一種新穎的基于二分法和模糊控制的移動機器人避障系統*

金兆遠,胡凌燕,熊鵬文,彭 杰,吳承哲

(南昌大學信息工程學院,江西 南昌 330031)

機器人作為現代工業發展的重要基礎,已經成為衡量一個國家制造水平和科技水平的重要標志[1]。機器人在當前生產生活中的應用也越來越廣泛,在工業、醫學、農業、軍事、建筑業等各個領域,都有著廣闊的發展空間與應用前景[2]。

目前,機器人正朝著智能化和多樣化等方向發展。智能移動機器人是一種在復雜環境下工作的機器人,具有自規劃、自組織和自適應能力,其研究的核心問題是如何導航和避障[3]。為了能夠獲取有效的環境信息實現導航和避障功能,可以用不同的傳感器完成,例如視覺,聲納和激光傳感器等[4]。由于超聲波傳感器處理信息簡單、速度快、成本低,因此被越來越多的科學家應用在移動機器人避障研究中。

目前,國內外基于超聲波陣列開發出各式各樣的避障算法,相似點在于主要都通過超聲波傳感器檢測移動機器人周邊環境,繼而采用算法實現移動機器人的避障規劃,不同之處在于各自超聲波陣列的擺放、檢測盲區的大小以及系統采用的算法。文獻[5-7]中,均通過加載3個超聲波傳感器分別檢測移動機器人的前方、左方和右方,實現移動機器人避障運動,此類方法優點是結構簡單,算法易于實現,不足之處是盲區較大,尤其加載在體積比較大的移動機器人上,無法完全檢測到周邊的障礙物,從而不能實現安全避障;文獻[8]在移動機器人前后各安裝3個和2個超聲波傳感器,分別檢測機器人前后的障礙物;文獻[9]在移動機器人前后各安裝4個超聲波傳感器分別檢測機器人前后的障礙物。這些方法優點是能夠無盲區地檢測到移動機器人前后障礙物,不足之處在于沒有檢測機器人左方和右方障礙物情況,無法保證移動機器人轉彎運動的安全性;文獻[10]通過安裝10個以上超聲波傳感器能夠無盲區地檢測到移動機器人周邊的障礙物,文獻[11-12]分別通過加載視覺傳感器和紅外線傳感器補償超聲波傳感器的檢測盲區,這些方法的優點是檢測范圍廣、避障盲區小、能夠充分保證機器人運行時的安全性,不足之處在于加載傳感器較多、硬件成本高、算法實現復雜,使實時性很難得到保證;在文獻[13-14]中,采用6個超聲波傳感器構成超聲波陣列,如圖1所示,其中的陰影部分為超聲波陣列檢測范圍,由圖可知這兩種陣列均能實現移動機器人前方及左右兩側障礙物的檢測,很大程度地減小了檢測盲區,但不足之處是仍然存在一些避障盲區、避障范圍不夠合理等。

圖1 超聲波陣列

針對上述避障控制系統的不足,本文設計了一種新穎的超聲波避障控制系統,比傳統超聲波避障系統不同之處在于:僅用6個超聲波傳感器構成新穎的陣列實現大中型移動機器人前方及左右兩側的無盲區避障,實現機器人對周圍情境的理解,規劃避障路徑,充分保證機器人的安全性;在避障控制算法上,采用二分法和模糊控制相結合的方法,簡化了模糊控制規則使系統具有很好的實時性,能夠對新增的動態障礙物避障,避免了其他避障控制算法中易出現的誤避障或二次避障的情況,充分提高了機器人的避障效率。

1 移動機器人避障系統

1.1 超聲波陣列設計

目前用超聲波傳感器陣列對環境建模的方式主要有3種:高斯分布傳感器模型、中線傳感器模型和均勻分布傳感器模型,這些方法的不足之處在于:首先,它們都是在概率上近似得到障礙物的位置,雖然簡單,但不夠準確[15];再者由于它們沒有確切討論因波束角產生的避障盲區問題,從而對環境信息獲取不夠充分,所以類似此方法在測量區域內建模是不可能精確的。

針對上述不足,本文通過6個型號為HC-SR04超聲波傳感器構成特別設計的超聲波陣列來實現移動機器人的避障控制。超聲波傳感器1～6全部安裝在移動機器人的最后端一字排開如圖2所示。設B為移動機器人寬度,角度α為超聲波傳感器的波束角(10°<α<30°)。超聲波傳感器1、2安裝在最左端,其中1放在2的上面,超聲波傳感器3安裝在距離最左端(1/4)B處,超聲波傳感器4安裝在距離最左端(3/4)B處,超聲波傳感器5、6安裝在最右端,其中6在5的上面。各傳感器擺放角度以水平為基準,超聲波傳感器1逆時針旋轉3α/2,超聲波傳感器2逆時針旋轉α/2,超聲波傳感器3順時針旋轉β,超聲波傳感器4逆時針旋轉δ,超聲波傳感器5順時針旋轉α/2,超聲波傳感器6順時針旋轉3α/2。

圖2 傳感器安裝位置和擺放角度

圖2中,β與δ推導如下:

首先,在圖3中,△ABE和△DCF中

AB=DC
∠BAE=∠CDF=90°

(1)

又令AE=DF

故△ABE≌△DCF,所以有

∠ABE=∠DCF=∠f

∠ECA=∠FBD=∠e

其次,過B點和C點分別做垂直于超聲波傳感器3和4的垂線,即其波束角的角平分線L1和L2,

∠EBL1=∠FCL2=∠α/2
∠f+∠EBL1=|β|+90°
∠f+∠FCL2=|δ|+90°

(2)

最后,分別在△ACE和△DCF中

AE=DF

(3)

故

AC·tan∠(180°-α-∠f)=CD·tan∠f

式中:AC,CD,α已知,可得出∠f代入下式中有

(4)

1.2 超聲波陣列檢測

圖3為本文超聲波陣列檢測范圍覆蓋圖,其中A、B、C、D4個點分別為超聲波傳感器1、3、4、6擺放位置的中點,E點為超聲波傳感器3的波束角的左邊沿與移動機器人最左側前向延長線的交點,F點為超聲波傳感器4的波束角的右邊沿與移動機器人最右側前向延長線的交點。

圖3 超聲波檢測區域

超聲波傳感器1覆蓋的區域是8和12,超聲波傳感器2覆蓋的區域是9和13,超聲波傳感器3覆蓋的區域是1、2以及3,超聲波傳感器4覆蓋的區域是1、2以及4,超聲波傳感器5覆蓋的區域是10和14,超聲波傳感器6覆蓋的區域是11和15,區域5和6是移動機器人前行過程中不會存在的可能盲區,只要有障礙物在陰影覆蓋區,均能夠檢測出來。由圖可以看出,在XY坐標軸第一、第二象限里的障礙物會影響到移動機器人前行和左右拐彎,本文僅采用6個超聲波構成陣列就能夠做到在這兩個象限基本不存在檢測盲區,如果在區域Ⅰ和Ⅱ里有障礙物,是不影響移動機器人前行和左右拐彎的。

另外,通過結合避障算法實現移動機器人對影響其運行的障礙物進行合理避障。如圖3中區域1和區域2正好覆蓋檢測了與移動機器人等寬的避障區,相對與圖1所示的超聲波陣列系統,移動機器人的行走安全性要明顯提高,檢測范圍也更為合理,不僅消除因避障區過小導致的盲區,而且避免避障區過大而導致的誤操作,充分保障了移動機器人前行避障的準確性。

2 移動機器人避障算法

傳統的模糊控制算法,由于模糊控制規則和隸屬度函數的不易獲取與確定,因此往往存在控制器設計復雜、算法實際應用較難等問題。

針對上述不足,本文采用二分法和模糊控制相結合的避障控制算法,該方法有效的簡化模糊控制規則,提高算法的實時性,使控制系統不僅能夠檢測到靜態障礙物,而且能夠實時檢測出動態增加的障礙物。在避障過程中,最重要的是檢測出正前方的障礙物即區域1、2、3和4里的障礙物,其他區域的障礙物檢測只是用來幫助機器人對周圍環境的理解,以便機器人選擇最佳避障路徑。為了提高避障算法的實時性,機器人讀取超聲波傳感器3和4檢測到的距離,采用二分法快速判斷機器人正前方是否有障礙物,并判斷出障礙物是偏左還是偏右;再根據其他超聲波傳感器測量到障礙物的距離,使機器理解周圍環境中障礙物的情況,然后用模糊控制算法選擇最佳避障路徑,確定機器人轉動的方向和角度。

(5)

式中:n=B/sin(2α),f=B/sinα。圖4中,Ui(i=1,2,3,4,5,6)為超聲波傳感器i測量到的障礙物距離。

首先,使用二分法檢測移動機器人正前方障礙物情況,控制其運動狀態。檢測U3和U4,若兩者均大于避障距離d,則該障礙物不在避障范圍內,移動機器人繼續保持前行。否則,移動機器人需要進入避障狀態,若U3大于U4則進入避障狀態1,否則進入避障狀態2。

圖4 避障流程

(6)

其次,基于模糊控制思想選擇機器人避障方向和轉角。

避障狀態1:

(7)

避障狀態2:

(8)

式中:TLα為左轉α角度,TR 2α為右轉2α角度,以此類推。

3 實驗驗證及結果

本實驗平臺為后輪驅動的移動機器人,長和寬分別為40 cm和30 cm,所用的6個超聲波傳感器型號為HC-SR04,實測波束角為20°,設定d=0.87 m,n=0.5 m,f=0.8 m。

圖5 移動機器人避障路徑

3.1 機器人避障及路徑規劃實驗

本節結合第3節所述的障礙物分布來模擬非結構復雜環境,驗證移動機器人的情景理解及規劃路徑能力。設置移動機器人運動起始點、終止點及障礙物分布如圖5所示。在該實驗中,機器人由起始點出發,沿著其運行的線路我們依次設置的障礙物情境為正前方無障礙物但左右兩側有障礙物①、直角障礙物②、正前方偏右及左前方有障礙物③、正前方偏右有障礙物④、凸形障礙物⑤、動態障礙物⑥和凹形障礙物⑦,最后到達終止點。我們在移動機器人前端中間的底部安裝了一支毛筆,用于畫出從起始點到終止點之間的運動軌跡。

移動機器人從起始點出發,避障路徑如圖5中毛筆所畫的軌跡所示,能夠在充滿各種不同障礙物的環境中,一一順利避障到達終止點。

3.2 移動機器人各個避障點實驗分析

對圖5路線中各個避障點分析,說明移動機器人對情景理解及合理規劃避障路徑的能力。本節所附的圖為上節實驗過程中各個避障點的詳細實驗結果。其中左圖為移動機器人在各個避障點的實照,右圖為在機器人在該位置時,超聲波傳感器實時檢測到的數據。

3.2.1 正前方無障礙物,左右兩側有障礙物

在起始點①處,場景設置如圖6所示。即圖3區域1～區域4中無障礙物,U3和U4返回值均大于0.87 m,移動機器人繼續保持前行。

圖6 正前方無障礙物

圖7 直角障礙物

由此可知,移動機器人正常前行時,左右兩側存在的障礙物(即使離機器人很近),只要它不會影響到移動機器人的正常前行,就不會啟動避障程序,避免誤判情況的發生,提高了移動機器人避障的可靠性。而在本文圖1所示的超聲波避障系統中,由于此時檢測到移動機器人左右前方均有障礙物,機器人則會啟動避障,從而產生不必要的避障處理。

3.2.2 直角障礙物

在障礙物②處,場景設置如圖 7所示。即圖3區域1～區域2、10和11中均有障礙物,首先U4小于U3且其返回值小于0.87 m,判斷出正前方偏右有障礙物,機器人進入避障狀態1;其次U2返回值大于0.8 m,移動機器人進行左轉小角度避障。

由此可知,機器人會根據正前方障礙物位置情況優先選擇最佳避障方向,從而可以避免對其余不必要障礙物(如圖7中右前方障礙物)的判斷,提高避障效率。

3.2.3 正前方偏右、小角度以及大角度左前方有障礙物

在障礙物③處,場景設置如圖8所示。即圖3區域1～區域2、8和9中均有障礙物,首先U4小于U3且其返回值小于0.87 m,判斷出正前方偏右有障礙物,機器人進入避障狀態1;其次U2小于0.8 m,則繼續檢測右前方障礙物情況;最后U5大于0.8 m,移動機器人選擇右轉小角度避障。

由此可知,移動機器人即使檢測到前方偏右有障礙物,但因預判到左轉后仍需要再次避障,所以會根據周圍結構環境的不同,合理規劃避障路徑,避免二次避障可能。

圖8 正前方偏右和左前方有障礙物

3.2.4 正前方偏右和右前方小角度有障礙物

在障礙物④處,場景設置如圖9所示。即圖3區域1～區域2中有障礙物,首先U4小于U3且其返回值小于0.87 m,判斷出正前方偏右有障礙物,機器人進入避障狀態1;其次U2返回值大于0.8 m,移動機器人優先左轉小角度避障。

由此可知,根據正前方障礙物的不同位置,移動機器人優先選擇距離障礙物較遠的方向避障。

圖9 正前方偏右有障礙物

圖10 凸形障礙物

3.2.5 凸形障礙物

在障礙物⑤處,場景設置如圖10所示。即圖3區域1～區域2中有障礙物,首先U4小于U3且其返回值小于0.87 m,判斷出正前方偏右有障礙物,機器人進入避障狀態1;其次U2大于0.8 m,則移動機器人根據正前方障礙物檢測進行左轉小角度避障。

由此可知,對于凸形障礙物避障,移動機器人能進行有效的避障處理,不會被無關障礙物干擾。

3.2.6 動態障礙物

在障礙物⑥處,場景設置如圖11所示。即圖3區域3～區域4中有障礙物,移動機器人立即做出檢測,并進行實時避障運動,由機器人移動路線可以看出,隨著動態障礙物位置的不同,機器人依次進行右轉小角度、左轉大角度避障運動。

由此可知,對于動態障礙物,移動機器人能夠實時進行避障處理,保障運行安全。

3.2.7 凹形障礙物

在障礙物⑦處,場景設置如圖12所示。即圖3區域1～區域2、13及14中有障礙物,首先U3和U4檢測到前方有障礙物從而進行避障處理;其次左右兩側都檢測到障礙物,機器人左轉或右轉都會發生碰撞;最后因為前方障礙物與機器人距離為45 cm,機器人長度40 cm,即使前行也無法進行有效的二次避障,實際上無法進行任何避障措施,為確保機器人安全性,故停止運動。

以上實驗結果表明,本文新穎的超聲波避障控制系統能夠準確識別周圍環境中直角、凹凸和動態等各種障礙物分布情況,實時進行規劃選擇最佳的避障路徑,再基于二分法和模糊控制相結合的避障算法,可以很好地減少移動機器人對障礙物誤判斷和二次避障的可能,使移動機器人在選擇避障路徑時具有更好的實時性和智能性。

圖11 動態障礙物

圖12 凹形障礙物

4 結論

本文設計了一個新穎的超聲波避障控制系統,改進了傳統超聲波避障的不完善之處,僅由6個超聲波傳感器構成特別設計的陣列,就可以完成中大型移動機器人前方及左右兩側的無盲區障礙物檢測,實現機器人對周圍情境的理解,從而使機器人能夠選擇最佳避障路 徑,充分保證機器人的安全性。同時,本文基于二分法和模糊控制相結合的避障控制算法,不僅簡化了模糊控制規則,提高算法實時性,而且很好地減少移動機器人對障礙物誤判斷和二次避障的可能,使移動機器人更具智能化。

隨著機器人技術的不斷發展,如多傳感器信息融合、路徑規劃、機器人視覺等,都將是研究的熱點課題。下一步將在本文工作的基礎上,進一步實現多傳感器信息融合,改善超聲波傳感器檢測的不足:如光滑表面測距誤差較大、波束角與障礙物所成角度過大時無法檢測等,優化算法的可靠性。