周明龍 程晶晶

摘要：該文主要是設(shè)計(jì)了一種可擴(kuò)展式移動機(jī)器人，提出了基于Levenberg-Marquardt方法優(yōu)化的 EKF-SLAM算法、基于勢場蟻群算法的移動機(jī)器人全局路徑規(guī)劃，并探索了一種新的最優(yōu)路徑搜索方法，即有機(jī)地將移動機(jī)器人局部路徑規(guī)劃融入全局路徑規(guī)劃中，并且通過機(jī)器人仿真實(shí)驗(yàn)完成室內(nèi)移動機(jī)器人的自主導(dǎo)航，相比傳統(tǒng)方法能夠提高KEF算法的定位精度以及穩(wěn)定性，并結(jié)合仿真實(shí)驗(yàn)驗(yàn)證改進(jìn)后的有效性，得出了位置預(yù)測結(jié)果更加準(zhǔn)確，從而得到更優(yōu)的路徑規(guī)劃。

關(guān)鍵詞：移動機(jī)器人;路徑規(guī)劃;自主導(dǎo)航

中圖分類號：F270 ? ? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2022）02-0010-03

近年來，科學(xué)技術(shù)的進(jìn)步促使機(jī)器人在人民生活中應(yīng)用越來越廣泛。作為機(jī)器人為人類提供高質(zhì)量服務(wù)的基礎(chǔ)，面向機(jī)器人的定位正逐漸成為該領(lǐng)域的研究熱點(diǎn)。近十幾年來，機(jī)器人學(xué)界涌現(xiàn)出了各種各樣的針對SLAM問題的解決方案。其中，基于擴(kuò)展卡爾曼濾波器（EKF）的EKF-SLAM方法獲得了廣泛的認(rèn)可并被普遍應(yīng)用，這種方法是通過測量含噪聲的變量的形式獲得運(yùn)動過程中某一時刻的狀態(tài)得出估計(jì)值，最后根據(jù)反饋修正估計(jì)值。這樣，EKF-SLAM就能在不須了解機(jī)器人詳細(xì)性質(zhì)的前提下，高效地對運(yùn)動的過去、當(dāng)前、甚至將來的狀態(tài)進(jìn)行估計(jì)，但該方法的穩(wěn)定性和定位精度仍有不足。

1 移動機(jī)器人硬件結(jié)構(gòu)的技術(shù)方案

一種可擴(kuò)展式移動機(jī)器人的硬件設(shè)計(jì)如圖1、圖2所示，其中，1-移動底座;2-操控凹槽腔;3-轉(zhuǎn)動臺;4-轉(zhuǎn)動基板;5-旋轉(zhuǎn)軸;6-軸套;7-直齒輪一;8-直齒輪二;9-旋轉(zhuǎn)電機(jī)一;10-主體管;11-L形滑桿;12-工具支板;13-電動推桿;14-輪軸;15-移動輪;16-缺口槽;17-錐齒輪一;18-錐齒輪二;19-旋轉(zhuǎn)電機(jī)二。一種可擴(kuò)展式移動機(jī)器人包括移動底座，移動底座上開設(shè)有操控凹槽腔，所開設(shè)的操控凹槽腔的開口端轉(zhuǎn)動配合安裝設(shè)有轉(zhuǎn)動臺，轉(zhuǎn)動臺的底端面中間位置處固定連接旋轉(zhuǎn)軸的頂端，旋轉(zhuǎn)軸的底端通過軸套一體轉(zhuǎn)動配合安裝設(shè)置在操控凹槽腔內(nèi)，旋轉(zhuǎn)軸上固定套設(shè)安裝有直齒輪一，直齒輪一嚙合傳動連接直齒輪二，直齒輪二固定套設(shè)安裝在旋轉(zhuǎn)電機(jī)一的輸出端，轉(zhuǎn)動臺的頂端面上設(shè)有一體結(jié)構(gòu)的轉(zhuǎn)動基板，轉(zhuǎn)動基板的中間位置處垂直固定安裝設(shè)有主體管，主體管的內(nèi)腔底部設(shè)置有電動推桿，主體管的內(nèi)腔頂部滑動配合安裝有L形滑桿，電動推桿的伸縮桿端與L形滑桿之間相固定連接，L形滑桿的尾端固接設(shè)有工具支板。

使用時，通過移動底座1上所開設(shè)的操控凹槽腔2內(nèi)安裝設(shè)置的旋轉(zhuǎn)電機(jī)一9轉(zhuǎn)動，從而帶動直齒輪二8嚙合傳動直齒輪一7旋轉(zhuǎn)，從而使得旋轉(zhuǎn)軸5帶動轉(zhuǎn)動臺3以及轉(zhuǎn)動基板4進(jìn)行轉(zhuǎn)動，轉(zhuǎn)動臺3與操控凹槽腔2的開口端之間相轉(zhuǎn)動配合安裝設(shè)置，使得轉(zhuǎn)動臺3旋轉(zhuǎn)穩(wěn)定，從而便于旋轉(zhuǎn)調(diào)節(jié)轉(zhuǎn)動基板4所需的應(yīng)用的加工角度位置，操作便捷且方便;通過電動推桿13便于推送L形滑桿11沿主體管10進(jìn)行滑移穩(wěn)定，從而便于上下伸縮滑移L形滑桿11的支撐高度位置，其尾端固接的工具支板12的高度便于相對應(yīng)調(diào)整使用，滿足所需加工高度位置，操作應(yīng)用方便;通過旋轉(zhuǎn)電機(jī)二19帶動錐齒輪一17旋轉(zhuǎn)，從而嚙合傳動錐齒輪二18旋轉(zhuǎn)，使得輪軸14帶動移動輪15進(jìn)行旋轉(zhuǎn)移送，使得移動底座1整體移動穩(wěn)定且便捷。本技術(shù)方案結(jié)構(gòu)簡單，裝配安裝方便，通過旋轉(zhuǎn)電機(jī)一經(jīng)直齒輪二、直齒輪一依次傳動至旋轉(zhuǎn)軸進(jìn)行轉(zhuǎn)動，使得轉(zhuǎn)動臺以及轉(zhuǎn)動基板旋轉(zhuǎn)穩(wěn)定，便于旋轉(zhuǎn)調(diào)節(jié)轉(zhuǎn)動基板所需的應(yīng)用的加工角度位置，操作便捷且方便;通過主體管內(nèi)腔底部設(shè)置的電動推桿便于帶動L形滑桿進(jìn)行穩(wěn)定滑移，L形滑桿及尾端固接的工具支板的高度便于相對應(yīng)調(diào)整使用，滿足所需加工高度位置，操作應(yīng)用方便。

2 移動機(jī)器人路徑規(guī)劃方法的技術(shù)方案[1-2]

移動機(jī)器人路徑規(guī)劃方法可以用來解決穩(wěn)定性和定位精度的問題。一種移動機(jī)器人路徑規(guī)劃方法的技術(shù)方案具體步驟如下：

①構(gòu)建移動機(jī)器人的預(yù)測模型;

②獲取移動機(jī)器人觀測到的環(huán)境數(shù)據(jù)，從環(huán)境數(shù)據(jù)中進(jìn)行地標(biāo)提取，得到地標(biāo)信息;

③判斷地標(biāo)信息是否是已經(jīng)記錄過的地標(biāo)信息，若不是則將地標(biāo)信息進(jìn)行記錄;

④根據(jù)移動機(jī)器人控制里程估計(jì)移動機(jī)器人的位置;

⑤根據(jù)重復(fù)觀測到的地標(biāo)信息更新機(jī)器人位置估計(jì)，對預(yù)測模型進(jìn)行迭代;

⑥使用列文伯格-馬夸爾特法對預(yù)測模型迭代過程進(jìn)行優(yōu)化;

⑦將當(dāng)前時刻的環(huán)境數(shù)據(jù)和移動機(jī)器人當(dāng)前位置帶入移動機(jī)器人運(yùn)動模型，預(yù)測下一時刻移動機(jī)器人位置;

⑧利用蟻群算法計(jì)算移動機(jī)器人預(yù)測位置和設(shè)定目標(biāo)點(diǎn)位置之間的最優(yōu)路徑。

獲取移動機(jī)器人環(huán)境數(shù)據(jù)后，去除環(huán)境數(shù)據(jù)中的高斯噪聲，判斷地標(biāo)信息是否是已經(jīng)記錄過的地標(biāo)信息，預(yù)測移動機(jī)器人當(dāng)前位置能夠觀測到的地標(biāo)信息;度量預(yù)測的地標(biāo)信息與實(shí)際觀測的地標(biāo)信息的馬氏距離，與設(shè)定閾值進(jìn)行比較;若馬氏距離不超過設(shè)定閾值，則將兩個地標(biāo)視為同一地標(biāo);協(xié)方差矩陣主要是通過移動機(jī)器人與地標(biāo)之間的協(xié)方差以及移動機(jī)器人位置、地標(biāo)的協(xié)方差組成的;根據(jù)移動機(jī)器人的控制里程、預(yù)測模型的雅克比矩陣對協(xié)方差矩陣進(jìn)行更新，預(yù)測移動機(jī)器人當(dāng)前位置;估計(jì)出機(jī)器人當(dāng)前位置值和地標(biāo)信息，從而預(yù)測出地表角度以及位置;計(jì)算測量模型的雅克比矩陣;計(jì)算雅克比矩陣的卡爾曼增益;利用卡爾曼增益計(jì)算新的狀態(tài)向量，得出當(dāng)前機(jī)器人位置和各地標(biāo)的位置;將新觀測到的地標(biāo)信息加入預(yù)測模型中，更新預(yù)測模型;為達(dá)到降低算法的深度以及復(fù)雜度的目的，從而將人工勢場局部搜索優(yōu)化算法融入計(jì)算過程中;為了提高隱含全局最優(yōu)空間的信息素濃度，可以將信息素擴(kuò)散柵格表和信息素擴(kuò)散模型融入勢場蟻群算法中[3];計(jì)算完整路徑;通過幾何優(yōu)化策略優(yōu)化局部路徑獲得另一條完整路徑，并完成此相鄰路徑的信息素更新;比較各完整路徑，得出最優(yōu)路徑。

3 移動機(jī)器人路徑規(guī)劃方法實(shí)施說明

本方法通過提出基于Levenberg-Marquardt 方法優(yōu)化的 EKF-SLAM算法、基于勢場蟻群算法的移動機(jī)器人全局路徑規(guī)劃，探索一種新的最優(yōu)路徑搜索方法，即有機(jī)地將移動機(jī)器人局部路徑規(guī)劃融入全局路徑規(guī)劃中，并且通過機(jī)器人仿真實(shí)驗(yàn)完成室內(nèi)移動機(jī)器人的自主導(dǎo)航，相比傳統(tǒng)方法能夠增加擴(kuò)展卡爾曼算法的穩(wěn)定性和定位精度。移動機(jī)器人路徑規(guī)劃方法具體實(shí)施步驟分為六步，具體如下[3-5]：

第一步：獲取移動機(jī)器人環(huán)境數(shù)據(jù)后，去除環(huán)境數(shù)據(jù)中的高斯噪聲，提高環(huán)境數(shù)據(jù)的可靠性。

第二步：判斷地標(biāo)信息是否是已經(jīng)記錄過的地標(biāo)信息。預(yù)測移動機(jī)器人當(dāng)前位置能夠觀測到的地標(biāo)信息;度量預(yù)測的地標(biāo)信息與實(shí)際觀測的地標(biāo)信息的馬氏距離，與設(shè)定閾值進(jìn)行比較;若所述馬氏距離不超過設(shè)定閾值，則將兩個地標(biāo)視為同一地標(biāo)。馬氏距離也稱為歸一化平方新息，是新息向量的加權(quán)范數(shù)。

第三步：根據(jù)移動機(jī)器人當(dāng)前里程估計(jì)移動機(jī)器人的位置。協(xié)方差矩陣主要是通過移動機(jī)器人與地標(biāo)之間的協(xié)方差（Covariance）以及移動機(jī)器人位置、地標(biāo)的協(xié)方差組成的[1-2];預(yù)測移動機(jī)器人預(yù)測模型的雅克比矩陣;根據(jù)移動機(jī)器人的控制里程、預(yù)測模型的雅克比矩陣對協(xié)方差矩陣進(jìn)行更新，預(yù)測移動機(jī)器人當(dāng)前位置。在概率論和統(tǒng)計(jì)學(xué)中通常是通過協(xié)方差衡量兩個變量的總體誤差。兩個變量的協(xié)方差提供了這兩個變量相關(guān)程度的度量。多維隨機(jī)變量的研究主要是通過協(xié)方差矩陣來實(shí)現(xiàn)的。

第四步：根據(jù)重復(fù)觀測到的地標(biāo)信息，更新機(jī)器人位置估計(jì)，對預(yù)測模型進(jìn)行迭代。根據(jù)機(jī)器人當(dāng)前位置的估計(jì)值以及記錄的地標(biāo)信息計(jì)算地標(biāo)位置和角度的預(yù)測值;計(jì)算測量模型的雅克比矩陣;計(jì)算雅克比矩陣的卡爾曼增益;利用卡爾曼增益計(jì)算新的狀態(tài)向量，得出當(dāng)前機(jī)器人位置和各地標(biāo)的位置;將新觀測到的地標(biāo)信息加入預(yù)測模型中，更新預(yù)測模型。

第五步：利用蟻群算法計(jì)算移動機(jī)器人預(yù)測位置和設(shè)定目標(biāo)點(diǎn)位置之間的最優(yōu)路徑。將人工勢場局部搜索優(yōu)化算法融入計(jì)算過程中;為了提高隱含全局最優(yōu)空間的信息素濃度，可以將信息素擴(kuò)散柵格表和信息素擴(kuò)散模型融入勢場蟻群算法中;以當(dāng)前路徑點(diǎn)的信息素為擴(kuò)散源，引入擴(kuò)散因子;計(jì)算完整路徑;通過幾何優(yōu)化策略優(yōu)化局部路徑獲得另一條完整路徑，并完成此相鄰路徑的信息素更新;

第六步：比較各完整路徑，得出最優(yōu)路徑。

4 移動機(jī)器人路徑規(guī)劃方法的驗(yàn)證實(shí)施路徑

4.1 移動機(jī)器人路徑規(guī)劃方法的驗(yàn)證實(shí)施路線

以自主移動車輛作為移動機(jī)器人的模型，建立移動機(jī)器人系統(tǒng)模型，通過對移動機(jī)器人的同時定位與地圖構(gòu)建、路徑規(guī)劃等方面進(jìn)行深入的研究工作，提出了基于Levenberg-Marquardt 方法優(yōu)化的 EKF-SLAM算法、基于勢場蟻群算法的移動機(jī)器人全局路徑規(guī)劃、融合移動機(jī)器人全局路徑規(guī)劃與局部路徑規(guī)劃的最優(yōu)路徑搜索方法，并且通過機(jī)器人仿真實(shí)驗(yàn)，完成室內(nèi)移動機(jī)器人的自主導(dǎo)航。

4.2 移動機(jī)器人路徑規(guī)劃方法的算法原理[6-7]

為了蟻群算法的深度以及復(fù)雜程度，將人工勢場局部搜索尋優(yōu)算法融入其中;為了提高隱含全局最優(yōu)空間的信息素濃度，將信息素擴(kuò)散柵格表和信息素擴(kuò)散模型融入勢場蟻群算法中，以當(dāng)前路徑點(diǎn)的信息素為擴(kuò)散源，引入擴(kuò)散因子。

仿真結(jié)果主要是比較不同方法以及最佳參數(shù)匹配和參數(shù)不同組合，從最優(yōu)路徑的搜索以及算法時間、迭代深度等方面得出基于勢場蟻群算法的優(yōu)勢。蟻群算法中螞蟻個體的搜索效率可以通過局部路徑的優(yōu)化獲取其他完整的路徑，及時更新相鄰路徑的信息素，螞蟻個體具備對兩條完整路徑進(jìn)行搜索的能力，蟻群算法的復(fù)雜度和深度得到了有效降低。

5 結(jié)束語

研究的移動機(jī)器人的路徑規(guī)劃方法主要是通過設(shè)計(jì)了一種可擴(kuò)展式移動機(jī)器人，提出了基于Levenberg-Marquardt 方法優(yōu)化的 EKF-SLAM算法、基于勢場蟻群算法的移動機(jī)器人全局路徑規(guī)劃以及探索了一種新的最優(yōu)路徑搜索方法，即有機(jī)地將移動機(jī)器人局部路徑規(guī)劃融入全局路徑規(guī)劃中，并且通過機(jī)器人仿真實(shí)驗(yàn)完成室內(nèi)移動機(jī)器人的自主導(dǎo)航，相比傳統(tǒng)方法能夠提高KEF算法的定位精度以及穩(wěn)定性，并結(jié)合仿真實(shí)驗(yàn)驗(yàn)證改進(jìn)后的有效性，得出了位置預(yù)測結(jié)果更加準(zhǔn)確，從而得到更優(yōu)的路徑規(guī)劃。

參考文獻(xiàn)：

[1] 巨江.基于激光雷達(dá)的室內(nèi)移動機(jī)器人SLAM研究[D].西安：西安電子科技大學(xué)，2019.

[2] 陳強(qiáng)龍.室內(nèi)移動機(jī)器人路徑規(guī)劃方法研究[D].北京：北京工業(yè)大學(xué)，2019.

[3] 周明龍，程晶晶等.一種移動機(jī)器人路徑規(guī)劃方法[P].中國專利：CN201911312815.2.2020-05-08.

[4] 劉建華.基于智能優(yōu)化算法的機(jī)器人路徑規(guī)劃與目標(biāo)跟蹤方法研究[D].上海：東華大學(xué)，2017.

[5] 彭湘，向鳳紅，毛劍琳.一種未知環(huán)境下的移動機(jī)器人路徑規(guī)劃方法[J].小型微型計(jì)算機(jī)系統(tǒng)，2021，42（5）：961-966.

[6] 唐嘉寧，潘蓉，周思達(dá)，等.融合模擬電勢場的改進(jìn)人工勢場法研究[J].電光與控制，2020，27（12）：69-73.

[7] 于振中，李強(qiáng)，樊啟高.智能仿生算法在移動機(jī)器人路徑規(guī)劃優(yōu)化中的應(yīng)用綜述[J].計(jì)算機(jī)應(yīng)用研究，2019，36（11）：3210-3219.

【通聯(lián)編輯：代影】