基于ARM的輪式機(jī)器人避障系統(tǒng)設(shè)計(jì)*

譚蓮子， 張莉萍， 彭璐佳， 劉 聰， 童宏偉

(上海工程技術(shù)大學(xué) 電子電氣工程學(xué)院，上海 201600)

0 引 言

輪式機(jī)器人作為機(jī)器人的一個(gè)重要分支學(xué)科，因移動(dòng)速度快、運(yùn)動(dòng)效率高等優(yōu)點(diǎn)，在工業(yè)、農(nóng)業(yè)、國(guó)防、采礦、太空探索等領(lǐng)域有著廣闊的應(yīng)用場(chǎng)景。其避障問題是該領(lǐng)域的研究熱點(diǎn)，多年來已經(jīng)積累了豐富的研究成果[1，2]。

文獻(xiàn)[3，4]中提到的A*算法、D*算法能夠擇出路徑最短且避障最成功的最優(yōu)路徑，可以解決特定環(huán)境下含不規(guī)則障礙物的避障規(guī)劃，缺點(diǎn)是當(dāng)環(huán)境改變，起始點(diǎn)及目標(biāo)改變后，需要重新計(jì)算路徑，環(huán)境適應(yīng)性比較差；文獻(xiàn)[5]提出的蟻群算法，其優(yōu)點(diǎn)在于能夠不斷地反饋，自適應(yīng)調(diào)整策略，進(jìn)而搜索出最優(yōu)路徑，缺點(diǎn)是計(jì)算量大，在動(dòng)態(tài)未知環(huán)境中不能有效的躲避障礙物。

在實(shí)際應(yīng)用中，例如類似無人駕駛車輛、掃地機(jī)器人等工作環(huán)境往往處于動(dòng)態(tài)未知環(huán)境。在未知環(huán)境中，機(jī)器人避障的具體過程首先是需要通過傳感器探測(cè)障礙物信息，進(jìn)而處理器做出相應(yīng)的決策運(yùn)動(dòng)[6]。文獻(xiàn)[7]中提到的應(yīng)用在未知環(huán)境中的避障算法主要有：神經(jīng)網(wǎng)絡(luò)法、模糊避障法、遺傳算法。其中,神經(jīng)網(wǎng)絡(luò)法、遺傳算法能夠很好地解決復(fù)雜環(huán)境下機(jī)器人的避障問題，缺點(diǎn)是計(jì)算量大、需要考慮的參數(shù)很多、運(yùn)算速度較慢、進(jìn)化需要占據(jù)較大的運(yùn)算時(shí)間和存儲(chǔ)空間，導(dǎo)致實(shí)時(shí)性較差。輪式機(jī)器人在移動(dòng)時(shí)，環(huán)境處于動(dòng)態(tài)變化中，作為時(shí)變的線性系統(tǒng)，采用模糊控制能夠很好的解決類似的問題[8]。

本文采用超聲波和紅外傳感器采集障礙物信息，設(shè)定探測(cè)范圍，障礙物進(jìn)入探測(cè)范圍時(shí)視為有效障礙物，將模糊控制技術(shù)與多傳感器技術(shù)融合[8]。通過實(shí)驗(yàn)驗(yàn)證，方法能夠降低碰撞可能性。

1 輪式機(jī)器人的系統(tǒng)結(jié)構(gòu)

為有助于解決輪式機(jī)器人在未知環(huán)境中的避障問題，采用小車底盤作為輪式機(jī)器人模型，采用基于ARM Cortex—M3內(nèi)核的STM32F103作為主控芯片，利用前后輪的差速來調(diào)整輪式機(jī)器人的方向，系統(tǒng)結(jié)構(gòu)可以分為信息采集層、決策層、執(zhí)行層三層結(jié)構(gòu)。在輪式機(jī)器人運(yùn)行過程中，由紅外傳感器和超聲波作為信息采集層，將采集到的環(huán)境信息傳輸給主控制器，然后根據(jù)模糊控制算法作出相應(yīng)的決策指令，輪式機(jī)器人根據(jù)指令執(zhí)行相應(yīng)的動(dòng)作, 實(shí)現(xiàn)了輪式機(jī)器人避障、調(diào)速、防高平臺(tái)跌落等功能。

2 硬件設(shè)計(jì)

以STM32F103為主控制器,直流電機(jī)提供驅(qū)動(dòng)力，超聲波傳感器和紅外避障模塊采集未知?jiǎng)討B(tài)環(huán)境中障礙物信息及防高平臺(tái)跌落標(biāo)志線信息[9]。其硬件結(jié)構(gòu)框圖如圖1所示。

圖1 系統(tǒng)硬件結(jié)構(gòu)

2.1 信息采集模塊

采用多傳感器信息融合的方法，從多層面、多角度、多方向來充分采集環(huán)境信息。將HC—SR04型超聲波傳感器和舵機(jī)通過超聲波云臺(tái)結(jié)合在一起放在機(jī)器人底盤最前端來檢測(cè)障礙物的距離信息，通過轉(zhuǎn)動(dòng)舵機(jī)獲取小車各個(gè)方向障礙物的距離；采用 TCRT5000紅外反射傳感器為探測(cè)傳感器，紅外傳感器共分為8路，其整體布局如圖2所示，1#，2#用來彌補(bǔ)超聲波盲區(qū)的缺陷，用于緊急避障，9#為超聲波云平臺(tái)，獲取各個(gè)方向障礙物的距離，3#～8#用于防高平臺(tái)跌落 ，通過對(duì)每只傳感器數(shù)據(jù)的檢測(cè)，可以實(shí)現(xiàn)對(duì)障礙物、防高平臺(tái)跌落標(biāo)志線的檢測(cè)，在尋跡場(chǎng)合也可實(shí)現(xiàn)尋跡的功能。

圖2 實(shí)物模型與傳感器分布

2.2 電機(jī)驅(qū)動(dòng)模塊

采用L298N芯片作為驅(qū)動(dòng)芯片。 1個(gè)L298N可以驅(qū)動(dòng)2路直流電機(jī)；使用4個(gè)直流電機(jī)，車體左邊2個(gè)電機(jī)為一路，車體右邊2個(gè)電機(jī)為另外一路。通過接口發(fā)送PWM波調(diào)節(jié)電機(jī)轉(zhuǎn)速，并通過差速來控制轉(zhuǎn)向，實(shí)現(xiàn)了輪式機(jī)器人速度、方向可控[9]。

3 軟件設(shè)計(jì)

軟件設(shè)計(jì)主要包括：讀取信息采集模塊采集的數(shù)據(jù)，處理數(shù)據(jù)，發(fā)出指令，實(shí)現(xiàn)避障、調(diào)速、轉(zhuǎn)向、防高平臺(tái)跌落等功能。系統(tǒng)軟件流程圖如圖3所示。其中根據(jù)硬件設(shè)計(jì)將紅外傳感器在沒有接收到反射回來光線時(shí)記為1。

圖3 軟件設(shè)計(jì)流程

3.1 高臺(tái)邊緣檢測(cè)程序設(shè)計(jì)

采用寬度為0.05 m的黑色膠帶作為高平臺(tái)邊緣標(biāo)記，小車前端底部的3個(gè)紅外模塊檢測(cè)到黑色膠帶時(shí)，給單片機(jī)一個(gè)低電平信號(hào)，小車停止運(yùn)動(dòng)，向后退，檢測(cè)左右有無障礙物，若沒有，則通過控制電機(jī)的速度來實(shí)現(xiàn)小車逐次轉(zhuǎn)4個(gè)45°，即小車掉頭，然后直線行駛，返回。

3.2 避障程序設(shè)計(jì)

采用紅外傳感器和超聲波傳感器探測(cè)障礙，處理程序采用模糊控制算法。其中，超聲波傳感器模塊程序通過ARM芯片的I/O口輸出超聲波傳感器所需的高電平觸發(fā)信號(hào)，紅外傳感器連接的I/O口輸入設(shè)為下降沿中斷，當(dāng)主程序遇到中斷請(qǐng)求時(shí)去執(zhí)行相應(yīng)的處理程序，處理程序執(zhí)行完后繼續(xù)回到主程序。

模糊控制是模仿人類大腦對(duì)不確定性事物和未知模型進(jìn)行思維推理，實(shí)行模糊綜合判斷的一種智能控制方式。其主要的原理如圖4所示[10～13]。

圖4 模糊控制原理

輸入量為超聲波傳感器與紅外傳感器采集到的障礙物距離信息。將機(jī)器人與障礙物的相對(duì)位置信息模糊化分成圖5所示的8種情況，記障礙物與機(jī)器人左方、前方、右方的距離分別為dl，dm，dr。

1)測(cè)試機(jī)器人周圍無障礙物，其按照原來的方向和速度行駛，見圖5(a)所示。

2)測(cè)試機(jī)器人至少前方無障礙物，其按照原來的方向和速度行駛，見圖5(b)、(d)、(f)所示。

3)當(dāng)障礙物距機(jī)器人右(左)側(cè)距離大時(shí)，機(jī)器人左(右)轉(zhuǎn)，見圖5(c)，(e)，(h)所示。

4)當(dāng)障礙物在機(jī)器人正前方且離小車很近時(shí)，則需先后退再獲取障礙物信息來決定機(jī)器人左轉(zhuǎn)還是右轉(zhuǎn)。見圖5(g)所示。

5)機(jī)器人右(左)轉(zhuǎn)時(shí)，控制機(jī)器人的前輪向右(左)轉(zhuǎn)同時(shí)控制驅(qū)動(dòng)后輪減速。當(dāng)全部通過障礙物后，控制前輪向左(右)轉(zhuǎn)向，使其回到道路中心線行駛。

圖5 避障示意

根據(jù)圖6的模糊處理，在編程時(shí)采用If-Then語(yǔ)句來創(chuàng)建模糊規(guī)則，系統(tǒng)中，模擬道路寬度為0.5 m，智能小車寬度0.16 m,長(zhǎng)度0.25 m。舵機(jī)的輸出角控制在[0°，180°]，超聲波探測(cè)距離為[0.02,0.45]m，精度可達(dá)0.003 m，當(dāng)障礙物在安全距離中時(shí)不會(huì)影響機(jī)器人的運(yùn)行，視為無效障礙物。經(jīng)過多次試驗(yàn)，調(diào)整各個(gè)參數(shù)，避障流程圖如圖6所示。當(dāng)超聲波檢測(cè)到dm<0.1 m時(shí)，視為前方有障礙物，再次檢測(cè)，由于此時(shí)機(jī)器人仍在運(yùn)動(dòng)，dm減小，若此時(shí)dm<0.08 m，則機(jī)器人后退，后退距離由延時(shí)函數(shù)確定，當(dāng)退出后退程序后，機(jī)器人停止運(yùn)動(dòng)，再次通過超聲波測(cè)得dm,dl,dr值，若此時(shí)dm>0.08 m,則機(jī)器人直接停止運(yùn)動(dòng)，測(cè)得3個(gè)距離。讓機(jī)器人靜止是為了更加準(zhǔn)確的利用超聲測(cè)出障礙物距機(jī)器人前、左、右3個(gè)方向的距離，然后判斷機(jī)器人的運(yùn)行方向。

圖6 避障模塊流程

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證系統(tǒng)的運(yùn)行情況，設(shè)計(jì)了測(cè)試環(huán)境。采用黑線作為高臺(tái)邊緣，用不同形狀的障礙物、利用了四驅(qū)的底盤作為測(cè)試模型進(jìn)行了系統(tǒng)測(cè)試。對(duì)小車調(diào)試運(yùn)行之后，完成了自動(dòng)避障，防跌落的實(shí)驗(yàn)，其測(cè)試實(shí)物圖如圖7所示，測(cè)試統(tǒng)計(jì)結(jié)果如表1所示。實(shí)驗(yàn)結(jié)果表明，采用模糊控制算法和多傳感器結(jié)合的方法能夠有效解決輪式機(jī)器人避障、防跌落問題。存在的缺陷是，在測(cè)試過程中，遇到不規(guī)則障礙物如凹形、凸形等障礙物時(shí)，其避障成功率相對(duì)減少，但整體水平較高，在20次避障實(shí)驗(yàn)中，防跌落成功率達(dá)到90 %，障礙物規(guī)則時(shí)避障成功率高。

圖7 測(cè)試實(shí)物

障礙物形狀編號(hào)成功次數(shù) 規(guī)則方形117三角形216圓形316凹形414凸形515黑線618

5 結(jié) 論

實(shí)驗(yàn)結(jié)果表明：模糊算法在解決非線性系統(tǒng)中的優(yōu)勢(shì)。在簡(jiǎn)單的環(huán)境下，移動(dòng)機(jī)器人能夠靈活、準(zhǔn)確地避開障礙物，到達(dá)終點(diǎn)，也能夠有效避免高臺(tái)摔落。但當(dāng)障礙物形狀不規(guī)則時(shí)且分布復(fù)雜時(shí)，避障容易失誤。因此，還需要進(jìn)一步改進(jìn)避障算法，下一步將考慮將模糊控制算法和其他算法相結(jié)合，利用各自的優(yōu)點(diǎn)使得避障更加順利。