趙明宇，路致遠(yuǎn)，王國(guó)梁

（國(guó)網(wǎng)電力科學(xué)研究院，南京 210061）

0 引言

電動(dòng)汽車已成為未來(lái)汽車工業(yè)發(fā)展的方向，它主要有整車充電與電池更換兩種能量供給方式，采用電池更換模式可大幅減少電動(dòng)汽車的電能補(bǔ)給時(shí)間，同時(shí)有利于提高動(dòng)力電池利用效率及使用壽命，正得到越來(lái)越多研究人員的關(guān)注。在電池更換模式中，由于電動(dòng)汽車?？课蛔说恼`差以及不同電池箱在車身上的位姿變形誤差等因素，全自動(dòng)電池箱更換設(shè)備對(duì)電池箱位姿的自動(dòng)精確定位是首先要解決的難題。

為了減小機(jī)器人定位誤差，國(guó)內(nèi)外學(xué)者提出了多種方法。密歇根大學(xué)機(jī)器人實(shí)驗(yàn)室Borenstein和Feng兩人提出的UMBmark校核算法對(duì)測(cè)程法的系統(tǒng)誤差進(jìn)行了研究[1,2]。Lionis和Walthelm等人從離散的激光掃描數(shù)據(jù)中提取線段特征來(lái)定位機(jī)器人[3,4]。Hashem等人則采用序列Monte Carlo定位算法實(shí)現(xiàn)機(jī)器人的自定位[5]。在國(guó)內(nèi)，上海交通大學(xué)自主機(jī)器人研究組基于FRONTIER-I自主移動(dòng)機(jī)器人平臺(tái)，提出了基于單向[6]、全景視覺(jué)[7]等移動(dòng)機(jī)器人的自定位算法。文獻(xiàn)[8]基于激光和視覺(jué)傳感器模型的不同，分別采用加權(quán)最小二乘擬合方法和非局部最大抑制算法來(lái)提取二維水平環(huán)節(jié)特征和垂直物體邊緣，以完成高精度定位過(guò)程。文獻(xiàn)[9]在UMBmark校核算法的基礎(chǔ)上定義了測(cè)程法系統(tǒng)誤差模型以及其算法來(lái)提高定位精度。本文通過(guò)對(duì)電動(dòng)汽車電池箱位姿的綜合誤差進(jìn)行分析，基于多傳感器融合技術(shù)，對(duì)全自動(dòng)電池箱更換設(shè)備的定位技術(shù)展開(kāi)了研究。

1 定位對(duì)象分析

1.1 輔助定位停車

無(wú)論采用何種定位技術(shù)及算法，電動(dòng)汽車需停在電池更換設(shè)備可操作的行程范圍內(nèi)。因此，應(yīng)使用車輛導(dǎo)引裝置輔助電動(dòng)汽車停至規(guī)定位置范圍內(nèi)，完成車輛導(dǎo)引、定位和固定功能。

1.2 車身位姿誤差

電動(dòng)汽車通過(guò)車輛導(dǎo)引裝置停泊后，其車身空間位姿仍然會(huì)有較大誤差，包括車身空間坐標(biāo)及相應(yīng)偏轉(zhuǎn)角度，如圖1 圖3所示。

1.3 電池箱位姿誤差

理論上，電池箱在車身上相對(duì)位置固定，定位到電動(dòng)汽車位姿，即可定位到電池箱位姿。但事實(shí)并非如此，車架在焊接加工以及車輛運(yùn)行過(guò)程中產(chǎn)生的累積誤差，可多達(dá)20-30mm左右，對(duì)應(yīng)到電池箱上變形也較為可觀。此外，車身不同位置電池箱的誤差也不盡相同，因此，電池箱更換設(shè)備在對(duì)整車位姿進(jìn)行過(guò)定位分析后，仍需對(duì)每個(gè)電池箱位姿進(jìn)行單獨(dú)定位。

2 定位原理

2.1 概述

根據(jù)以上對(duì)電動(dòng)汽車位姿誤差的分析，本文提出以下基于視覺(jué)傳感器和激光傳感器的多重定位技術(shù)步驟來(lái)解決電池箱更換設(shè)備對(duì)車輛的全局定位和局部定位：

1）車輛初定位

借助車輛導(dǎo)引裝置輔助車輛初步定位，將電動(dòng)汽車?？吭陬A(yù)定的電池箱更換設(shè)備操作行程范圍內(nèi)。

2）矩形目標(biāo)全局粗定位

矩形目標(biāo)安裝在車身固定位置上。從某種意義上說(shuō)，矩形目標(biāo)的位姿即代表了電動(dòng)汽車車身的整體位姿，通過(guò)全局定位確定車身的先驗(yàn)位姿。

3）三角目標(biāo)局部精定位

三角目標(biāo)就近安裝在每個(gè)電池箱附近的固定位置，可以說(shuō)，三角目標(biāo)的位姿即代表了電池箱的位姿。三角目標(biāo)一般設(shè)置比車架變形誤差的尺寸要大，比矩形目標(biāo)尺寸要小。局部定位實(shí)際上是對(duì)先驗(yàn)位姿重新修正的過(guò)程，體現(xiàn)了融合多傳感器數(shù)據(jù)以產(chǎn)生更精確計(jì)算位姿的思路。

2.2 基于視覺(jué)傳感器的矩形目標(biāo)全局粗定位

視覺(jué)定位的核心任務(wù)是從這些視覺(jué)傳感器捕捉的圖像中提取出期望的圖像特征并與環(huán)境特征建立某種一致性的聯(lián)系。在這里對(duì)矩形目標(biāo)的定位，實(shí)質(zhì)上是對(duì)直線段進(jìn)行提取和定位的過(guò)程。針對(duì)我們的應(yīng)用背景是二值圖像的原因，簡(jiǎn)化了直線提取的算法，這一過(guò)程，我們使用直線支持區(qū)的概念。先用搜索和計(jì)算的方法獲得屬于某條直線的所有點(diǎn)，即獲得該直線的支持區(qū)點(diǎn)集，然后在此基礎(chǔ)上結(jié)合最小二乘法求出精確的直線參數(shù)，最后求出矩形目標(biāo)的位姿參數(shù)。

由于任意一條直線與凸多邊形最多只有兩個(gè)交點(diǎn)，所以對(duì)于凸多邊形物體邊緣的二值圖像，若存在三個(gè)相距足夠遠(yuǎn)的像素點(diǎn)處于同一條直線上，則這三點(diǎn)必然位于該凸多邊形的一條邊上，由此確定該多邊形的一條邊。該算法主要步驟如下：

1）從圖像中搜索出位于同一條直線上相距足夠遠(yuǎn)的三個(gè)像素點(diǎn)，由此確定第一條粗糙直線，并找出所有屬于這條直線的點(diǎn)，這些點(diǎn)就構(gòu)成該直線支持區(qū)點(diǎn)集；

2）對(duì)1）中得到的點(diǎn)集進(jìn)行最小二乘法擬合，得到該直線的精確方程；3）從原圖像中刪除1）中所得的直線支持區(qū)點(diǎn)集；4）重復(fù)以上步驟，在剩余點(diǎn)中找出矩形目標(biāo)剩下的三條直線段；

5）通過(guò)計(jì)算出的四條直線段即矩形目標(biāo)的四條邊在視覺(jué)坐標(biāo)系xz平面中的投影，據(jù)此計(jì)算出矩形目標(biāo)的位姿參數(shù)。

2.2.1 粗糙直線段提取

首先，提取目標(biāo)直線段上相距足夠遠(yuǎn)的三個(gè)像素點(diǎn)，其方法是采用從上到下、自左向右逐行掃描圖像的方法，遇到第一個(gè)黑像素點(diǎn)便停止該行的掃描，并記下該點(diǎn)坐標(biāo)。隔數(shù)行或數(shù)列用類似方法搜索出第二個(gè)和第三個(gè)黑像素點(diǎn)。

其次，將這三個(gè)像素點(diǎn)兩兩相連，可構(gòu)成三條直線，若計(jì)算出兩兩直線之間的夾角(取銳角)α1，α2，α3均小于設(shè)定的閾值αmax，則認(rèn)為此三點(diǎn)構(gòu)成一條直線，若不滿足則去除第一像素點(diǎn)，并繼續(xù)掃描計(jì)算；若找不到滿足的第一像素點(diǎn)，則去除第二像素點(diǎn)，并重新掃描計(jì)算，直到找到一條直線段。

最后，對(duì)已找到的直線進(jìn)行驗(yàn)證。掃描整個(gè)圖像，找出所有該直線段充分小鄰域內(nèi)的像素點(diǎn)，若所得像素點(diǎn)的數(shù)目大于設(shè)定的閾值Ts，則可判定該直線正確，否則重復(fù)以上所有操作，直至找到滿足上述要求的一條直線段。以此類推，找出剩下的三條直線段。

2.2.2 精確直線段提取

由于采用隨機(jī)所得的三點(diǎn)確定一條直線段，存在一定的誤差，因此，本文利用最小二乘法進(jìn)行精確直線的擬合。上節(jié)所得粗糙直線段充分小鄰域內(nèi)的像素點(diǎn)定義為該直線段的支持區(qū)點(diǎn)集，記為：

其中，L為法線長(zhǎng)度，θ為法線與x軸夾角。

直線段的支持區(qū)點(diǎn)集P內(nèi)所有點(diǎn)到粗糙直線的距離的平方和為：

為使D最小，就是要求出參數(shù)θ和L，故對(duì)θ和L求偏導(dǎo)，令：

由式（4）可得：

將式（8）代入式（6），就可求得參數(shù)L，將求得的θ和L代入式（2），可確定直線精確的法線式方程。

2.2.3 矩形目標(biāo)位姿確定

通過(guò)上一節(jié)算法可依次確定矩形目標(biāo)的四條直線段，此四條直線段組成的四邊形即矩形目標(biāo)在視覺(jué)坐標(biāo)系xz平面內(nèi)的投影，如圖4所示，矩形目標(biāo)的位姿誤差即反映車輛停靠位姿的偏差。由于四邊形的直線精確方程已計(jì)算出，可求得矩形目標(biāo)位姿參數(shù)，包括中心點(diǎn)坐標(biāo)及其偏角。

2.3 基于激光傳感器的三角目標(biāo)局部精定位

通過(guò)上述方法確定了矩形目標(biāo)的中心坐標(biāo)及其偏角后，可依據(jù)三角目標(biāo)和矩形目標(biāo)的中心坐標(biāo)的理論空間關(guān)系，計(jì)算出三角目標(biāo)中心的粗糙位置。值得注意的是，由于電動(dòng)汽車運(yùn)行中車架變形等諸多因素，計(jì)算出的三角目標(biāo)中心坐標(biāo)與其實(shí)際位置會(huì)有偏差。通過(guò)電池箱更換設(shè)備的雙激光傳感器對(duì)電池箱附近的兩個(gè)三角目標(biāo)進(jìn)行一次同時(shí)掃描，即可據(jù)以下方法進(jìn)行二次計(jì)算修正。

以人為本，實(shí)質(zhì)上反映的是一種人本管理理念，既保留人性化管理對(duì)人的尊重，調(diào)動(dòng)起人的主觀能動(dòng)性，用每個(gè)人的發(fā)展來(lái)推動(dòng)高校整體的發(fā)展，又不喪失以制度為標(biāo)準(zhǔn)的原則，讓管理仍然有章可循。建設(shè)以人為本的高校文化建設(shè)，可以將高校內(nèi)控制度化的一面內(nèi)化到高校成員的言行中，將高校內(nèi)控的控制意識(shí)轉(zhuǎn)化為高校成員的潛意識(shí)。以人為本思想的普及，可以自上而下帶動(dòng)優(yōu)秀高校文化建設(shè)進(jìn)一步進(jìn)行鞏固，高校內(nèi)部控制系統(tǒng)得到持續(xù)完善。

2.3.1 三角目標(biāo)前后偏角

為確定電池箱前后方向偏角，采用電池箱更換設(shè)備的雙激光傳感器對(duì)電池箱附近的三角目標(biāo)進(jìn)行激光掃描，如圖5所示。

結(jié)合圖5，由三角形余弦定理：

由式（9）和式（10），可得出：

根據(jù)三角形關(guān)系：

根據(jù)式（10）、式（11）和式（12），計(jì)算電池箱前后偏角：

2.3.2 三角目標(biāo)左右偏角

對(duì)三角目標(biāo)前后偏角修正后，激光傳感器掃描三角目標(biāo)確定左右偏角就變得簡(jiǎn)單了。圖6為掃描示意圖，w為兩個(gè)三角標(biāo)之間的固定距離，l1和l2為測(cè)得的激光傳感器和三角目標(biāo)距離，使用如下方法計(jì)算左右偏角即可：

3 工程應(yīng)用

圖7 電池箱更換設(shè)備各軸動(dòng)作

基于視覺(jué)傳感器和激光傳感器的多重定位技術(shù)步已經(jīng)成功運(yùn)用于國(guó)網(wǎng)電力科學(xué)研究院最新研制的全自動(dòng)電池箱更換設(shè)備上，解決了電池箱更換設(shè)備對(duì)車輛的全局定位和局部定位問(wèn)題。電池箱更換設(shè)備通過(guò)安裝在車身固定位置上的矩形目標(biāo)定位車輛的整體位姿，通過(guò)電池箱附近就近安裝的三角目標(biāo)定位電池箱的精確位姿。計(jì)算出車輛電池箱的不同位姿后，通過(guò)調(diào)整電池箱更換設(shè)備的各軸運(yùn)動(dòng)參數(shù)即可實(shí)現(xiàn)對(duì)電池箱的高精度裝卸動(dòng)作，如圖7所示。

4 結(jié)論

本文提出了基于視覺(jué)與激光等多傳感器信息融合的定位方法，實(shí)現(xiàn)了全自動(dòng)電池箱更換設(shè)備對(duì)電動(dòng)汽車的全局粗定位和局部精定位，使得電池箱更換設(shè)備對(duì)電動(dòng)汽車電池箱具有更好的適應(yīng)性，更好地服務(wù)于電動(dòng)汽車充換電設(shè)施的建設(shè)，進(jìn)一步促進(jìn)電動(dòng)汽車的快速、健康發(fā)展。

[1] Borenstein J, Feng L.Measurement and correction of systematic odometry errors in mobile robots[J].IEEE Transactions on Robotics and Automation, 1996, 12(6):869-880

[2] Borenstein J, Feng L.UMBmark-a method for measuring,comparing, and correcting dead-reckoning errors in mobile robots[J].Technical Report UM-MEAM-94-22, University of Michigan, 1994.

[3] Lionis G S, Kyriakopoulos K J.A laser scanner based mobile robust SLAM algorithm with improved convergence properties.[C] In: Proceedings of the 2002 IEEE International Conference on Intelligent Robots and Systems.Lausanne, Switzerland October 2002.582-587.

[4] Walthelm A.New approach to global self-localization with laser range scans in unstructured environments[C].In: Proceedings of 2002 Intelligent Vehicle Symposium.2002.17-21.

[5] Hashem T, Henrik A, Andre T.Localization of Mobile Robots with Omnidirectional Vision Using Particle Filter and Iterative SIFT[J].Robotics and Autonomous Systems,2006,54(9)：758-765.

[6] 潘良景, 陳衛(wèi)東.室內(nèi)移動(dòng)機(jī)器人的視覺(jué)定位方法研究[J].機(jī)器人, 2006, 28(5): 504-509.

[7] 王景川, 陳衛(wèi)東, 曹其新.基于全景視覺(jué)與里程計(jì)的移動(dòng)機(jī)器人自定位方法研究[J].機(jī)器人, 2005, 27(1): 41-45.

[8] 莊嚴(yán), 王偉, 王珂, 等.移動(dòng)機(jī)器人基于激光測(cè)距和單目視覺(jué)的室內(nèi)同時(shí)定位和地圖構(gòu)建[J].自動(dòng)化學(xué)報(bào), 2005,31(6): 925-933.

[9] 王衛(wèi)華, 熊有倫, 孫容磊.測(cè)程法系統(tǒng)誤差的測(cè)量與校核[J].機(jī)器人, 2004, 26(5): 454-460.