岳洁

搜救机器人竞赛是中小学机器人竞赛中较常见的赛项，在搜救型机器人竞赛中，机器人要顺利完成搜救任务，循迹行走是要解决的关键问题。本文以“虚拟搜救机器人”为实验平台，分析了寻线循迹行走的常用算法与策略，发现其适用场合及不足，提出了用寻迹卡传感器算法与策略，优化了的寻迹卡机器人速度和寻线策略。

随着智能技术的发展，教育机器人逐步走进中小学课堂，自20世纪90年代中期开始以来，机器人竞赛规模不断扩大，比赛项目不断完备，影响力也逐步提高，现在已经成为一个普及科技教育、促进科技进步的全球性赛事。

循迹机器人是一种被广泛研究的机器人，它是在给定的区域内沿着给定的轨迹完成对各个目标点的访问，其主要指标是速度和顺利完成访问得分点的能力。目前，机器人寻迹一般都通过视觉传感器和光电传感器获取道路信息。朱益斌等在《自主式寻迹机器人小车的设计》提出了利用红外传感器进行寻迹，用光电编码器和PID算法对走直线进行控制，以链表结构作为电子地图。制作的机器人能很好的进行寻迹和访问目标点，运行过程稳定，抗干扰能力较强，反应速度快，对进一步研究自动行走机器人技术有借鉴作用。《一种竞赛机器人小车的设计与实现》一文中给出了实现机器人识别不同颜色区域的方法，根据传感器的状态实现对机器人运动方向的控制，并利用 PWM 的方式控制小车的运动速度，调试及竞赛过程机器人小车能够很好地进行接力，运行过程稳定、抗干扰能力强、反应速度快。

1 循迹行走常用算法

机器人寻线最常用的方法是用灰度光电传感器探测场地环境，识别引导线。灰度传感器是模拟传感器，利用光敏电阻检测反射光的强度，不同颜色的检测面对光的反射程度不同，光敏电阻检测光线的强度并将其转换为机器人可以识别的信号，不同颜色的检测面返回的光值也不同。虚拟机器人搜救系统平台中的机器人灰度传感器，适合黑（白）线轨迹的跟踪：模块以数字输出，返回值为0～255的灰度值，探测到黑线时输出0，探测到白线输出为255。机器人正是通过灰度传感器模块探测到的信号来判断形势情况，并进行调整控制。竞赛机器人在设计时一般采用在机器人前端安装两个灰度传感器，作为机器人的视觉识别系统。

2 寻迹卡循迹行走的优化算法

当轨迹线是钝角转弯时，为了增强机器人寻迹的稳定性，可以选用智能寻迹卡传感器。智能寻迹卡传感器相当于8个灰度传感器，安装方便，行走灵活。

2.1 無分支算法设计

通过寻迹卡的七个灰度传感器检测，获取当前传感器的返回值，判断机器人所在的位置，并调整机器人的运行轨迹方向，使机器人始终沿着轨道行走。机器人的初始位置在轨迹线的中间，4号传感器压线，这时机器人默认直线前进;前进一小段距离后，由于摩擦力、车身抖动或轨迹线发生改变等原因，机器人会偏离轨迹线，这时机器人需要根据从灰度传感器获取的信息作出判断，适实的调整机器人行走方向。寻迹卡传感器的状态及机器人的行走策略见表（略）。

在初始状态下，黑线应位于传感器的中间，此时传感器4检测到黑线，七个传感器的状态分别为0、0、0、1、0、0、0，表示为二进制数是0001000，此时机器人前进。

当机器人从中间逐渐往右偏离轨道黑线时，即黑线在机器人左边，对应的状态有0011000、0010000、0110000、0100000、1000000，此时机器人由传感器的信息判断偏离轨道的程度，并作出不同幅度的左转。越靠左边的传感器检测到黑线信息，说明机器人向轨迹线右边偏离的程度越大，机器人向左转的幅度就需要越大。

当机器人从中间逐渐往左偏离轨道黑线时，黑线在机器人右边，对应的状态有0001100、0000100、0000110、0000010、0000001，此时机器人由传感器的信息判断偏离轨道的程度，并作出不同幅度的右转。越靠右边的传感器检测到黑线信息，说明机器人向轨迹线左边偏离的程度越大，机器人向右转的幅度就需要越大。

还有一种状态就是七个传感器都检测到黑线，此时说明机器人行驶到丁字路口或十字路口，需根据场地的情况判断直行或者停止。若以到达终点，则机器人停止;若是分支路口，机器人需要直行。

最后一种状态是七个传感器都检测不到黑线，此时说明机器人可能完全脱离了轨迹黑线，这时需要根据机器人上一次获取传感器的信号来判断自身所处位置，进行挽救。若上一次是1号传感器检测到黑线，则说明前进方向的左边有转弯，机器人需大幅度的左转直至到轨迹线上;反之，则是7号传感器检测到黑线，需大幅度右转直至到轨迹线上。

2.2 分支路口策略设计

虚拟机器人竞赛的场地，在比赛开始时公布，因此，可以通过计数方式来完成有分支轨道的行走。如果1号传感器和7号传感器都能检测到黑线，说明遇到了十字路口或丁字路口。此时可以用计数的方法数线，让机器人记住走过的路口，并作出行为判断，在需要停止的路口停下，在前进的路口前进。如机器人场地有5个十字路口，前4个路口都需要直行经过，最后一个路口需要停止，则每经过一个分支路口，计数变量就累加一次，直到计数变量累加到5后，机器人停止。

2.3 折线转弯行走策略

以上传感器的状态，便于机器人在行走过程中的方向矫正，避免机器人在直线或曲线等平滑轨道的行走中始终保持在轨道线上。在实际行驶过程中，轨迹往往是比较复杂的，由于轨道设计了很多锐角、直角、钝角的折线转弯，为使机器人能在全速前进的过程中走的更稳定、避免脱离轨道，可以利用寻迹卡的优势，根据中间传感器和边缘传感器的信息融合来判断轨道转弯角度的大小。

3 优化算法实验及结果

实验表明，灰度传感器在遇到折线转弯时，不能完成转弯的任务，大多数情况是沿着直线直接冲出轨道，循迹失败;在较大曲率曲线中，也不能顺利转角到位，导致机器人原地打转错误检测到黑线反方向运行，或直接冲出轨迹线，循迹失败。寻迹卡机器人在遇到折线拐弯时，由于边缘传感器检测到黑线，机器人大角度拐弯，能够快速的拐回轨迹线，中间传感器的再次检测，能够保证机器人不会因为速度太快转弯时冲过轨迹线，出现脱离轨迹线而迷路的状态;机器人在遇到较大曲率曲线时，由于几个传感器轮流检测到黑线，可以及时调整机器人两轮速度差，机器人呈持续转弯状态，直至机器人中间传感器检测到黑线，机器人回到直行状态。整个运行过程，机器人寻迹稳定，完成全部巡线任务，每次行走时间接近平均用时。

4 实验结论

通过以上几个实验的数据可以看出，在机器人循迹行走过程中，灰度传感器机器人在直线和曲率较小的曲线轨道中，循线稳定速度快，但在折线轨道中却完全无法循线，没有成功的实验。寻迹卡在所有场地的循线过程中都比较稳定，未发生失败的情况。尽管在较小曲率的曲线轨道循迹中，灰度传感器表现出了速度上的优势，但这个优势非常微小，不超过0.7秒;寻迹卡机器人的稳定性的优势表现的非常明显。因此，在循迹任务中，选用寻迹卡机器人，会有较好的寻迹效果。

5 总结

本文分析了机器人循迹行走的关键问题，介绍了机器人循迹行走常用算法与策略，并在不同场地条件下进行实验，发现其适用场合及不足。提出了寻迹卡传感器机器人的算法与策略，优化了寻迹卡机器人速度和寻线策略。通过实验对比，得出机器人循迹行走用寻迹卡传感器效果更好，行走稳定，速度快，能顺利高效的完成行走任务。本文研究的虚拟机器人循迹行走的算法和策略可以推广运用至实体机器人。

（作者单位：江苏省南京市双塘小学）