多传感器融合的室内巡检智能车的设计与实现

顾伟达　苏春芳

摘要：室内巡检智能车在巡检过程中要兼顾室内人员的安全和智能车自身的安全，同时还要高效地完成巡检任务。最优的决策方案依赖于智能车对周围环境精确、多方位的感知，文章扩大了超声传感器的检测范围，变固定方位的检测为180度多自由度的检测。另外文章提出在决策层对多传感器信息进行融合，采用加权、投票的方法，在综合考虑各个初级决策的前提下，得到最优的智能決策方案。

关键词：超声传感器;低功耗蓝牙;多传感器融合;运动控制;智能决策

中图分类号：TP249      文献标识码：A

文章编号：1009-3044（2022）08-0096-02

1 引言

随着物联网技术以及人工智能的发展，室内巡检智能车在生产、生活中的应用越来越广泛。由于智能车主要应用场景是室内，人员相对密集，因此对其避障、巡迹、定位的准确性与实时性要求相对较高。在无人干预的环境下，智能车通过实时采集传感器数据来感知周围的环境，判断是否存在障碍物以及距离障碍物的距离并进行智能的决策。多传感器融合能够让智能车更全面、准确地感知周围环境，从而为智能决策提供更可靠的依据，目前多传感器融合技术已经成功应用到各种智能设备中，其中文献[1]融合了5路超声传感器与红线传感器来测量距离障碍物的距离，成功解决了智能小车的避障问题。文献[2]融合烟雾、温湿度、光照、压力传感器智能预测火灾发生的概率。文献[3]融合超声、红线、视觉传感器实现智能轮椅的自主避障。本文融合超声传感器、红外传感器、灰度传感器、蓝牙传感器等，全方位感知障碍物的位置以及在室内的位置，综合决策如何避障以及运动。

2 总体设计

智能车的车体是履带式轮式运动机构，动力装置是一对直流电机，被固定在车体后侧的左、右轮上。智能车通过安装在车体上的传感器来感知周围的环境信息，包括障碍物以及运行轨道;并依据对周围环境的感知来决策自行的运动，实现自主运动、避障。文献[4]指出无人车主要分为传感、感知和决策三个部分，智能车的总体结构如图1所示。智能车实时采集灰度传感器的数据，以此来判断是否运行在轨道上，并实时调整左、右轮的占空比，实时校正智能车运动的方向，以此来保障智能车始终运行在轨道上。

超声传感器和红外传感器主要是用来检测障碍物的位置，结合当前运动状态以及障碍物的位置综合决策如何避障。另外智能车会下达数据采集指令，实时采集来自温度、湿度、蓝牙的数据，感知自身所处的位置以及周围环境信息。为了提高决策的准确性，决策模型采用动态更新，智能车在工作过程中，一方面融合多传感器的数据自主决策，完成室内巡检任务;另一方面将采集到的传感器数据实时上传到数据分析服务器，以此来对决策模型进行再训练，实现决策模型的不断更新迭代。随着收集的传感器数据越来越多，决策模型就会变得越来越准确，进一步提升智能车的决策准确性。

3 巡迹决策

为了增加地面与运动轨道的色差，智能车的轨道用黑色标示，在智能车底盘的前下方安装七路灰度传感器，传感器上的发光二极管发出白光，照射在路面上，由于不同颜色的路面对光线反射的能力不同，因此数据接收管接收的光线强度也是不同的，反射光的强弱转换为数字信号为0或者1，依据七路传感器的数据来识别智能车是否沿着轨道行走，灰度传感器的值记为{xi}，其中i=1，2……7，{x1，x2，x3，x4，x5，x6，x7}是寻迹决策模型的输入，输出是左、右两个直流电机PWM的占空比，由此对智能车的运动进行控制，实现智能车的前进、转弯等，如图2所示。

4 自主避障

使用超声传感器来检测障碍物的位置，由于超声传感器的检测存在检测盲区，因此将超声传感器安装一个舵机上，从而实现了超声传感器自由旋转，旋转角度为[-90，+90]。超声传感器发射超声波的同时，内部计时器开始工作，当收到反射波时计时器则停止计时，根据超声波发出与返回的时间差ti，计算与障碍物之间的距离s，由公式s=（ti*340 m/s）/2，其中340m/s是声音在空气中传播速度。避障物检测是前方优先，首先判断前方是否有障碍物，如果前方有障碍物且距离大于30cm就直行;如果检测到与前方障碍物的距离小于30cm，则旋转舵机检测左、右两侧是否存在障碍物以及距离。小车运行的正前方校正为舵机的0度，其旋转角度为[-90，90]。舵机首先向左旋转，每次旋转30度，转角分别为{-30，-60，-90，0}，经过3次检测，如果左侧可以走，则智能车向左转弯;否则控制舵机向右转，转角为{30，60，90，0}，依据前述原则再进行障碍物检测。如果前方、左、右都存在障碍物且距离小于30cm，刚执行后退、掉头的动作。

5 室内定位

GPS（Global Positioning System）信号在室内环境中不稳定，不能作为智能车室内定位的依据。目前主流的室内定位技术包括蓝牙、RFID、ZigBee、图像等，文献[5]使用低功耗蓝牙技术实现了在室内的定位。本项目采用Estimote公司的Bluetooth beacon设备。在室内关键位置点的天花板上安装蓝牙定位Beacon设备，Beacon设备会以一定的频率向外发送蓝牙广播数据包，本项目中将Beacon的广播频率设置为1000ms，当智能车运行在Beacon的有效范围内时，会收到RSSI值不同的数据包，蓝牙信号的RSSI值与传播距离d之间是近似线性的关系，其中d是蓝牙发射装置与接收装置之间的距离，距离越远收到数据包的RSSI的值相对越小，反之就越大。智能车接收到来自不同Beacon、波长不等的蓝牙信号，依据蓝牙信号的RSSI值，来判断智能车所处的位置。由于蓝牙信号容易受到干扰，金属、玻璃、电子产品以及人体的遮挡均可引起信号的折射、反射，甚至出现丢包的现象。蓝牙数据丢失情况如表1所示，选取位于同一楼层的5个房间进行测试，每个Beacon发出的蓝牙数据均为数据120条，由于房间的布局以及房间内放置物品的不同，数据包的丢失情况也各不相同，最高丢失率为16.67%。225C3B32-2118-44EE-BEA0-5096372ED89C

对采集到的数据进行处理，预测丢失数据包的RSSI值，本项目采用滑动时间窗算法，将滑动窗设置为5秒，依据[t-5，t]区间内的数据包的RSSI值预测t时刻的RSSI值。首先使用中值滤波的方法，对数据集进行处理，然后应用随机森林算法對数据集进行学习，得到室内定位的分类模型。随机森林是由多棵决策树组成分类模型，具有良好的抗噪声的能力，广泛应用于预测、决策领域。试验环境选择同一楼层的6个房间，分别为R301～ R306，在每个房间的天花板了安装Beacon设备，当智能车进入R301房间，距离R301内的Beacon最近，相应数据包的RSSI值就越大，与其他房间的Beacon相对较远，收到蓝牙数据包的RSSI值相应地就越小，共收集1802条数据包，交叉验证（Cross-validation）设置为30%，分类准确率是98.3925%，分类结果表2所示。

当智能车进入R301房间，收到Beacon数据包共316条，其中有314条分类准确，2条被误分到R302房间，其精确率为97.8%，召回率为99.4%;而当智能车处于R302房间，共收到数据包316条，其中定位正确的为301条，15条定位错误，其中7条被分到R301房间，7条被分到R303房间，1条被分到R304房间，出现以上分类结果的原因是R302房间的墙体不是实体墙，出现了Beacon信号的绕射、干扰。

6 多传感器信息融合

室内巡检智能车融合多传感器来完成在室内的巡检工作，文献[6]将多传感器信息融合分为检测级融合、位置级融合、属性级融合、态势评估和威胁评估。本文采用决策级融合，对各种传感器数据进行分类处理得到初级的决策，然后再进行关联，得到最终的决策结果，如图3所示。

由于传感器数据的格式、语义都不尽相同，因此在融合过程中，对传感器数据进行分类处理，分别得到独立的子决策，感知障碍物位置、运动轨迹以及环境信息。由于这些决策存在片面性，没有综合考虑智能车周围的环境，因此本项目最后通过加权、投票的方式对以上决策进行融合，得到更高一级的决策方案，输出左、右轮电机的PWM占空比和舵机的转角、当前位置以及环境评测信息。

7 结束语

为了克服超声传感器的检测盲区，本文将超声传感器安装在舵机上，提高了数据采集的维度，为智能车的避障提供可靠的数据支持。为了避免单一传感器感知环境的片面性，融合多传感器，多角度地感知智能车的环境信息，智能车运动的加速度与角速度不仅依赖于当前所处的轨道和障碍物信息，还依赖于环境信息采集、室内定位、环境评测任务的完成情况。通过多传感器信息的融合能有效地提升避障、运动决策的准确性。

参考文献：

[1] 袁新娜.基于多传感器信息融合技术的智能小车避障系统研究[D].太原：中北大学，2010.

[2] 冯宪周，张宏，赖孝君.基于多传感器数据融合的智能探测模块研究[J].船海工程，2013，42（4）：95-98.

[3] 杨冰，刘新妹，邱靖超.智能轮椅自主避障安全出行系统的设计[J].国外电子测量技术，2021，40（4）：99-104.

[4] 刘少删山，李力耘，唐洁，等.无人驾驶[M].北京：机械工业出版社，2018：2-4.

[5] Kalbandhe A A，Patil S C.Indoor positioning system using bluetooth low energy[C]//2016 International Conference on Computing，Analytics and Security Trends （CAST）.December 19-21，2016，Pune，India.IEEE，2016：451-455.

[6] 杨万海.多传感器数据融合及其应用[M].西安：西安电子科技大学出版社，2004.

【通联编辑：谢媛媛】225C3B32-2118-44EE-BEA0-5096372ED89C