基于时延补偿的移动机器人动态避障方法

1、第37卷第7期2005年7月哈尔滨工业大学学报JOURNAL OF HARB I N I N STI T UTE OF TECHNOLOGYVol 137No 17July 2005基于时延补偿的移动机器人动态避障方法石朝侠1,洪炳镕1,伊连云2(1.哈尔滨工业大学计算机科学与技术学院,黑龙江哈尔滨150001;2.德州学院机电系,山东德州253015摘要:为提高自主移动机器人的动态避障能力,提出以视觉信息为决策依据,通过时延补偿提高机器人对障碍物定位精度局部动态避障方法.在避障过程中无需考虑障碍物的运动速度和运动方向,更加适用于机器人在未知或部分未知环境下的路径规划.实验表明,这种方法是可行

2、而有效的.关键词:移动机器人;时延补偿;动态避障中图分类号:TP24文献标识码:A文章编号:0367-6234(200507-0888-02M ethod of dynam i c obst acle avo i dance for m ob ile robot ba sed on del ay 2ti m e com pen s a ti onSH I Chao 2xia 1,HONG B ing 2r ong 1,YIL ian 2yun2(1.School of Computer Science and Technol ogy,Harbin I nstitute of Technol o

3、gy,Harbin 150001,China;2.Electr omechanic Depart m ent,Dezhou University,Dezhou 253015,China Abstract:I n order t o i m p r ove the capability of dyna m ic obstacle av oidance for aut onomous mobile r obot,a method of dyna m ic obstacle avoidance based on delay 2ti m e compensati on was p resented .

4、This method makes decisi ons according t o the visi on inf or mati on acquired and i m p r oves on the effect of obstacles l ocalizati on .During the course of the obstacle avoidance,this method makes the path p lanning more quickly f or the reas on that the vel ocity and the directi on of the obsta

5、cles int o account are not taken,which makes the method more app licable f or mobile r obots navigati on in unknown or partially unknown envir onment .The experi m ent indi 2cates the method is feasible and valid .Key words:Mobile r obot;delay 2ti m e co mpensati on;dyna m ic obstacle avoidance收稿日期:

6、2005-05-10.基金项目:国家高技术研究发展计划资助项目(863-2001AA422270.作者简介:石朝侠(1974-,男,博士研究生;洪炳镕(1937-,男,教授,博士生导师.自主移动机器人在未知或部分未知环境的导航中,对静态或动态障碍物的局部避障能力是机器人的一项重要功能.国内外学者提出了许多方法16.其不足之处是无法获得特定环境的细节信息如障碍物或目标的颜色、形状、纹理等.因此视觉系统尽管受视野小,数据量大等方面的限制,在移动机器人导航中起着无法替代的作用.鉴于此,很多学者提出了各种信息融合算法,将视觉信息和非视觉结合起来实现目标和障碍物的识别和定位.1二轮差动机器人的运动学模型

7、在理想状况下忽略驱动轮滑移的影响,在机器人的转动中心(左右轮的中点与几何中心(或重心重合的条件下,可建立简化的运动学模型 x y T=cos sin 001T×v.(1式中:(x,y 为移动机器人的位置,为其方向角,即前进方向与x 轴正方向夹角;v,分别为移动机器人的线速度和角速度,在运动学模型中它们是控制输入.式(1必须满足约束条件 x sin - y cos=0.当机器人转动中心与几何中心距离S 很小时(如图1,几何中心运行轨迹可用转动中心轨迹来近似.当S 很大时,轨迹误差亦大.所以,建立二轮差动机构通用运动学模型十分必要.当机器人几何中心坐标为(x,y 时,令转动中心坐标为(x

8、 c ,y c ,得x =x c +S cos,y =y c +S sin ,=c .S 为机器人转动中心到几何中心位移,当S 方向与机器人前进方向同向时取正,否 则取负.可得二轮差动机构通用运动学模型为x y=co s sin0-S sinS co s 1T v .(2从式(2可知,简化模型是通用模型的一种特殊形式,当用简化模型代替通用模型时, S 的绝对值越大,由此产生的误差越大,当S 为0时,通用模型转化为简化的运动学模型.图1二轮差动机构通用的运动学模型2机器人的定位误差分析当机器人在复杂环境尤其是未知环境运动时,首先应该感知环境,即获取环境内障碍物或目标相对于机器人的位置信息.误差通

9、常产生于下述原因:1传感器测量误差.如超声传感器波束角产生的横向误差,视觉传感器的非线性压缩映射产生的径向误差以及噪声等.2转换误差.当机器人利用视觉传感器进行定位时,由于需要完成屏幕坐标和实际相对坐标的转换,容易产生误差.3时延误差.当机器人的信息获取和处理周期很长或运行速度很快时,容易产生时延误差.大部分实际机器人基本都符合这两种情况因此,针对第三种误差,本文提出了一种时延补偿方法来提高机器人对障碍物的定位精度.3机器人的时延补偿方法文献6在避障过程中只考虑障碍物相对于机器人的位置和速度,而不考虑障碍物在世界坐标系的位置和速度,更加符合未知环境中障碍物运动参数未知的要求.原因是:障碍物运动

10、参数的确定必须依赖于机器人在世界坐标系的精确定位,以及障碍在机器人坐标系的精确定位.显而易见,这两点要求都是很难达到的.并且,该方法同时对碰撞的结果进行预测,从而在避障的过程中能够跟踪最优或较优的路径.因此,本文的时延补偿方法是建立在避障方法之上.令(x 1,y 1为测得的障碍物相对坐标,则决策时障碍物的实际坐标为(x,y 分别为x =x 1-v r t d sin r t d /2,x 0=0,y 0=0;x 1+(x 1-x 0/(t s -t d t d ,others .y =y 1-v r t d cos (r t d /2,x 0=0,y 0=0;y 1+(y 1-y 0/(t s

11、 -t d t d ,others .式中:v r 、r 分别当前机器人的线速度和角速度;t s 为采样时间;t d 为延迟时间,即从信息采入到开始决策的时间差;(x 0,y 0,(x 1,y 1分别为障碍物的历史位置和当前位置.当障碍第一次出现时,其时延补偿根据当前机器人的角速度和线速度来估算,否则,根据障碍的相对速度来估算.线速度变化量V 和角速度变化量分别为|V |=x 1-v r t d sin r t d /2-x 0k /t s -y 1-v r t d cos r t d /21-y 0/t s ,x 0=0,y 0=0;x 1+x 1-x 0t s -t d t d -x 0k

12、 /t s -y 1+y 1-y 0t s -t dt d -y 0/t s ,others .|=y 1-v r t d cos r t d /211-y 0|k |R t s-x 1-v r t d sin r t d /2-x 0R t s,x 0=0,y 0=0;y 1+(y 1-y 0/(t s -t d t d -y 0|k |R t s-x 1+(x 1-x 0/(t s -t d t d -x 0R t s,others .式中:k 为从障碍物中心当前点向机器人与出口点同侧的边缘点引直线的斜率.为安全起见,应将机器人的半径外扩,外扩的幅度为障碍物半径加上安全系数.在试验中一般选

13、取安全系数为10c m ,安全系数选取过大,容易使机器人无法在障碍物之间穿过,选取过小,则容易导致避障失败.4对比试验结果为了验证时延补偿方法的有效性,针对文献6的避障方法做了对比试验:试验环境为9m ×7m 的室内环境,障碍物的颜色已知,动态障碍物的轨迹和速度未知;在实验中机器人和动态障碍物的最大速度为0160m /s .机器人和动态障碍物都采用半径为20c m ×20c m 的全自主移动机器人为试验平台.(下转第908页988第7期石朝侠,等:基于时延补偿的移动机器人动态避障方法表1实验数据统计表T /周期T 4/周期T 4/T T 3/周期T 3/TT 2/周期T 2

14、/T4结论提出的对足球机器人群体行为优化方法提高了我队进攻效率,取得了赛场上的主动,尤其在对对方的压制上体现明显的优势,表明了该方法的有效性,并且该方法相对以往机器人的个体动作或行为优化提出了群体行为的优化,简化了设计思路,更为重要的是减少了采取群体配合方式实现有效进攻,避免了以往策略设计方法中对动作的过分依赖.实验证明了该方法简便、可行、有效.参考文献:1ST ONE P,VE LOS O M.Multi -agent syste m s:A Surveyfr om a M achine Learning Pers pective R .C MU CStechnical report,No

15、.C MU -CS -97-193.2KE NNE DY J,E BERHART R C .Particle s war m op ti m i 2zati on A .I EEE I nternati onal Conference on NeuralNet w orksC .s .l .:s .n .,1995.1942-1948.3SH I Y H,E BERHART R C .Parameter Selecti on in Par 2ticle S war m Op ti m izati onC .Annual,1998.4SH I Y H,E BERHART R C .A modif

16、ied particle s war mop ti m izerA .I EEE World Congress on Computati onalI ntelligenceC .s .l .:s .n .,1998.69-73.5S H I Y H,E BERHART R C .Fuzzy Adap tive ParticleS war m Op ti m izati on A .Pr oceedings of Congress onEvoluti onary Computati onC .Seoull:s .n .,2001.6F AN H Y,SH I Y H.Study of v max

17、 of the particle s war mop ti m izati on algorith m A .Pr oceedings of the Workshop on PS O C .I ndianapolis:Purdue School of Engineering and Technol ogy,I N P U I,2001.7CLERC M.The s war m and queen:Towards a deter m inis 2tic and adap tive paticle s war m op ti m izati on A .Pr o 2ceedings of Cong

18、ress on Evoluti onary Computati on C .W ashint on:s .n .,DC,1999.(编辑刘彤(上接第889页 图3线速度和角速度的对比曲线图1(a 和(b 分别给出了原始避障方法和时延补偿方法线速度和角速度的对比变化曲线.很容易看出,采用时延补偿方法,机器人的线速度和角速度变化更加圆滑,这说明机器人的实际运行轨迹也更加圆滑.更重要的是,完成任务所需的时间也大大缩短,说明所跟踪的路径比原始避障方法更优.5结论采用时延补偿方法提高了障碍物的定位精度,在避障过程中有效解决了机器人规划中准确性与快速性的矛盾.并且,运行的轨迹更加圆滑,规划的路径比原来更优.参考文献:1MORAVEC H P,E LFES A.H igh res oluti on map s fr omwide angle s onarJ .I EEE Conf .on Robotics and Aut o 2mati on,1987,RA -3(3:249