陳群英

(西安培華學(xué)院，西安 710125)

0 引言

機(jī)器人就是將傳感器、微電子、計(jì)算機(jī)等新技術(shù)為一體的產(chǎn)物，移動(dòng)機(jī)器人在 20 世紀(jì) 60 年代初期誕生，通過50多年的發(fā)展，得以廣泛應(yīng)用到人類生產(chǎn)、生活多個(gè)方面，展現(xiàn)出強(qiáng)有力的生命力。由于機(jī)器人應(yīng)用領(lǐng)域日益擴(kuò)展，多數(shù)學(xué)者加大對(duì)于機(jī)器人控制方法及技術(shù)方面的研究。20世紀(jì)中后期，多項(xiàng)研究集中在如何基于高速度、重載條件下提升跟蹤精度等方面。隨著計(jì)算、信息融合等技術(shù)的快速發(fā)展，機(jī)器人技術(shù)也得到迅速的發(fā)展，尤其是在具備移動(dòng)行走功能、環(huán)境感知能力的移動(dòng)機(jī)器人研究也成為機(jī)器人技術(shù)領(lǐng)域研究的熱點(diǎn)問題。不得不說，移動(dòng)機(jī)器人自主研究已經(jīng)獲得顯著進(jìn)步，它不單為人們生產(chǎn)生活提供自動(dòng)化設(shè)備，且在醫(yī)療衛(wèi)生、排險(xiǎn)救災(zāi)等領(lǐng)域發(fā)揮著重要的作用。例如：汽車生產(chǎn)領(lǐng)域主要工作在于做好焊接、搬運(yùn)、零件組裝等工作的機(jī)器人；處于水下、地下等惡劣條件下用于資源探測、礦難救災(zāi)的機(jī)器人等。對(duì)移動(dòng)機(jī)器人而言，具備自主導(dǎo)航能力則是移動(dòng)機(jī)器人走向具體應(yīng)用的前提條件。同時(shí)定位與地圖創(chuàng)建(Simultaneous Localization and Mapping, SLAM)就是指在未知的環(huán)境下，機(jī)器人可依托自身傳感器對(duì)周圍的信息進(jìn)行測量，以此評(píng)估自身位置及運(yùn)動(dòng)狀態(tài)，并能真實(shí)描繪周圍環(huán)境地圖的過程[1]。移動(dòng)機(jī)器人SLAM相關(guān)問題研究旨在探究機(jī)器人處于陌生的環(huán)境下，可以自主識(shí)別環(huán)境內(nèi)的特征信息，并運(yùn)用所獲取的特征信息創(chuàng)建周圍環(huán)境地圖模型，機(jī)器人能夠依據(jù)所構(gòu)建的模型實(shí)施定位和導(dǎo)航。本次研究就是對(duì)同時(shí)定位與地圖創(chuàng)建多種算法展開研究，并基于傳統(tǒng)方法進(jìn)行適當(dāng)改進(jìn)，以此提升 SLAM 工作性能及精確度。

1 應(yīng)用RBPF開展地圖構(gòu)建

1.1 粒子濾波

粒子濾波器又被稱作Monte Carlo定位方法，這是一種統(tǒng)計(jì)濾波算法，也是保障Monte定位法順利實(shí)現(xiàn)的方法。它開展濾波處理的思想在于貝葉斯采樣估計(jì)對(duì)序列重要性進(jìn)行采樣處理，粒子濾波器無需直接求得概率密度函數(shù)，而是通過粒子集合對(duì)概率分布情況進(jìn)行描述[2]。如果粒子樣本數(shù)量處于無窮大狀態(tài)，其作為能夠逼近任意形式的概率分布，它應(yīng)用一組隨機(jī)的離散粒子集對(duì)系統(tǒng)狀態(tài)后驗(yàn)密度分布狀況進(jìn)行描述，粒子集越密集，說明這個(gè)區(qū)域概率更大。此外，粒子濾波器出現(xiàn)也為機(jī)器人具體定位提供有效地解決途徑。它幾乎能夠用于各種機(jī)器人定位問題，粒子濾波算法則是有效解決SLAM最有效、成熟的方法。

(1)

上述式子中，π(x1:t|z1:t，u1:t-1)稱為重要性函數(shù)或建議分布。通過歸一化處理后，重要性權(quán)值，如式(2)。

(2)

(3)

(4)

通過上述分析，地圖后驗(yàn)概率具體估算如式(5)。

(5)

1)RBPF算法內(nèi)蒙特卡羅環(huán)節(jié)要由先驗(yàn)環(huán)節(jié)實(shí)施采樣處理為式(6)。

(6)

2)若將先檢驗(yàn)分布作為重要性函數(shù)，如：π(x1:t|z1:t，u1:t-1)=p(xt|xt-)，以此開展遞歸計(jì)算為式(7)。

(7)

1.2 卡爾曼濾波

上述式子中：

利用在均值及方差更新環(huán)節(jié)中，應(yīng)用卡爾曼濾波器，RBPF算法估算精度明顯提升。隨后，RBPF算法必須對(duì)每個(gè)粒子運(yùn)用卡爾曼濾波器，如果存在多數(shù)粒子時(shí)，求解復(fù)雜程度會(huì)顯著增加。

2 改進(jìn)后的RBPF算法

(1)標(biāo)準(zhǔn)RBPF的卡爾曼更新操作如下：

fori=1 toNdo

end for

(2)改進(jìn)后RBPF卡爾曼更新步驟：

fori=2 toNdo

end if

end for

在此基礎(chǔ)上，建議應(yīng)用文獻(xiàn)中的

作為間距，由采樣環(huán)節(jié)內(nèi)應(yīng)用自適應(yīng)重采樣技術(shù)，通過采樣、求解粒子重要性權(quán)值、更新地圖等步驟，順利實(shí)現(xiàn)同步定位與地圖構(gòu)建。

經(jīng)改進(jìn)處理的流程，如圖1所示。

圖1 改進(jìn)RBPF算法實(shí)現(xiàn)流程

3 應(yīng)用實(shí)例及結(jié)果分析3.1 實(shí)驗(yàn)環(huán)境及平臺(tái)

所用平臺(tái)采用裝配URG-04LX激光測距儀器的PioneerIII-DX機(jī)器人，配置2.19GHz的GPU、內(nèi)存達(dá)到1.96GB的筆記本電腦組合而成。實(shí)驗(yàn)所用的電腦按照Ubuntu 12.04操作系統(tǒng)及Groovy版ROS，通過筆記本恰當(dāng)控制機(jī)器人運(yùn)動(dòng)狀態(tài)，如圖2所示。

圖2 實(shí)驗(yàn)應(yīng)用平臺(tái)

實(shí)驗(yàn)環(huán)境選擇某學(xué)校研發(fā)中心一樓，如圖3所示。

圖3 實(shí)驗(yàn)環(huán)境

3.2 實(shí)驗(yàn)結(jié)果

對(duì)于同步定位與地圖構(gòu)建過程中，總時(shí)間消化與機(jī)器人運(yùn)行速度、環(huán)境存在密切的聯(lián)系，算法詳細(xì)的時(shí)間消耗很難確定。但可以利用控制機(jī)器人運(yùn)動(dòng)速度，進(jìn)一步評(píng)估算法的實(shí)時(shí)性。若所用算法復(fù)雜程度較大，整個(gè)計(jì)算過程需要耗費(fèi)大量的時(shí)間，較快的運(yùn)動(dòng)速度使得地圖精度明顯降低，必須適當(dāng)放慢運(yùn)動(dòng)速度，以確保所得地圖的精度[10]。當(dāng)算法復(fù)雜度較小，計(jì)算所用時(shí)間也會(huì)有所減小，較快運(yùn)動(dòng)條件下也能確保地圖的精度[11-12]。兩組算法均運(yùn)用120個(gè)粒子，每一種算法每種速度當(dāng)作一組開展10次實(shí)驗(yàn)，共接受60次實(shí)驗(yàn)，每一組首次試驗(yàn)中設(shè)定機(jī)器人原地運(yùn)行，獲得地圖的同時(shí)把所觀測出來的里程和激光數(shù)據(jù)記錄到bag文件內(nèi)。剩下9次實(shí)驗(yàn)應(yīng)用該文件內(nèi)的數(shù)據(jù)實(shí)施仿真處理，獲得與之相應(yīng)的地圖，bag文件具有ROS設(shè)定的文件格式，能夠把不同類數(shù)據(jù)信息保存在同一個(gè)文件中，得以廣泛用于測試算法中。運(yùn)用bag文件展開算法調(diào)試工作，能確保每一組實(shí)驗(yàn)數(shù)據(jù)的一致性，進(jìn)而減少誤差。實(shí)驗(yàn)結(jié)果證實(shí)，每組實(shí)驗(yàn)均展現(xiàn)出共同的特性，挑選具有代表性的結(jié)果展開對(duì)比分析。不同運(yùn)動(dòng)速度條件下Gmapping算法和改進(jìn)算法繪制出來的地圖，如圖4、圖5所示。

(a) 0.2 m/s

(b) 0.4 m/s

(c) 0.8 m/s

(a) 0.2 m/s

(b) 0.4 m/s

(c) 0.8 m/s

通過實(shí)驗(yàn)可知，上述兩種算法由于機(jī)器人運(yùn)動(dòng)速度加快，都會(huì)出現(xiàn)柵格誤差不斷增大、地圖質(zhì)量降低的情況。當(dāng)運(yùn)動(dòng)速度處在0.2 m/s時(shí)，兩種算法均可以創(chuàng)建相對(duì)穩(wěn)定的地區(qū)，而在0.4 m/s運(yùn)動(dòng)速度時(shí)，應(yīng)用Gmapping算法就是個(gè)發(fā)展誤差，且地圖存在不確定性的特征，改進(jìn)算法算法并未出現(xiàn)誤差。處于0.8 m/s運(yùn)動(dòng)狀態(tài)時(shí)，為改進(jìn)前所用算法繪制地圖誤差增加，改進(jìn)后所用算法也存在一些誤差，但整體效果明顯比改進(jìn)前好，表明利用改進(jìn)算法，其在各種運(yùn)動(dòng)速度條件下，創(chuàng)建的地圖更穩(wěn)定，邊緣清晰度更高。

4 總結(jié)

綜上所述，移動(dòng)機(jī)器人同時(shí)定位與地圖創(chuàng)建作為機(jī)器人順利實(shí)現(xiàn)自主導(dǎo)航的關(guān)鍵，本文對(duì)于移動(dòng)機(jī)器人同時(shí)定位與地圖創(chuàng)建問題的多種方法展開研究，旨在探討如何提升移動(dòng)機(jī)器人自主能力。文章提出一種改進(jìn) LMNO 算法應(yīng)用到移動(dòng)機(jī)器人SLAM，依托卡爾曼濾波器更新某個(gè)特定條件下一組粒子中的代表粒子。必要情況下，對(duì)其均值、方差實(shí)施更新處理，并在同一個(gè)粒子群內(nèi)重復(fù)運(yùn)用，進(jìn)一步降低操作復(fù)雜度，提升所用系統(tǒng)實(shí)時(shí)性。在此基礎(chǔ)上，選擇Pioneer III-DX機(jī)器人操作平臺(tái)下展開實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)RBPF算法，其運(yùn)用不同運(yùn)動(dòng)速度下，所創(chuàng)建的地圖比較穩(wěn)定，具有清晰地邊緣。

[1] 閆德立,宋永端,宋宇，等.平方根容積卡爾曼濾波概率假設(shè)密度算法在移動(dòng)機(jī)器人同時(shí)定位與地圖構(gòu)建中的應(yīng)用[J].控制理論與應(yīng)用,2014,31(8):1009-1017.

[2] 丁少文,王林.基于連續(xù)三角測量法的機(jī)器人定位方法[J].微型電腦應(yīng)用,2013,30(5):9-12.

[3] 趙亮,陳敏,李洪臣，等.基于視覺同時(shí)定位與地圖構(gòu)建數(shù)據(jù)關(guān)聯(lián)優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用,2014,34(2):576-579.

[4] 陳鵬慧,蔡瓊,彭華順，等.基于遺傳算法的多移動(dòng)機(jī)器人協(xié)同調(diào)度方案[J].微型電腦應(yīng)用,2016,32(7):34-38.

[5] 伍明,張國良,李琳琳，等.基于動(dòng)態(tài)和靜態(tài)環(huán)境對(duì)象觀測一致性約束的移動(dòng)機(jī)器人多傳感器標(biāo)定優(yōu)化方法[J].兵工學(xué)報(bào),2017,38(8):1630-1641.

[6] 羅元,蘇琴,張毅，等.基于優(yōu)化 RBPF 的同時(shí)定位與地圖構(gòu)建[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,44(5):30-34.

[7] 羅元,傅有力,程鐵鳳，等.基于改進(jìn)Rao-Black wellized粒子濾波器的同時(shí)定位與地圖構(gòu)建[J].控制理論與應(yīng)用,2015,32(2):267-272.

[8] 蔡炯.機(jī)器人自適應(yīng)主動(dòng)同時(shí)定位與建圖新方法[J].計(jì)算機(jī)測量與控制,2015,23(5):1639-1642.

[9] 葉錦華,李迪,葉峰，等.輸入受限的非完整移動(dòng)機(jī)器人的自適應(yīng)模糊控制[J].中國機(jī)械工程,2014,25(8):1010-1016.

[10] 王麗佳,賈松敏,王爽，等.采用改進(jìn)Mean Shift算法的移動(dòng)機(jī)器人行人跟蹤[J].光學(xué)精密工程,2013,21(9):2364-2370.

[11] 葛媛媛,張宏基.基于自適應(yīng)模糊滑模控制的機(jī)器人軌跡跟蹤算法[J].電子測量與儀器學(xué)報(bào),2017,31(5):746-755.

[12] 于濤,趙偉,孫漢旭，等.一種球形移動(dòng)機(jī)器人爬坡運(yùn)動(dòng)的自適應(yīng)滑?？刂芠J].測控技術(shù),2017,36(7):60-65.