直線取其中一些坐標點，轉(zhuǎn)換到ρ-θ坐標系下時可以聚集成一個點，這樣在ρ-θ坐標系下對應(yīng)的ρ-θ即該直線的參數(shù)；這樣做的原因是在x-y坐標系下獲得的坐標點不一定完全在一條直線上，其中存在一定的干擾數(shù)據(jù)點，利用hough變換將這些干擾點“消除”掉。表達式如下：

ρ=x·cosθ+y·sinθ （1）

式（1）中的ρ為原點到直線的垂直距離，θ為直線法線與x軸夾角。這種參數(shù)化方式相當于使用法向量描述直線，如圖1所示。

2.2 圓弧的重構(gòu)

因Hough變換需要O（n3）的計算復(fù)雜度和很大的內(nèi)存空間，有學者提出隨機Hough變換，該方法同其他Hough變換的方法相比，能有效的減少內(nèi)存空間和計算時間，但這種方法僅對圖像噪聲點少的情況下適用，對于噪聲點過多的情況并不能達到很好的識別效果。因此Fischer等人提出RANSAC算法，該算法在噪聲點超過50%的情況下仍然能夠求出模型參數(shù)，所以RANSAC算法對模型參數(shù)估計具有很好的魯棒性。該算法在隨機選取3個像素點時，可能取到邊緣的像素點，使最后檢測出來的圓與實際圓存在偏差，在檢測圓時需要設(shè)定與問題相關(guān)的多個閾值。

傳統(tǒng)RANSAC算法如下。

（1）隨機選取3個像素點，計算由這3個像素點所確定的圓。

（2）計算所有像素點到這個圓的距離，若像素點到圓的距離在一定誤差范圍內(nèi)，則這個像素點記為局內(nèi)點，否則為局外點；如果局內(nèi)點個數(shù)大于等于某一個閾值，說明圓模型合理。

（3）用所有假設(shè)的局內(nèi)點重新估計模型。

為減小檢測圓與真實圓之間的偏差，該算法隨機選取3個像素點，由這3個像素點構(gòu)成圓模型，稱這個圓模型為“假定圓”。

已知任意3點的坐標（x1，y1）、（x2，y2）、（x3，y3），使用文獻[2]可求出由這3個點對應(yīng)圓的中心（a，b）和半徑r：

其中（xi， yi）為隨機選取的3個像素點中任意一像素點坐標。

如果將圖像所有像素點存到集合S中，然后從集合S隨機抽取3個像素點，記為si=（xi，yi），i=1，2，3，圓心為（a，b），半徑為r，利用上述公式可求出這3個像素點對應(yīng)圓的中心和半徑。計算圓上點個數(shù)與所有像素點個數(shù)比值，若大于等于所設(shè)定閾值，則該圓為真實存在的圓。

3 實驗驗證

為驗證該算法的有效性，在實驗環(huán)境中進行輪廓檢測實驗，該環(huán)境包括墻面，墻角與柱體。采用該文算法獲得效果如圖2。圖2可以很明顯的辨別出該環(huán)境周圍有4個墻面，中間有個圓柱。

超聲波傳感器按照星號“*”位置逆時針方向測量周圍環(huán)境，然后進行PCR6融合，在融合后對數(shù)據(jù)進行處理，首先對全部數(shù)據(jù)進行融合次數(shù)判斷，將融合次數(shù)多于兩次的數(shù)據(jù)點保留在處理環(huán)境中，提高數(shù)據(jù)的可靠性；然后對數(shù)據(jù)進行閾值判斷，將占用信度閾值m（θ2）在0.9以上的作為環(huán)境數(shù)據(jù)點；再根據(jù)環(huán)境點的空間位置關(guān)系進行分類，分類算法是對全部數(shù)據(jù)進行Hough變換求得線特征參數(shù)，并轉(zhuǎn)換到x-y參數(shù)空間，獲得4條直線，最后對未識別的環(huán)境數(shù)據(jù)點（不屬于直線特征的數(shù)據(jù)點）采用隨機抽樣算法檢測圓形特征。圖2中可以看到檢測結(jié)果，此結(jié)果可以說明該算法的有效性與可靠性。

4 結(jié)語

該文針對超聲波傳感器在測距時由于測量距離誤差與方向誤差導(dǎo)致的測量不精確問題，提出基于DSmT的超聲波傳感器模型對周圍環(huán)境進行輪廓檢測，并利用Hough變換算法與隨機抽樣一致算法檢測環(huán)境輪廓中線狀特征和柱體特征。并通過實驗，驗證了該文中算法的有效性，該方法對基于超聲波傳感器的移動機器人環(huán)境建模具有一定參考價值。

參考文獻

[1] Lee YC，Lim JH，Cho DW，et al.Sonar map construction for autonomous mobile robots using a data association filter[J].Advanced Robotics，2009，23（1-2）：185-201.

[2] 宋曉宇，袁帥，郭寒冰，等.基于自適應(yīng)閾值區(qū)間的廣義Hough變換圖形識別算法[J].儀器儀表學報，2014，35（5）：1109-1117.

[3] 楊錦園，黃心漢，李鵬.基于DSmT的移動機器人地圖構(gòu)建及傳感器管理[J].計算機科學，2010，37（4）：227-230.