基于超声雷达的室内清洁机器人自主行走控制方法研究

张 琪，罗福源，肖 洒，焦晓进

（1.南京航空航天大学机电学院，江苏 南京 210016；2.南京航空航天大学金城学院，江苏 南京 211156）

0 引言

随着社会的发展和生活水平的提高，人们迫切需要从繁重的清洁工作中解放出来。在传统的吸尘器越来越无法满足快节奏现代生活需要的时候，全自动室内清洁机器人应运而生。全自动清洁器人装载有探测传感器，可以在前方遇到障碍物的时候自动改变方向。但是，目前市场上现有的清洁机器人的智能水平与清洁效率还较低，原因在于无法自主定位与导航。机器人在室内移动过程中，实际上是在沿墙模式、折线式、绕柱模式、自由模式、左螺旋和右螺旋等几种行走模式中随机切换，并通过大量路径的累积效应达到遍历清洁整个室内地面的目的。在自主移动机器人的行走中，实现机器人自身的准确定位是一个基本而又非常重要的功能，也是移动机器人具有自主性的先决条件之一。作为移动机器人的研究热点，现阶段国内外研究主要集中在同时定位与地图构建（SLAM）方面［1］。地图的构建与存储方式是SLAM的核心问题。为此，提出了一种基于直线行程地图的表示和存储方法，在此基础上进行清洁机器人的路径规划。

1 清洁机器人建模

1.1 机器人运动控制建模

清洁机器人简化模型如图1所示，由2个驱动轮和1个万向轮组成。驱动轮上装有左右2个编码器测量速度，车身上载有电子罗盘测量机器人的位姿。

在全局坐标系XOY中，设t时刻的机器人位姿为（Xt，Yt，θt）T，速度为vt，角速度为ωt。所以经过时间t1后清洁机器人的位姿为：

图1 机器人模型

通过式（1），理论上可以计算出任意t+t1时刻机器人的位姿。在实际运动过程中，可能遇到车轮打滑、电子罗盘受干扰、速度估计不准和位置计算累积误差等问题。需要用程序算法进一步修正。

1.2 超声雷达的构建

超声波传感器因其低廉的价格而广泛运用于移动机器人中，但是超声波传感器存在扫描速度慢、感应信息具有不确定性等问题［2-3］。系统用4个超声波传感器按照十字形排列方式固定在一块底板上，并在底板下方安装一个舵机驱动其转动，从而构建出一个能够对室内环境进行实现旋转扫描探测的超声雷达。如图2所示。

图2 超声波传感器模型

4个超声波传感器成正交分布，这样可以相互不产生干扰，提高测量准确性。使用多个超声波传感器可以提高扫描探测效率。舵机每旋转1°后暂停，这时4个超声传感器分别进行1次超声探测。这样，只要舵机旋转90°，就可以测出清洁机器人周围360°的障碍物信息。

2 室内环境探测及路径规划

2.1 墙面检测

通常墙壁是较为平整且长度较长的障碍物，因此将其作为机器人行走的基准是比较合适的。

为了便于说明和分析问题，搭建了3m×2m的矩形房间模型。

机器人利用舵机旋转超声波传感器依次探测，依照如图3所示的程序流程进行探测。

图3 墙面探测流程

图4为仿真环境中超声波传感器探测到的一组数据。可见，在4个墙角的地方数据发生了明显的失真。这是超声波本身的特性决定的：超声波在墙角处会发生偏折现象，导致了测得的墙壁通常是较为平整且长度较长的障碍物，因此将其作为机器人行走的基准是比较合适的。

图4 超声波探测结果

数据跳跃性失真，表现在数据出现非线性和不连续增大。针对这个问题，提出了一种基于最小二乘法的直线拟合算法。

依据式（2）把以机器人为中心的极坐标转化为笛卡尔坐标系。

（xi，yi）为第i个点的坐标；i=0，1，2，…，359，代表角度；ρ为机器人到障碍物的距离。

在直角坐标系中，为了剔除“墙角”的失真点，先把数据分段。算法如下：

b.设置一个阈值ε，如果Di＜ε，判断为连续的点，则i=i+1，转到步骤a。如果Di＞ε，说明此处为断点，则把i以前的连续点加入一个连续点集的集合Cj。

c.判断点集Cj中点的个数，如果少于一定值，判断为噪点，将其去除。转到步骤a。

通过上述的算法，将数据划分成几段连续的数据点。如图5所示，四周的失真点已经被剔除，剩下的点被划分成了四段数据点集。

图5 噪点去除后的探测结果

最小二乘法进行直线拟合：最小二乘法可以这样理解，假定要将点集Cj中的n个点（X1，Y1），（X2，Y2），…，（Xn，Yn）拟合一条直线，拟合的直线是Y=aX+b。只要确定2个参数a和b即可［4］，则有：

经过直线拟合的直线L1，L2，L3，L4如图6所示。为了方便观察，图上并没有将原来的点去除。

图6 拟合后的探测结果

2.2 行走方式及路径规划

与巡线机器人不同，清洁机器人在运动的过程中，要求尽量覆盖每一块无障碍区域，同时，尽可能不重复覆盖同一块区域，减少能耗。

为了完全覆盖，现有2种比较好的行走方式，直线式和内螺旋式。经过比较研究，内螺旋式的行走方式算法复杂转角更多，且需要建立栅格地图与之配合。所以采用来回直线式行走方式，同时“由线及面”表示地图。

机器人根据以上所述的基准前进，如图7所示。利用机器人的右侧超声波探测与基准的距离为dj。需要让机器人保持与基准特定的距离沿直线前进，利用以下算法实现：

a.机器人从起始点出发，平行基准墙壁前进。

b.机器人与基准的理论距离为Dj，测量的实际距离为dj，设置一个阈值εj。判断若｜dj-Dj｜＜εr，转到步骤a。否则进行下一步。

c.若dj-Dj＞εr，说明距离偏大，机器人向右旋转αr=arctan，L为右侧超声波到车尾的距离。若dj-Dj＜-εr，说明距离偏小，机器人向左旋转αl= arctan。

d.沿平行基准墙壁的方向前进，返回步骤b。

图7 直线行走模型

2.3 障碍物的探测及绕行

机器人沿直线运动的时候，远离基准的那一个超声波传感器进行障碍物的探测工作。通过超声波传感器记录下障碍物的起始位置s1和终止位置s2。机器人就探测到了和障碍物的距离。机器人接近障碍物，前置超声波传感器探测障碍物距离小于εd时，停止前进，启动探测程序。

当探测到的数据有一个明显的跃迁的时候，判定为障碍物的边角。判断完障碍物的边角，就可以用紧贴基准墙行走的程序完成绕障。

2.4 基于直线行程的地图建立

在SLAM中，地图的表示方法现阶段主要有栅格地图、拓扑地图和特征地图［5］。这3种方式的特点如表1所示［6］。

表1 地图表示方式特点比较

从表1可以看出，特征地图和拓扑地图算法难度较大，惟一比较符合要求的栅格法需要大量的存储空间，所以不适合创建信息量大的地图［7］。

基于直线行走方式，提出了一种直线行程地图。类似于栅格地图的“点阵”，直线行程地图是利用“线阵”来组成一个平面的。实验仿真了一个室内的简易环境如图8a所示。类似于栅格地图，把这个空间分化成图8b所示的矩形条状，其条宽一般是取机器人本身的宽度。宽度取的越小，地图的精度相应的就越高。

在程序中设置一个动态数组Map［m］［n］记录下这个机器人探测过的地图数据。其中，m=1，2，3，…，代表第m个机器人走过的行程编号，n代表每个行程中被障碍物打断的直线号。如图8c按照其行走方式走完一个直线后，发现没有遇到障碍物，此时，在Map［1］［1］中记录下直线两端的坐标。如图8d和图8e所示，当遇到障碍物时，线被切割成几段。此时分别在 Map［3］［1］，Map［3］［2］和 Map［4］［1］，Map［4］［2］，Map［4］［3］中记录下始末的坐标。以此类推，机器人扫完这个空间，就完成了地图建立。如图8f所示。

图8 直线行程地图的表示

2.5 机器人清扫算法流程

清洁机器人在运动的过程中不断建立直线行程地图，同时也很好地覆盖了所有没有障碍物的区域。其实现流程如图9所示。

图9 清扫算法流程

在图9中，有：

a.机器人旋转90°，4个超声波传感器测出360°的信息，将测出的这些点拟合成直线。所有直线中最长的一条默认为墙壁。

b.障碍物可能是墙壁或室内其他物体，由上一个循环的超声波探测得出。

c.进入绕障子程序。

3 机器人运动实例

为了验证提出的行走控制方法，在实验环境中搭建了一个简单的室内模拟环境如图10所示。超声波传感器探测周围360°环境。通过算法程序处理后如图11所示。通过算法将点拟合成了6条直线。根据算法，取最长的3号直线为基准墙壁。

图10 简单实验环境

图11 障碍物情况下的控测

基准确定以后，进入直线往复清扫，实验环境尺寸为3m×2m，测得机器人宽度为0.2m，作为直线行程的宽度。机器人在行走的过程中记录下行程数据，存储数组Map［m］［n］，并绘制地图。最后的地图如图12所示。

图12 简单环境下的直线行程地图

机器人的速度设定为50mm／s，完成清扫所用时间为659s。利用随机遍历的方式清扫，每次的用时都不确定，但是最少也要1000s。利用这种方法可以有效地提高机器人的清洁效率。

4 结束语

在墙壁基准探测方面，提出了一种基于超声雷达的探测方法和数据拟合算法，并通过实验验证了可行性。对清洁机器人的地图建立与路径规划进行了研究，提出了一种路径规划方法。这种表示方法具有栅格地图的所有优点，但其需要的存储空间大大减小，是一种比较理想的地图表示方法。实验证明，新的地图表示及路径规划方法减少了遍历时间，提高了清洁效率。

［1］孙红新，叶小岭，胡 凯.基于超声波的移动机器人的同时定位和地图构建［J］.计算机测量与控制，2011，19（11）：2769-2771.

［2］王卫华，陈卫东，席裕庚.移动机器人地图创建中的不确定传感信息处理［J］.自动化学报，2003，29（2）：267-274.

［3］Tardos J D，Neira J，Newman P M，et al.Robust mapping and localization in indoor environments using sonar［J］.International Journal of Robotics Research，2002，21（4）：311-330.

［4］黄明登，肖晓明，蔡自兴，等.机器人局部环境特征提取方法的研究［J］.计算机测量与控制，2007，15（2）：241-244.

［5］王卫华，陈卫东，席裕庚.基于不确定信息的移动机器人地图创建研究进展［J］.机器人，2001，23（6）：563-568.

［6］赵一路.移动机器人SLAM问题研究［D］.上海：复旦大学，2010.

［7］鲍菁丹.室内未知环境下几何地图构建及机器人定位方法研究［D］.天津：天津大学，2007.