基于UWB的厂区车辆防撞测距方法研究

詹 林 王 曜 刘唤唤 徐杨洋

（安徽理工大学计算机科学与工程学院 安徽淮南 232001）

厂区人车交叉作业频繁，多种类型的作业车辆在货物堆积的厂区中容易受到视野的阻挡，操作人员也因疲劳、疏忽存在违反安全操作规范的情况，这些因素导致厂区的碰撞安全事故时有发生。因此研究如何实现人与作业车辆以及车辆之间的安全距离监测很有必要，可以及时提醒相关人员预防危险的发生，降低意外事故发生的概率[1-2]。国内外学者对于车辆障碍物检测的研究很多，如采用视觉传感器采集图像信息，获取障碍物的距离和运动特征等信息来及时规避[3-4]；或是建立车辆的运动几何模型，配合激光传感器动态的获取车身姿态和周围的环境信息来检测障碍物[5];又如基于毫米波雷达方位角探测原理并构建防撞多级预警模型来防止碰撞的发生[6]。但是在环境复杂的厂区，这些技术方案都存在无法检测的盲区，当作业车辆汇聚于直角墙或者自身装配货物有遮挡都会出现检测失效的情况，这对防撞预警的准确率都有极大的影响。

超宽带(Ultra-WideBand,UWB)是一项近年来新兴的短距无线通信技术，它传输数据利用的是纳秒级非正弦波窄脉冲，所占的频谱范围较大[7-9]。与其它短距离通信技术相比，具有穿透能力强、功耗低、精度高等优点[10]。对于车间厂房等此类视线容易受阻，测量精度要求较高，监测设备众多的环境，UWB技术更适合在此类场景下的应用。因此，本文以UWB技术为基础设计了厂区车辆之间以及车辆与人员之间的测距方法和预警模型，以降低碰撞事故发生的几率。

一、测距原理

双边双向测距方法(Double-sided Two-way Ranging,DSTWR)是一种利用信号飞行时间来测量距离的方法[11]，且无需基站和标签实现时间同步。该方法由标签和基站周期性的收发信号来建立通信，通过记录信号收发的时间戳来计算信号传播的时间，无线电波的飞行速度和信号传播时间的乘积即为双方节点的距离[12]，具体步骤如图1所示。标签发送轮询消息给基站，并记录下发送时间Ttx1，基站接收到标签的消息后，记录下接收到消息的时间Srx1，经过设定的延时TreplyA后发送消息给标签，并记录时间Stx1。标签接收到消息后同样记录下时间Trx1，经过设定的延时TreplyB后，打包此前通信记录下的Ttx1、Trx1时间戳发送给基站，基站记录下接收时间Srx2，并根据收到的时间信息和此前记录的时间戳即可计算出信号飞行时间TOF。

图1 测距原理图

基站和标签回复的延时表示为：

标签和基站从发送消息到接收对方回复经过的时间TroundA、TroundB可表示为：

那么可根据信号的飞行时间列得方程：

因此，信号飞行时间可表示为：

考虑到时钟偏差的存在，设定基站和标签设备相对基准频率有固定的时钟误差偏移EA、EB，那么有：

将式(5)、(6)作差得到测量误差为：

二、系统设计与实现

该系统中主要存在两种设备，一种是测距基站，安装于车辆上；另一种是测距标签，内置于可穿戴设备，装备在人员身上。每个车辆的周围空间按照离中心点距离被划分为三段区域，如图2所示。依据报警的危急程度划分为预警、警示和限速区域，身处不同的区域给予相关人员不同程度的预警辅助。

图2 防撞模型示意图

UWB的测距一般仅需要一个基站和标签之间保持通信，但是厂区作业的车辆种类多，车身的大小尺寸各异，如果仅以一个基站表示作业车的位置，那么车身上基站安装的位置则会对测距结果产生较大的影响，导致精度下降。如果为了保证测距精度增加标签或者基站的数量达到四个，可以实现对目标的三维定位，精度达到了最高，但是成本和能耗也会大幅的增加，且由于厂区车间特殊的作业环境，作业车的长宽普遍较小，在水平面上的定位分量对实际测距结果影响并不大。因此在车身安装两个固定点位的基站，在人员身上佩带一个标签，实现在垂直于地面的平面上三点共面来定位目标，成为了精度高的同时控制住成本的选择。为进一步提高测距精度，我们在车辆上安装的两个基站位置固定，且在一条垂线上。标签可安置于安全头盔或者手环当中。当系统监测到距离达到安全设限时，及时发出声响报警以提示相关人员提高警惕，注意安全防护。

（一）人员与车辆间防撞模型的结构设计。如图3所示，基站O、C相距ℎ，位于垂直地面的z轴上。UWB测距能测量C点到人员身上的标签P点的距离S1，同理O点能测得到P点的距离S2。过P点作y轴的垂线交于E点，则车辆到人员的实际距离即为PE。设OE的长度为x，则有：

图3 人与车辆的测距示意图

解方程组可得到：

将结果带入方程组(9)中可求出车辆到人员的距离为：

（二）车辆间防撞模型的结构设计。由于厂区工作的车辆种类繁多，要求所有基站安装保持同一水平高度对于设备的布置难度将大幅提升，因此两个车辆之间测距存在的非水平误差问题依然需要解决。如图4所示，A1、A2和B1、B2分别为两辆车上的基站，通过DS-TWR测距算法得到车辆A上的基站A1到车辆B上两个基站的距离分别为d1和d2。而安装在同一辆车上的基站之间距离可控，我们可设其距离为ℎ，即B1B2=ℎ。这样我们便得到三边确定的ΔA1B1B2，其半周长为：

图4 车辆间测距立体示意图

根据海伦公式可得到ΔA1B1B2的面积为：

由三角形的面积公式可得到ΔA1B1B2以B1B2为底的高，即车辆间距离d为：

同理，车辆A上的基站A2到车辆B上两个基站的距离分别为d3和d4，得到三边确定的ΔA2B1B2。可求得以B1B2为底的高，即车辆间距离d`为：

取两次计算得到的距离均值为车辆间的真实距离，则为：

（三）测距频率自适应方法。为了降低实际工作中误报警的几率、减少系统资源消耗、延长使用寿命，本文提出一种测距频率自适应方法。标签与基站在设定好的安全警戒范围外以较低频率保持基本的测距通信，当进入警戒范围内，系统会根据标签与基站之间的距离和移动速度等参数判断碰撞发生的紧急程度以快速调节通信频率，保证测距的精度和实时性，算法流程如图5所示。当基站和周围标签设备建立起通信，会保持1Hz的低频测距并根据单位时间的距离变化监测标签的移动速度v。当监测到距离处于预警区间[P,M]时，会根据距离S计算基础测距频率f，f的计算公式为：

图5 测距频率自适应算法流程

当标签在预警区间内发生移动时，系统会根据移动速度，在基础测距频率的基础上快速调整测距频率以适应碰撞发生的紧急程度，频率F的计算公式如下：

式中f为基础测距频率；v为标签向基站方向的移动速度，v＞0表示距离在减小，v＜0表示距离在增加；c为常数，可根据现场情况调节，这里取值为1。

三、误差分析与修正

在实际场景中，系统测量的精度会因为多种环境因素的干扰产生一定程度偏差。造成误差的主要因素可分为两类：一是固定时延和时钟漂移，通信过程中天线在信号的接收和发送过程中存在延时，以及硬件设备的时钟漂移导致的误差；二是多径效应和非视距(Non-Line-of-Sight,NLOS)误差，多径效应是UWB信号在较短距离多条路径经过传播后，各分量在接收端相关叠加干扰使原始信号发生失真而带来多径误差。NLOS误差是在信号传播中因障碍物遮挡，阻隔信号的传播而引起接收端的误差，可导致信息的传播效率大幅度下降。

（一）距离修正。对于第1类原因造成的误差，本文采用线性拟合的方法对固定时延和时钟漂移引起的误差进行修正，可以在系统使用前进行初始校准来消除。测试环境为室内无障碍物遮挡，无人员扰动，完全视距的实验环境下。测距范围为1m～8m，每间隔0.5m进行100次测量，测量结果取均值作为最终结果。将实际距离数据与实验测试的距离数据进行线性拟合，拟合结果如图6所示，得到标准偏差的误差模型。拟合函数为：

图6 测距拟合结果

（二）卡尔曼滤波优化测距。由于在厂区的实际使用场景中，遮挡物较多，人员流动频繁，多径效应和非视距环境对实际测距结果还是会产生较大程度的影响[13]。为了降低这些因素对精度的影响，本文引入了卡尔曼滤波，通过上一阶段的测距结果和当前时段的观测结果对现阶段真实的距离进行最优估计[14-15]。用双边双向测距算法测出的距离和计算出的距离变化率，作为系统状态向量xt，基于系统的上一阶段状态预测现在的状态，建立状态方程和观测方程：

式中Kt为卡尔曼增益矩阵；Kt-1和Kt分别为t-1和t时刻的估计状态向量；Pt-1和Pt为t-1和t时刻的估计状态协方差矩阵；I为单位矩阵。

四、试验与分析

（一）硬件设计。系统中UWB通讯模块采用的是基于Decawave公司DWM1000芯片设计的无线收发模块，符合IEEE802.15.4-2011超宽带标准，数据传输率设为110kbps。

（二）系统测试。试验在12m×16m的室内场地中进行，并堆有模拟厂区货物的障碍物。两个基站相距1m垂直固定于测试车身上。标签佩带于测试人员手腕模拟厂区人员的真实状态。为了验证测距频率自适应算法的有效性，将基站固定于测试场地的中心，携带标签的测试人员以不同速度在周围移动进行测试，测试记录的详细数据如表1。从表中数据可以看出当标签进入通信范围内，测距的频率可以根据标签的移动情况，实时的发生变化，最低保持1Hz的测距频率，最高达到50Hz。当标签静止时，会根据距离计算出一个基础测距频率，当标签以一定的速度靠近或者远离时，系统会在基础测距频率的基础上做相应的调整，以便于在节省能耗的同时保证测距的准确度和即时。测试的结果可以看出实际与设计的理论测距频率的偏差控制在4%以内。

表1 测距频率自适应算法试验数据

为了验证误差修正的效果，选取固定距离为6m的位置进行200次的测距采样，将修正前后的结果进行比对。从图7和图8中所示可以看出经过拟合以及卡尔曼滤波后，误差得到了显著的抑制。即使在采样中部分时段信道受阻等原因导致测量偏差较大，也能将误差控制在较小的范围内。

图7 车辆间固定位置测距修正前后对比

图8 人与车辆间固定位置测距修正前后对比

为了验证不同位置系统测距的有效性，试验选取人车和车辆模型相距3m、6m、9m处，以不同的距离和方向进行多次测量，提取各位置的最大误差与最小误差。从表2中可以看出系统的测距误差控制在0.3m以内，平均误差不超过0.23m。

表2 不同位置定位误差比较

五、结语

分析了采用UWB技术的DS-TWR测距算法的实现原理，构建了车辆之间和人与车辆之间防撞预警模型，在测距精度、搭建成本和设备便携性上作了平衡。讨论了室内复杂环境中影响测距精度的具体因素，并通过线性拟合和卡尔曼滤波降低噪声对距离测量精度的影响，一定程度上抑制了多径效应和非视距环境误差。并提出测距频率自适应算法以动态的调整预警的灵敏度，有效降低误报率，控制系统功耗。试验结果表明：该车辆防撞测距系统在驾驶员视野状况不好的情况下，能及时有效的提醒厂区走动人员以及车辆驾驶员提前预判危险，谨慎操作以避免事故的发生，具有良好的应用价值。