, ,

(安徽工程大學(xué) 安徽省電氣傳動與控制重點(diǎn)實(shí)驗(yàn)室,安徽 蕪湖 241000)

0 引 言

在機(jī)器人導(dǎo)航中，障礙物是不可避免的、隨機(jī)出現(xiàn)且形狀不可預(yù)知的[1-3]。目前，在避障問題上常使用激光傳感器，其探測距離遠(yuǎn)，測量精度高。

黃如林等[6]提出一種基于動態(tài)障礙物幾何特征和障礙物回波脈沖寬度特征融合的動態(tài)障礙物檢測與跟蹤方法。雖然較好的實(shí)現(xiàn)對障礙物的檢測，但缺乏對障礙物運(yùn)動軌跡的預(yù)測和避撞策略的描述。劉杰等[7]利用靜態(tài)障礙物和目標(biāo)點(diǎn)之間的位置關(guān)系，提出一種通過調(diào)節(jié)自適應(yīng)閾值的改進(jìn)矢量場直方圖避障算法，但該方法缺乏對動態(tài)障礙物檢測和預(yù)測的闡述。楊月全等[8]針對一類圓形動態(tài)障礙物，采用最小二乘法對障礙物邊緣進(jìn)行擬合，實(shí)現(xiàn)避障規(guī)劃，但該方案受限于動態(tài)障礙物的形狀。

目前，利用激光傳感進(jìn)行避障的相關(guān)研究大多數(shù)是針對避障問題中某個過程的研究，但是關(guān)于整個避障體系的闡述很少且存在部分局限性,對激光數(shù)據(jù)采集，進(jìn)行障礙物檢測、預(yù)測及避撞研究，闡述一套完整的避障體系。

1 障礙物檢測

利用激光傳感器在不同時刻的掃描數(shù)據(jù)區(qū)分環(huán)境中存在的動態(tài)和靜態(tài)障礙物，并求解出動態(tài)障礙物的運(yùn)動狀態(tài)。在障礙物檢測過程中，以機(jī)器人為中心設(shè)定圓形窗口，在窗口內(nèi)進(jìn)行利用激光傳感器進(jìn)行數(shù)據(jù)采集，對所獲得的激光數(shù)據(jù)進(jìn)行聚類、匹配和分類操作區(qū)分出動靜障礙物，對動態(tài)障礙物進(jìn)行分析確定障礙物的運(yùn)動速度和方向角度。記錄障礙物和機(jī)器人運(yùn)動信息，繪制當(dāng)前窗口內(nèi)的動態(tài)地圖，動態(tài)地圖隨著圓形窗口不斷更新。

1.1 激光傳感器數(shù)據(jù)采集

柵格地圖[9]具有易于構(gòu)建和維護(hù)的特點(diǎn)且不需要其他參數(shù)，因此采用柵格地圖建立環(huán)境模型?，F(xiàn)規(guī)定機(jī)器人攜帶的激光傳感器和機(jī)器人本身采用同一坐標(biāo)系以及機(jī)器人的出發(fā)點(diǎn)與世界坐標(biāo)系的原點(diǎn)重合。同時，通過激光傳感器對周圍障礙物的掃描獲取環(huán)境信息。

采用德國SICK公司生產(chǎn)的二維激光傳感器，根據(jù)激射出的脈沖紅外激光束碰到物體發(fā)生反射，由接收器接接收，通過時間間隔來計(jì)算出目標(biāo)距離。它的角度分辨率為0.5°，在180°的掃描范圍內(nèi)可獲得361個障礙物距離數(shù)據(jù)點(diǎn)。障礙物的位置信息可以表示為(ρo,θo)(o=1,2,...361)，其中：ρo、θo分別表示機(jī)器人到障礙物的距離及角度。障礙物位置(xo,yo)在機(jī)器人世界坐標(biāo)系中的表示如式(1)所示。

(1)

再通過式(2)映射到柵格地圖中的位置。

(2)

1.2 障礙點(diǎn)聚類

機(jī)器人在圓形窗口運(yùn)動，利用激光傳感器掃描障礙物獲得的是一些孤立的點(diǎn)集，為了確定這些點(diǎn)集所屬的目標(biāo)障礙物，提出一種自適應(yīng)閾值的最近鄰聚類方法。

規(guī)定圓形窗口內(nèi)獲得的激光數(shù)據(jù)為有效數(shù)據(jù)，對其進(jìn)行聚類。采樣時刻t時，通過比較連續(xù)障礙點(diǎn)的距離和預(yù)先設(shè)定閾值的關(guān)系判斷是否屬于同一障礙物：當(dāng)兩點(diǎn)間的距離小于閾值，則認(rèn)為兩個點(diǎn)屬于同一障礙物；若兩點(diǎn)間的距離大于閾值，則認(rèn)為兩點(diǎn)不屬于同一障礙物，即表示有新障礙物出現(xiàn)，依次將每個數(shù)據(jù)點(diǎn)與它前一個點(diǎn)進(jìn)行比較完成聚類。自適應(yīng)閾值的設(shè)定如式(3)、(4)所示。

d≈r·sin(0.5°)

(3)

d'=λ·d

(4)

d表示相鄰兩激光反射點(diǎn)之間的距離，r表示激光束的長度，λ表示自適應(yīng)參數(shù)。

聚類后可以得到若干個障礙聚類子集Ok(t)構(gòu)成的障礙物鏈Ob_list(t)，如式(5)、(6)所示。

Ob_list(t)={O1(t),O2(t),···,OK(t)}

(5)

Ok(t)={IDk(t),Zk(t),Sk(t),Vk(t)}

(6)

IDk(t)表示障礙物的狀態(tài)量；Zk(t)表示質(zhì)心；Sk(t)表示區(qū)域面積；Vk(t)表示動態(tài)障礙物的速度。

對先前聚類的障礙數(shù)據(jù)進(jìn)行時間關(guān)聯(lián)性分析來確定獲得的障礙物類型及運(yùn)動障礙物的運(yùn)動信息，評估函數(shù)如式(7)所示。

(7)

(8)

其中，F(xiàn)表示障礙子集質(zhì)心間的距離；G表示兩障礙子集不重合面積占總面積的比重；λF，λG表示系數(shù)。

根據(jù)評估函數(shù)的大小得到的障礙物類型如圖1所示。

圖1 障礙物聚類結(jié)果

如圖1(a)所示，在相鄰時刻，C值最大，可認(rèn)定障礙物為靜態(tài)障礙物。

如圖1(b)所示，在相鄰時刻，C值最小，可認(rèn)定障礙物為兩個不同的障礙物。

如圖1(c)所示，在相鄰時刻，C值處于最大最小值之間，可認(rèn)定障礙物為動態(tài)障礙物。

1.3 匹 配

機(jī)器人不斷地運(yùn)動，激光傳感器時刻采集障礙物數(shù)據(jù)，為了確定不同時刻得到的障礙物是否來自同一個障礙物，需要對當(dāng)前時刻障礙物鏈表Ob_list(t)中的障礙物和上一時刻障礙物鏈表Ob_list(t-1)中的障礙物進(jìn)行配對操作。配對的障礙物是同一個障礙物的條件是兩個障礙物數(shù)據(jù)關(guān)聯(lián)評估函數(shù)的取值大于預(yù)先設(shè)定的閾值c。具體實(shí)現(xiàn)過程如圖2所示 。

圖2 障礙物匹配流程圖

1.4 分 類

完成配對的同一個障礙物，需要進(jìn)行分類來區(qū)分是靜態(tài)障礙物還是動態(tài)障礙物。具體實(shí)現(xiàn)過程如圖3所示。其中ηk表示障礙子集合的點(diǎn)重合度。

圖3 障礙物分類流程圖

1.5 運(yùn)動障礙物運(yùn)動信息

對聚類后獲得的動態(tài)障礙物進(jìn)一步分析計(jì)算出其運(yùn)動的速度以及角度。

圖4 障礙物運(yùn)動過程

(9)

(10)

(11)

(12)

其中，γ表示機(jī)器人的航向角；vO、αO分分別表示障礙物運(yùn)動的速度和方向角度。

2 障礙物預(yù)測

障礙物預(yù)測是根據(jù)障礙物的運(yùn)行軌跡來預(yù)測移動機(jī)器人和運(yùn)動障礙物的碰撞關(guān)系。機(jī)器人在行走過程中，會遇到突發(fā)的障礙物，機(jī)器人根據(jù)自身攜帶的激光傳感器對運(yùn)動障礙物進(jìn)行檢測，獲得運(yùn)動信息并結(jié)合自身的運(yùn)行信息繪制出圓形窗口內(nèi)的動態(tài)地圖來預(yù)測碰撞情況。這里針對以下可能發(fā)生碰撞的幾種情況進(jìn)行討論。

圖5 預(yù)測情況1

如圖5所示，當(dāng)機(jī)器人緩慢行走時，探測前方有障礙物以較快速度運(yùn)動，得出障礙物的運(yùn)動方向和速度，預(yù)測不會與障礙物相撞。

圖6 預(yù)測情況2

如圖6所示，機(jī)器人探測到前方有動態(tài)障礙物以較慢速度運(yùn)動，得出障礙物的運(yùn)動方向和速度，預(yù)測兩者發(fā)生碰撞的位置。

如圖7所示，機(jī)器人探測到對向而來的動態(tài)障礙物，兩者相撞不可避免，預(yù)測發(fā)生碰撞的位置。

圖7 預(yù)測情況3

3 障礙物避撞

這個過程主要是決策規(guī)劃出合理的行走路徑來進(jìn)行靜態(tài)或動態(tài)障礙物避讓，利用Morphin算法進(jìn)行實(shí)現(xiàn)。

Morphin算法是一種基于地面分析以及對先驗(yàn)柵格地圖進(jìn)行可行性統(tǒng)計(jì)分析的局部路徑避障算法。如圖8所示，機(jī)器人探測到障礙物時會在位置前設(shè)置數(shù)條避開障礙物的備選路徑，再根據(jù)機(jī)器人當(dāng)前狀態(tài)以及備選路徑的評價函數(shù)選出一條最優(yōu)避障路徑。

圖8 Morphin算法備選路徑

以機(jī)器人當(dāng)前位置和障礙物的連線作為Morphin算法的中心線，其方向始終朝向障礙物，在中心線左右兩側(cè)各畫若干條弧線，并采用式(13)對每條弧線進(jìn)行評價。

(13)

其中，D表示每條弧線路徑的長度；M表示每條弧線路徑的拐點(diǎn)參數(shù)；ΔL表示弧線所經(jīng)過的每個柵格點(diǎn)到子目標(biāo)點(diǎn)距離的平均值；W表示弧線終點(diǎn)與子目標(biāo)點(diǎn)連線與障礙物柵格相交的次數(shù)；ε1、ε2、ε3、ε4表示各個參數(shù)的權(quán)值。當(dāng)障礙物位于弧線上時，評價函數(shù)y的值為無窮大，y值最小的那條弧線表示局部最優(yōu)路徑。

圖9 總體流程圖

圖10 仿真結(jié)果圖

機(jī)器人行走過程中，遇到靜態(tài)障礙物和各種動態(tài)障礙物，采取不同的避障策略。

當(dāng)檢測到靜態(tài)障礙物時，直接調(diào)用Morphin算法；當(dāng)遇到圖5所示的情況，機(jī)器人不采取任何措施，繼續(xù)運(yùn)行；當(dāng)遇到圖6所示的情況，機(jī)器人將停止運(yùn)行直到障礙物離開預(yù)測的碰撞點(diǎn)；當(dāng)遇到圖7所示的情況，機(jī)器人在到達(dá)碰撞點(diǎn)之前調(diào)用Morphin算法。

4 仿真實(shí)驗(yàn)

為了說明上述所提的算法對移動機(jī)器人在未知環(huán)境中避障的有效性，在Matlab進(jìn)行仿真驗(yàn)證。算法總體流程圖如圖9所示。

仿真結(jié)果如圖10所示。V1、V2、V3、V4表示圓形窗口；S1、S2、S3、S4表示檢測到的靜態(tài)障礙物；D1、D2、D3-1、D3-2、D4表示檢測到的動態(tài)障礙物；B、C、E表示機(jī)器人檢測到動態(tài)障礙物位置；A、D、F表示機(jī)器人避障發(fā)生的位置。窗口內(nèi)其他黑色圓形表示檢測到的其他障礙物；窗口外灰色圓形表示無效區(qū)域內(nèi)的障礙物，不參與任何避障操作。

表1 障礙物運(yùn)動速度和角度

從圖10和表1看出，機(jī)器人在V1窗口內(nèi)運(yùn)動，構(gòu)建出動態(tài)窗口地圖，在該地圖內(nèi)，機(jī)器人在A點(diǎn)檢測到障礙物S1調(diào)用Morphin算法進(jìn)行避障，在A到B段，檢測到動態(tài)障礙物D1的運(yùn)行速度為450mm/s，角度為80.83°；一旦機(jī)器人超出V1的有效區(qū)域，立即構(gòu)建V2的圓形窗口，在C到D段檢測到動態(tài)障礙物D2的運(yùn)動運(yùn)行速度為760mm/s，角度為62.47°，并在D處檢測到障礙物S3立即調(diào)用Morphin算法。同樣地，超出V2有效區(qū)域，構(gòu)建V3的圓形窗口，當(dāng)運(yùn)行到E點(diǎn)時，檢測到障礙物D3-1運(yùn)行速度為510mm/s，角度為91.05°，在O1處發(fā)生碰撞，此時機(jī)器人將采取暫停運(yùn)行操作，但檢測到障礙物D3-2遠(yuǎn)離碰撞點(diǎn)時，則開始運(yùn)行；當(dāng)在V4窗口內(nèi)運(yùn)行到F點(diǎn)時，檢測到對向而來的障礙物，其運(yùn)行速度為805mm/s，角度為180.09°，預(yù)測碰撞不可避免，并預(yù)測到碰撞位置發(fā)生在O2處，此時機(jī)器人提前做出避障措施調(diào)用Morphin算法避開障礙物。

5 結(jié) 語

針對未知環(huán)境中移動機(jī)器人避障問題，提出一種基于激光傳感器的障礙物檢測、預(yù)測及避障方法。首先，設(shè)定圓形窗口作為機(jī)器人有效掃描區(qū)域，根據(jù)采用自適應(yīng)閾值的最近鄰聚類方法對激光數(shù)據(jù)進(jìn)行聚類，通過匹配和分類算法確定障礙物類型，完成運(yùn)動障礙物速度和方向角的檢測；再通過實(shí)時繪制窗口內(nèi)的動態(tài)局部地圖來預(yù)測移動機(jī)器人和障礙物碰撞的關(guān)系，結(jié)合Morphin算法做出相應(yīng)避障措施。仿真實(shí)驗(yàn)表明，移動機(jī)器人能夠有效地檢測出障礙物，進(jìn)行碰撞預(yù)測，并做出合理地避障措施。下一步，將該算法用于實(shí)驗(yàn)室機(jī)器人上進(jìn)行驗(yàn)證，并考慮與其他傳感器的融合，進(jìn)一步提高避障性能。