登錄
注冊
RFID技術(shù)在移動機器人同步定位中的應(yīng)用
在室內(nèi)移動機器人的導(dǎo)航中，機器人的定位與地圖創(chuàng)建是機器人研究中一個基礎(chǔ)且重要的問題。機器人只有實時明確自己當(dāng)前的方位，才能快速準(zhǔn)確地到達(dá)目的地。自從移動機器人誕生以來，已知環(huán)境地圖的定位問題和已知定位的地圖創(chuàng)建問題已經(jīng)被廣泛研究，提出了多種有效的解決途徑。而當(dāng)?shù)貓D和機器人的位置都事先未知時，定位問題就變得更加復(fù)雜。
在這種情況下，要求機器人在一個完全未知的環(huán)境中從一個未知的位置出發(fā)，在遞增地建立環(huán)境的導(dǎo)航地圖同時，利用已建立的地圖來同步刷新自身的位置，最終形成完整的環(huán)境地圖并在此基礎(chǔ)上提供準(zhǔn)確的定位。在上述問題中，機器人位置和地圖兩者的估算是高度相關(guān)的，任何一方都無法獨立獲取。這樣一種相輔相生，不斷迭代的過程，被學(xué)術(shù)界簡稱為同步定位與地圖創(chuàng)建( SLAM )問題。該問題可以表述為：機器人在未知環(huán)境中，從一個未知位置開始移動，在移動過程中根據(jù)位置估計和傳感器進(jìn)行自身定位，同時建立環(huán)境地圖。目前使用的主要是模糊邏輯和概率的方法，如Bayes估計，Kalman濾波，擴展Kalman濾波和Markov推理等。
射頻識別(RFID)技術(shù)是近年來興起的一門自動識別技術(shù)。與傳統(tǒng)的條形碼系統(tǒng)、接觸式卡等不同，射頻識別系統(tǒng)是利用無線射頻方式非接觸供電，并進(jìn)行非接觸雙向數(shù)據(jù)通信，以達(dá)到識別并交換數(shù)據(jù)的目的。識別工作無須人工干預(yù)，可工作于各種惡劣環(huán)境。將RFID技術(shù)應(yīng)用于機器人中，可以更好地發(fā)揮其技術(shù)特點，使機器人更多地獲取外在信息。
不少學(xué)者正在研究將RFID用于機器人定位系統(tǒng)中，把RFID作為機器人的一種傳感器來進(jìn)行數(shù)據(jù)采集和處理。標(biāo)簽為機器人的外部信息量，機器人通過閱讀器來采集各個標(biāo)簽中的位置信息，通過獲取的信息利用同步定位與地圖創(chuàng)建算法來對機器人進(jìn)行有效的定位，從而得到更準(zhǔn)確地控制。本文的研究工作中提出了一種基于RFID 系統(tǒng)的有效SLAM 算法。該算法可以解決2維環(huán)境下的機器人定位問題。實驗證明，通過已知的RFID數(shù)據(jù)，該算法能成功地在2維環(huán)境中實現(xiàn)移動機器人的跟蹤定位。
1 RFID 環(huán)境設(shè)置
將RFID標(biāo)簽如圖1所示均勻分布在地面上，標(biāo)簽的間距為0．5m。每個標(biāo)簽牛都存放該標(biāo)簽所在位置的絕對坐標(biāo)數(shù)據(jù)。以便稍后為機器人提供外部位置信息。
圖1：室內(nèi)標(biāo)簽設(shè)計圖
Fig．1 Indoor label arrange
將RFID 閱讀器安裝于機器人的底部，用于讀取放置在地面上的標(biāo)簽中的信息。機器人在移動過程中進(jìn)入標(biāo)簽范圍時，標(biāo)簽進(jìn)入閱讀器的磁場范圍，接收閱讀器發(fā)出的射頻信號，憑借感應(yīng)電流所獲得的能量發(fā)送出存儲在標(biāo)簽中的坐標(biāo)信息。實驗中RFID閱讀器的正面朝下讀取地面的標(biāo)簽卡。
當(dāng)移動機器人經(jīng)過標(biāo)簽時，閱讀器讀取標(biāo)簽中的坐標(biāo)信息并將其傳回電腦存儲，并讀取閱讀器的磁場范圍的下一個標(biāo)簽．重復(fù)這一過程直到閱讀器接收其射頻場內(nèi)所有標(biāo)簽信息。在本文的研究中，只考慮RFID閱讀器一次只處理一個標(biāo)簽坐標(biāo)信息的情況。
2 定位算法
上文已經(jīng)描述了通過RFID系統(tǒng)獲取機器人基本位置的方法。然而，同步定位的精度與RFID標(biāo)簽的間距以及硬件設(shè)備的性能密切相關(guān)。文中提出的基于RFID系統(tǒng)的同步定位與地圖創(chuàng)建算法通過一些基本坐標(biāo)信息來預(yù)測移動機器人的運動軌跡并定位。各國研究者已經(jīng)提出了多種地圖表示方法，大致可分為3類：柵格地圖、幾何特征地圖和拓?fù)涞貓D。本文使用幾何特征地圖，用幾何特征表示傳感器網(wǎng)絡(luò)中的一個傳感地標(biāo)。地圖中的地標(biāo)和機器人的位置用直角坐標(biāo)系表示。
當(dāng)RFID標(biāo)簽進(jìn)入閱讀器的磁場范圍時，閱讀器讀取其坐標(biāo)數(shù)據(jù)X( x，y )，并根據(jù)該坐標(biāo)值計算機器人到各個已知路標(biāo)間的距離，已知路標(biāo)用標(biāo)簽表示。
2．1 不確定性信息處理
作為SLAM 的信息來源，機器人本體的運動模型及其攜帶的傳感器的準(zhǔn)確性是決定地圖精度的關(guān)鍵之一。實際上這些渠道獲得的信息都帶有不同程度的不確定性。在未知環(huán)境中，環(huán)境信息的不確定性尤為明顯．感知信息的不確定必然導(dǎo)致地圖和定位雙方的不確定。研究人員已經(jīng)提出了多種用來處理不確定性的度量方法，如模糊度量、概率度量、信任度量、可能性度量等。目前在SLAM 中使用較多的主要是模糊度量和概率度量的方法。本文采用概率度量來處理不確定性。用概率表示SLAM 中2個重要模型：觀測模型和運動模型。
2．2 觀測模型
觀測模型P( x t ，y t )是已知t時刻機器人位置和路標(biāo)位置集合M 的條件下求t時刻觀察值五的條件概率。離散時間t=1，2，3，...；s = ( x s , y s )表示通過RFID獲得的機器人位置；
表示t時刻得到的整個系統(tǒng)總觀測值。
t 時刻機器人到某一路標(biāo)的距離d是路標(biāo)坐標(biāo)f i ( x f i ，y f i )與機器人位置坐標(biāo)st ( x s ，ys )的函數(shù)，f i ( x f i ，y f i )表示第i個路標(biāo)的實際位置。模型中的噪聲用q表示。觀測模型可以表示為：
在定位算法中，信息標(biāo)簽對未知閱讀器的位置都有影響力，標(biāo)簽到閱讀器的距離越近，其影響力越大，對閱讀器位置有更大決定權(quán)。本文中的閱讀器放在移動機器人底部．所以閱讀器的位置也是機器人的位置。如圖2，閱讀器收到了4個信息標(biāo)簽的信號，4個標(biāo)簽的坐標(biāo)分別為( x1，y1)，(x2，y2)，( x3，y3)，( x4，y4)，它們到移動機器人的距離分別為d1 ，d2，d3，
d4?？梢钥闯鰀1<d2 <d4 < d3。
因此Tagl的影響力最大，對閱讀器的位置有最大決定權(quán)。Tag3的影響力最小，對閱讀器位置的決定權(quán)最小。根據(jù)三角定位原理，只取影響力較大的3個信息標(biāo)簽來做定位計算。
圖2 定位方法
Fig．2 Location method
根據(jù)Tagl，Tag2，Tag4到閱讀器的距離d1，d2，d4 可求出待定位的機器人計算坐標(biāo)St =(xs，ys )：
2．3 運動模型
運動模型預(yù)測下個時間段機器人的運動狀態(tài)和環(huán)境特征。移動機器人在t時刻的位置為St (X s，ys)，St是 t 時刻移動機器人的輸入控制Ut和前一時刻位置S t-1 的一個函數(shù)，移動機器人的位置信息可以用運動模型:
來表示。
由于環(huán)境特征是靜止的點，運動模型可以如下表示：
其中(xi (t)，yi (t))是t 一1時刻標(biāo)簽 i 的坐標(biāo)。
從運動模型中采樣M 條路徑，每條路徑都是一個粒子。對每個粒子來說，機器人運動路徑是確定的，每個粒子分別采用N個卡爾曼濾波器估計用N個環(huán)境特征的位置。
和 
分別表示第i個粒子的N個環(huán)境特征的高斯均值和協(xié)方差。
2．4 SLAM 中的粒子濾波器
粒子濾波算法的迭代過程為：
① 初始Ⅳ 個粒子，表示機器人的位置；
② 求上一步中每個粒子的運動模型；
③ 對每個表示機器人的粒子，預(yù)測觀測值，并根據(jù)觀測值計算粒子權(quán)值；
④ 使用每個粒子對應(yīng)的K個卡爾曼濾波求各個環(huán)境坐標(biāo)位置的估計值；
⑤ 重采樣；
機器人路徑粒子重采樣所需要的權(quán)值計算如下：
nt∈{1，... ，k)表示t時刻觀測到的環(huán)境特征。
3 仿真結(jié)果
機器人運動速度為0．5m／s，控制信號時間間隔為0．025s，觀測最遠(yuǎn)距離30m．模擬2O個時間步來測試算法的穩(wěn)定性．實驗通過Matlab編程進(jìn)行參數(shù)設(shè)置，用鼠標(biāo)操作劃出機器人的行走線路．仿真結(jié)果如圖3。
圖3 定位坐標(biāo)與實際坐標(biāo)比較
Fig．3 Comparing estimated results with the real path
圖3中的坐標(biāo)單位為m，圖中圓點為機器人實際的位置坐標(biāo)點，方塊點是用定位算法計算出的機器人相應(yīng)坐標(biāo)點．從實驗結(jié)果可以看出，本文提出的基于RFID系統(tǒng)的定位算法能夠較準(zhǔn)確的計算出機器人的位置坐標(biāo)。
4 結(jié)語
本文采用RFID技術(shù)和粒子濾波器實現(xiàn)移動機器人自主定位和地圖創(chuàng)建。利用RFID的高速數(shù)據(jù)傳輸?shù)奶攸c，增強移動機器人數(shù)據(jù)獲取能力，提高了機器人定位的效率。但目前，RFID技術(shù)還有待進(jìn)一步提高，閱讀器同時接受多個標(biāo)簽數(shù)據(jù)時的碰撞問題要進(jìn)一步解決完善。同時SLAM 算法與RFID應(yīng)用的結(jié)合將幫助機器人更好的定位及控制。
