轨迹规划和碰撞避免移动机器人系统的算法外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

轨迹规划和碰撞避免移动机器人系统的算法

Marwah M. Almasri, Student Member, IEEE, Abrar M. Alajlan, Student Member, IEEE,

and Khaled M. Elleithy, Senior Member, IEEE

摘 要

自动移动机器人领域最近获得了许多研究者的兴趣。由于移动机器人系统的各种应用所需的特定需求，特别是在导航中，设计实时障碍物避免和路径跟随机器人系统已经成为在未知环境中控制机器人的中枢。因此，需要一种有效的冲突避免和路径跟踪方法来开发智能和有效的自主移动机器人系统。本文介绍了移动机器人系统中线路跟踪和碰撞避免的新技术。所提出的技术依赖于使用低成本红外传感器，并且涉及合理的计算水平，使得其可以容易地用于实时控制应用中。模拟设置在多个场景上实现，以显示机器人遵循路径，检测障碍物并在其周围导航以避免碰撞的能力。它也表明机器人已成功地跟随非常拥挤的曲线，并避免了在其路径上出现的任何障碍。Webots模拟器用于验证所提出的技术的有效性。

关键词：碰撞避免，路径规划，机器人控制，Webots，移动机器人，电子盘。

1. 简介

近年来，在自主移动机器人领域中出现了兴趣，被认为是能够在没有任何人参与的情况下完成预定任务，决策和导航的机械装置[ 1 ]，[ 2 ]。这给移动机器人与环境之间的相互作用带来了一些严重的问题，包括自主移动导航，路径规划，障碍物避开等。

部署自主移动机器人与使用预先辅助检测障碍物的外部传感器相结合。移动机器人使用这些传感器通过数字图像处理或距离测量接收关于测试区域的信息，以识别任何可能的障碍物[ 3 ]。在移动机器人的路径规划的文献中已经引入了几种测试环境的方法。虽然超声波传感器，定位系统和相机最广泛地用于在未知环境中移动，但是它们不是便利和整理机器人结构的合适解决方案。因此，根据特定的性能目标，一些红外传感器用于跟踪从源到目的地的最佳非碰撞路径[ 4 ]。

此外，移动机器人的路径规划可以基于机器人的环境知识分为两种类型。在预定义环境信息的全局路径规划中，全局路径规划也被称为静态避免碰撞规划和其中环境信息未预先知道的局部路径规划，局部路径规划也被称为动态避免碰撞规划。局部路径规划比全局路径规划要求更高，因为其具有可改变的方向并且需要在每个时间步长处预测动态障碍物位置，以便实现时间临界轨迹规划的要求。局部路径规划还通过传感器尽可能快地考虑关于移动障碍物的尺寸（诸如位置，大小和形状）的一些种类的测量，以避免在机器人朝向目标状态移动时出现未知障碍物[ 5 ]。

用于跟踪特定路径，同时检测障碍物和测量机器人与物体之间的距离的最知名的传感器是红外，超声波和激光传感器。

考虑到移动机器人的不同应用特别是在导航中所需要的特定需求，开发能够在实时应用中遵循路径时能够避开障碍物的自主机器人系统是至关重要的。因此，有效的避免碰撞和路径跟踪技术对于确保智能和有效的自主移动机器人系统至关重要。

本文介绍了一项研究的结果，旨在开发一种新的技术，用于线跟踪和障碍物避免依赖于使用低成本红外传感器，并涉及合理的计算水平，使其可以很容易地用于实时控制应用程序与微控制器。

本文的结构如下。第二部分回顾了避免碰撞和线下技术的最先进的文献。第三节讨论了一种新的冲突避免和线跟踪技术。第四节描述了使用的机器人平台。第五节讨论并提出模拟结果以验证所提出的方法。最后，第六节提出结论。

1. 以前的技术的审查和分析

在未知环境中的移动机器人运动规划始终是移动机器人领域的主要研究焦点，由于其实际重要性和问题的复杂性质。最近已经引入了几种碰撞避免和线跟踪技术。这些技术中的每一种被开发用于特定应用中用于教育，娱乐，商业等目的。

在实时移动机器人系统中检测障碍物的能力对于自主车辆的任何实际应用是非常关键的要求。使用障碍物避免方法的主要目的是在监视环境中获得从起点到目标的无碰撞轨迹。有两种类型的障碍物：静态障碍物，其具有固定位置并且需要对障碍物的先验知识; 动态障碍物，其不需要对障碍物的运动的任何先验知识并且具有不确定的运动和模式（运动物体）。实际上，检测动态障碍物比检测静态障碍物更具挑战性，因为动态障碍物具有可变的方向，并且需要在每个时间步长预测障碍物位置，以便实现时间临界轨迹规划的要求[ 5 ]。

此外，路径跟踪是移动机器人系统的主要方面，预计将广泛用于工业和机场以增强自动运输程序。一般来说，线跟踪技术用于跟踪具有零稳态误差的预定路径[ 6 ]。

在研究文献方面，已经提出和研究了许多技术来解决移动机器人系统中的避免碰撞和线跟随方法。以下部分将简要介绍其中的一些方法。

1. 碰撞避免方法

在机器人运动规划的文献中已经提出了许多碰撞避免算法，其允许机器人到达其目标而不与可能存在于其路径中的任何障碍物碰撞。每个算法在避免静态/动态障碍的方式上不同。

矢量场直方图（VFH）[ 7 ]是一种使用二维笛卡尔直方图网格执行两阶段数据简化过程的实时障碍物避免方法。首先，它将二维直方图转换为一维极坐标直方图。第二，它选择具有低极性密度的最合适的扇区并计算该方向上的转向角。VFH的已知问题是机器人只能检测静态障碍物。

人工势场（APF）在[ 8 ] 中给出。该算法用于找到起点和目标点之间的最短路径。障碍物产生排斥力以排斥机器人，而目标产生吸引力以吸引机器人。也就是说，可以基于吸引力和排斥力来计算机器人上的总力。因此，这种方法在对称环境的情况下对局部最小值非常敏感[ 9 ]。

另一种避障方法是Bug算法[ 10 ]，其中机器人以它的方式跟随每个障碍物的边界，直到路径自由。机器人然后重新开始朝向目标移动，而不考虑任何其他参数。Bug算法有一些显着的缺点。为了说明，算法在边缘检测过程期间不考虑任何其它障碍物。此外，它仅考虑可能受传感器噪声影响的最近的传感器读数。

B.接近线

已经提出了各种方法作为用于线跟随问题的解决方案，其通常包括线跟随，对象跟踪，路径跟踪等。机器人中的线跟随器只是一个自主的移动机器人，它检测特定的线并保持跟随它。该线可以与白色区域中的黑线一样可见，或者像磁场那样不可见。

移动机器人中的线跟随可以在三个基本操作中实现。首先，通过相机（图像处理）或安装在机器人前部的一些反射传感器捕获线宽度。第二，通过使用放置在机器人周围的一些红外传感器来调整机器人以遵循预定义的线。第三，基于线路条件控制机器人速度。

Bakker等人 提出了一种用于移动机器人系统的路径跟踪控制的新技术，其设置机器人沿其路径自主导航[ 11 ]。机器人利用实时运动差分全球定位系统来确定对应于路径的位置和方向。当在包括台阶，坡道和岬角路径的不同路径形状上测试时，控制的性能显示出足够的结果。

另一种类型的线路跟随技术在[ 12 ]中描述，其中移动机器人能够自主地在多条线路中选择期望的线路。该机器人不仅可以检测黑白颜色，而且可以区分多种颜色。每条线都有特定的颜色，机器人可以选择所需的颜色到达目的地。使用这种技术，机器人也能够跟随非常拥挤的曲线，因为它移向其目标。

在[ 13 ] 中介绍了另一种路径跟踪方法，其中它依赖于使用数字图像处理技术来跟踪机器人路径。它使用计算机视觉作为其主传感器（网络摄像头）用于测量环境。此外，还使用比例 - 积分 - 微分控制算法来调整线上的机器人。所展示的方法证明了其对黑暗，相机失真和照明的鲁棒性。

几种其他障碍物避免和线跟随方法适合于实时应用，但是由于空间限制，这里不再讨论。

在所报道的方法中，所提出的方法不同于任何其他简单的技术。该方法旨在开发一种线跟随机器人，其具有检测和避免在其路径上出现的任何障碍物的能力。移动机器人装备有多个传感器和微控制器，微控制器用于接收关于周围区域的信息，然后基于传感器读数做出决定。

1. 建议技术：结构和设计

在这个简介中，开发了一种相当普遍的技术，其具有地层开发，线跟随器和障碍物检测的组件。这项工作的贡献依赖于使用低成本的红外传感器，使其可以容易地用于实时机器人应用。所提出的技术的框图在图1中给出。

图。1.所提出的技术的框图。

控制器直接从红外传感器接收输入值。机器人控制器应用线跟随器（LFA）和碰撞避免（CAA）方法。线跟随器方法（LFA）接收地面传感器读数作为输入值，然后控制器发出信号给机器人以调整电机速度并跟随线; 而碰撞避免方法（CAA）接收距离传感器读数作为输入值。当在机器人前面检测到物体时，CAA负责旋转机器人方向并根据障碍物的位置调整其速度，以避免碰撞。通过应用这两种方法，机器人跟随线并同时检测障碍物。换句话说，如果检测到障碍物，机器人必须围绕障碍物旋转，直到再次找到该线。

所提出的技术的有效算法如图2所示。使机器人有能力沿路径走，避开障碍物。

初始化全局变量（TIME_STEP：模拟一步的时间，d：距离传感器数量，g：地面传感器数量，thr：Collison回避阈值）。

速度初始化（s：全局速度，fs：偏移速度，ls：左电机速度，rs：右电机速度）。

For i = 1 : d //启用距离传感器获取每个距离传感器的唯一标识符，每毫秒启用所有距离传感器。

End for

For i = 1 : g //启用地面传感器获得每个地面传感器的唯一标识符。每毫秒启用所有地面传感器。

End for

While (TIME_STEP ~= -1)

For i = 1 : d //读取距离传感器值。

gs(i) = get ground sensor readings

End for

If((ds(1) gt; thr) || (ds(8) gt; thr)) // 检测到前方障碍物，然后停止机器人

读取左边的距离传感器（ds(2), ds(3), ds(4), ）

读取右边的距离传感器（ds(7), ds(6), ds(5), ）

If((ds(2) gt; thr) || (ds(3) gt; thr) || (ds(4) gt; thr)) //检测右侧障碍物

Then ls -= s; //左转

Rs = s;

End if

If((ds(7) gt; thr) || (ds(6) gt; thr) || (ds(5) gt; thr)) //检测左转障碍物

Then ls = s; //右转

Rs -= s;

End if

将左右电机速度设置为ls＆rs

向前移动

返回行

Else //没有检测到障碍物

//做线跟随器

Delta; = the difference between right and left ground sensors.

Ls = s - fs * Delta;

Re = s fs * Delta;

将左右电机速度设置为ls＆rs

End if

End while

图2.线跟随和避免碰撞算法

如图2所示，在启动线跟随器和防撞机器人之前，需要初始化全局变量，例如使用的距离和接地传感器的数量（8个距离传感器和3个地面传感器）和碰撞避免阈值。在识别用于每种类型的传感器的传感器的数量之后，启用这些传感器是下一步骤。之后，对于模拟的每个时间步长，获得所有八个距离传感器的值和三个地面传感器的值。三个地面传感器负责跟随线路，并且基于这些值调整电动机速度。然而，在可能的碰撞的情况下，将前部距离传感器值与预定义的碰撞避免阈值进行比较。如果这些传感器中的一个达到阈值，则检测到前方障碍物。

随后，读取右和左距离传感器以确定前方障碍物的情况下的机器人运动的方向，并且随后与阈值比较以检查检测到的右/左障碍物。当确定机器人的路径时，相应地调整左右马达速度。避开障碍物后，机器人将返回到线路并继续跟随其路径。

1. 机器人平台

在使用真实机器人进行调查之前，使用模拟来测试所提出的技术是非常有用的。它们更便于使用，更便宜，更易于设置。在这项工作中，Webots模拟器用于开发线跟随器和防撞环境。它是由Cyber​​botics [ 14 ] 开发的移动机器人中最知名的仿真软件之一。Webots模拟器被用于这项工作，因为它配备了一些传感器和执行器设备，如用于接近和光测量的红外传感器，差分轮，相机模块，电机，触摸传感器，发射器，接收器等。它还允许从大多数3D建模软件通过VRML97标准在其场景树中导入3D模型。此外，用可以设置模户拟中使用的每个对象的属性，如形状，颜色，纹理，质量，摩擦等[ 15 ]。

用于避免碰撞的距离传感器是放置在机器人周围的8个红外传感器。图。图3示出了在该工作中使用的机器人的俯视图的语义图，其被称为“e-puck”机器人。红线表示红外距离传感器的方向。为了简单起见，我们基于它们的位置对所有传感器进行分组。此外，机器人基于这些传感器返回的值在0和2000之间检测障碍物。也就是说，从距离传感器返回的值取决于机器人和障碍物之间的距离。换句话说，如果没有检测到障碍物，则返回的值将为0（无光），并且1000意味着障碍物太靠近机器人（

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[141283]，资料为PDF文档或Word文档，PDF文档可免费转换为Word