作者/刘启航 、钮 飞，南京邮电大学 贝尔英才学院；李超，南京邮电大学计算机学院

基金项目：国家自然科学基金青年基金项目（项目号：61302158）；江苏省自然科学基金项目（项目号：K20130869）；江苏省高校自然科学研究项目（项目号：13KJB520019）。

室内智能机器人自主避障策略设计与实现

作者/刘启航 、钮 飞，南京邮电大学 贝尔英才学院；李超，南京邮电大学计算机学院

基金项目：国家自然科学基金青年基金项目（项目号：61302158）；江苏省自然科学基金项目（项目号：K20130869）；江苏省高校自然科学研究项目（项目号：13KJB520019）。

针对室内智能机器人在运行过程中需要具备自主避障功能问题，本文以智能小车为对象，通过对各方面特征值的采集，多数据融合处理分析的方法，设计自主避障策略，实现对死角和墙角特殊环境的避障。通过搭建测试环境，测试小车在不同移动速度下对死角避障和墙角避障能力。结果表明，在保证避障成功的情况下，小车的速度可以达到2.5m/s，符合智能机器人室内移动速度。

自主避障； 数据融合

引言

智能车辆（intelligent vehicle）又名轮式移动机器人，是一个集环境感知、规划决策、自动行驶等功能于一体的综合系统【1】。智能小车又是智能车辆中广泛应用于测量，勘探等方面的工作的一种实验模型。在一个不确定的环境中智能小车的自动控制通常需要多个传感器的融合来感知周围环境的复杂信息【2】。国内目前有用摄像头来进行信息采集的智能小车，单纯的视觉传感器虽可以识别路障物体，但所形成二维图像信息无法具体描述三维的环境，对于墙角这些特殊情况小车无法及时处理。还有用多个超声波传感器测距避障的方案，但超声波传感器在运动测距上的误差问题无法避免，大大限制了小车的运动速度【3—6】。在国外有用栅格地图法来实现避障控制，通过将环境划分成栅格，计算避障概率来辅助自动控制。但这种多数据融合的方法对于未知环境的处理有着本质上的缺陷，应用环境很受限制【7—9】。本文设计的智能小车通过红外传感器识别障碍物，四组超声波传感器测距获得周围环境立体数据，对整个传感网络获得的数据进行融合处理，可以在很大程度上提高智能小车的避障成功率和缩短反应时间，同时也降低了开发成本。

1. 系统的结构设计

本文中设计的智能小车在机器结构上采用四轮平板车的设计方式，在边缘支架上安装各个传感器模块，支架上层固定主控板，下层固定铅蓄电池通过简单的配电线连接。

① 电机：电机采用的是步进电机，工作方式为四相八拍。电机驱动模块采用的是UIREBOT的UIM242，利用CAN总线通信控制，主要的控制信令有：

ENA：使能电机；

SETx：设置站点地址；

SPD：设置速度；

STP：设置期望位移。

② 红外传感器：红外传感器选择的是光子探测中一种，型号为HJ—IR2。当接受到障碍物的反射光子时发送高电平告警信号。

③ 超声波传感器：超声波传感器选用KS103型号，内置温度补偿。根据猜想避障环境，测距范围调整在0.5～1.5m。经实验测试，在小车速度低于3m/s的范围内，室温下测距误差为3%。

④ 主控板：小车在运动的过程中，周围情况变化较快，且在多数据融合处理时，需要相应的浮点运算。

2. 避障功能设计及实现

2.1 智能小车的特征值

利用多数据融合处理数据，需要获得避障系统的特征值【9】。避障系统的特征值主要包括两种：智能小车的状态特征和道路环境特征。将小车抽象成一个刚体，如图2所示。A、B点为小车的左下轮和右上轮，对角线距离为d，小车运动速度为V。在小车经过T时间，旋转角度为θ时，A点运动到A’处，由于θ角度很小，A点位移近似为A点到A’点的直线距离，为VT。根据余弦公式可以得到公式（1）。

根据arccos的泰勒公式展开形式公式（2），舍弃掉高次项可以得到公式（3）。

公式（3）即表述了智能小车的两种状态特征的关系，在下面一节将讨论如何利用超声波传感器获取的环境特征值来调整小车状态特征值，来达到准确和及时的避障。

2.2 多数据融合处理

智能小车四周都设有一个超声波传感器。假设小车处于墙角模型的避障情况，四组超声波可分别测得小车四周可调整距离d1、d2、d3和d4。红外传感器的门限距离为D，通常门限距离在1米以内。当D1距离达到D时，取d1234中距离最大的值来确定旋转方向，取得d4为最大值，向右转。旋转的角度θ可根据几何规则得到，如公式（4）

实际的小车体积较小，arctan函数可以近似为正比例函数。根据上一节的两种小车特征值之间的关系可以得到公式（5）。

此外，速度最大不可超过在转弯的时间内撞上物体可得到公式（6）。

公式（5）、（6）即可约束小车转弯的过程不停地调整速度来成功避障。当环境特征值改变时，小车会根据实时采集的数据进行调整。当d1234中所有的距离都小于安全门限距离，为了解决这种情况，小车会利用一个堆栈记录部分行驶数据，当进入死角后，小车会利用堆栈中的数据返回到之前的状态，选择d1234中第二长的方向作为旋转方向，重复之前的操作。

3. 系统测试

3.1 测试环境搭建

测试环境选择在室内搭建。室内设有一个长度为10米的轨道，在轨道上放置有障碍物，分别测试小车处理左转避障，右转避障和死角环境。由于测试环境为室内避障，设置的障碍物的体积均和小车体积相当或者大于小车体积。

3.2 测试结果与分析

测试时，小车分别以每秒0.5～4米的速度行驶进入车道。测试结果统计了小车的正常行驶速度、行驶总时间和碰撞次数的关系，使用Matlab画出图1。从图中共三条曲线，分别统计了三种测试点的情况，对于正常情况避障，不发生碰撞。对于死角和墙角避障，随着速度增加，虽然时间有所减少，但碰撞的情况开始出现。在保证不发生碰撞的情况下，速度保持在每秒1.5米左右达到理想状态，符合室内机器人实际的行驶速度。

4. 结语

本文针对室内智能机器人的避障问题，提出并实现了利用超声波传感器和红外传感器网络的解决方案。从小车的硬件设计到软件算法原理，本文都给出了相对详细的解释，且测试结果符合要求。

图1 测试结果统计图

＊ [1]陈懂, 刘瑢, 金世俊. 智能小车的多传感器数据融合[J]. 现代电子技术, 2005, 28(6)：3—5.

＊ [2]王檀彬, 陈无畏, 李进,等. 多传感器融合的视觉导航智能车避障仿真研究[J]. 系统仿真学报, 2009, 21(4)：1015—1019.

＊ [3]杨东鹤, 刘喜昂. 智能移动机器人的超声避障研究[J]. 计算机工程与设计, 2007, 28(15)：3659—3660.

＊ [4]张馨, 王善, 陈振勇, 等. 水下接触爆炸作用下加筋板的动态响应分析[J]. 系统仿真学报, 2007, 19(2)： 257—260.

＊ [5]Pan C, Guo J, Zhu L, et al. Modeling and Verification of CAN Bus with Application Layer using UPPAAL[J]. Electronic Notes in Theoretical Computer Science, 2014, 309(12)：31—49.

＊ [6]李霁雰, 陈阳生, 章玮. 基于CAN总线的电动汽车中继站研究[J]. 机电工程, 2015, 32(3)：379—383.

＊ [7] 李玥. CAN总线技术在电机控制系统中的应用研究[D]. 沈阳工业大学, 2015.

＊ [8]陈羽中, 翁诗宁, 郭昆. 一种面向车辆自组网的多人博弈数据融合算法[J]. 小型微型计算机系统, 2016, 37(8)：1807—1811.

＊ [9]Simanek J, Kubelka V, Reinstein M. Improving multi—modal data fusion by anomaly detection[J]. Autonomous Robots, 2015, 39(2)：139—154

第一作者：刘启航：在读本科生，研究方向为通信工程，单位：南京邮电大学；

第二作者：钮飞：在读本科生，研究方向为电子信息工程，单位：南京邮电大学；

第三作者：李超：副教授，主研领域：信息安全，嵌入式系统等，单位：南京邮电大学；