【正文】 左、右4個方向上。發(fā)射機產(chǎn)生40KHz左右的調(diào)制脈沖，經(jīng)換能器轉(zhuǎn)換為超聲波信號向前方空間發(fā)射。其反射波被接受機收到后，變成電信號脈沖，該信號經(jīng)放大、濾波、整流、比較后，產(chǎn)生負脈沖觸發(fā)單片機外部中斷讀出此時定時器值，即得出超聲波在空氣中傳播的時間。 本章小結(jié)本章先介紹了移動機器人中常用的兩種測距技術(shù)——無源測距和有源測距，并對測距傳感器的選擇做了分析，討論了超聲波測距的優(yōu)越性。 第三章 環(huán)境建模對環(huán)境的感知是自主式移動機器人研究的關(guān)鍵技術(shù)之一。環(huán)境信息采集和建模描述的精確度應(yīng)該以實現(xiàn)對機器人導(dǎo)航的可靠性為基礎(chǔ)。雖然現(xiàn)在對環(huán)境信息的建模方法有很多種，比較成功和有效的方法主要有勢場法和柵格法。 柵格法簡介柵格法(grids) 是將移動機器人工作環(huán)境分解成一系列具有二值信息的網(wǎng)格單元，多采用二維笛卡兒矩陣柵格表示工作環(huán)境，每一個矩形柵格都有一個累積值CV ，表示在此方位中存在障礙物的可信度。用柵格法表示格子環(huán)境模型中存在障礙物的可能性的方法起源于美國CMU大學(xué)。由于該方法以柵格為單位記錄環(huán)境信息，環(huán)境被量化成具有一定分辨率的柵格，因此柵格的大小直接影響著環(huán)境信息存儲量的大小以及路徑搜索的時間，因此在實用上受到一定的限制。柵格法與其它環(huán)境建模方法相比具有以下特點：（1）所建立的柵格跟系統(tǒng)所采用的傳感器類型有關(guān)。（2）對柵格中的障礙物形狀和具體定位在全局坐標中不能表示出來。忽略機器人的旋轉(zhuǎn)運動，墻壁為直線型，視房間為一個矩形，按照設(shè)定好的清潔范圍，以機器人大小尺寸為基本單元，將房間自動劃分成互不重疊的單元格，形成柵格圖，每個柵格表示一個自由區(qū)域或障礙區(qū)域。參數(shù)X和Y可以任意調(diào)整。黑色區(qū)域表示障礙區(qū)，機器人不能通過，非線形障礙物可以近似等效為線形。 圖32 超聲波掃描測距示意圖由于超聲波傳感器角度分辨率差，利用柵格法獲取環(huán)境信息是較為可行的基本方法。圖中，a為傳感器的角度探測范圍，b為傳感器B的角度探測范圍。當Ra＜Rb(Ra與Rb之間差距大于一個閥值)時，我們認為距離A最近的障礙物在柵格1中，也就是柵格1中存在障礙物，而在柵格2中不存在障礙物。而當Ra==Rb時，我們認為距離a當然，這只是推理的原理，在實際應(yīng)用中，我們是根據(jù)柵格中存在障礙物的可信度來記錄環(huán)境信息的。而在另一方面，我們將不可能存在障礙物的柵格的CV值設(shè)為0[5]。我們可以看到，隨著超聲波傳感器數(shù)量增多，柵格的粒度就越小，我們獲取的柵格信息也就越精確。另外，如果是家用自主式移動機器人如智能吸塵機器人，其所工作的環(huán)境是室內(nèi)，并且由于超聲波測距范圍和精確度，以及工作環(huán)境面積大小等因素，這樣就不能要求超聲波傳感器能在某個具體的位置，就能把整個室內(nèi)環(huán)境的信息全部記錄下來。在這種采集信息的工作方式下，其采集到的信息數(shù)據(jù)不僅跟環(huán)境靜態(tài)的結(jié)構(gòu)布局有關(guān)，并且室內(nèi)環(huán)境中還存在動態(tài)的物體如人等，因此對采集到的信息進行建模時還應(yīng)該考慮到時間的因素。 本章小結(jié) 本章主要介紹了柵格法的原理及特點。第四章 基于超聲波測距的沿邊走路徑規(guī)劃的導(dǎo)航算法 坐標系的建立在移動機器人的環(huán)境信息（主要是環(huán)境結(jié)構(gòu)布局以及障礙物分布布局信息）進行描述時，必須建立兩個坐標系：全局坐標系和機載運動局部坐標系。全局坐標值描述了機器人當前在整個工作環(huán)境中所處的位置，因此全局坐標值可以用來對機器人定位。每次探測的距離信息都是以當前機器人的運動姿勢來定量測量的。全局坐標系與車載坐標系轉(zhuǎn)換全局坐標系和機載運動坐標系的轉(zhuǎn)換關(guān)系為： 其中λ為機載坐標系繞全局坐標系所轉(zhuǎn)過的角度。 基于超聲波測距的沿邊走路徑規(guī)劃機器人的導(dǎo)航算法超聲波傳感器測距具有成本低廉，采集信息速率快，距離分辨率高，質(zhì)量輕、體積小、易于裝卸等優(yōu)點，更加適合于家用的自主式移動機器人。 沿邊走算法簡介所謂沿邊走，顧名思義，是讓移動機器人沿著墻邊移動，在移動過程中，可以不斷根據(jù)與墻邊的距離調(diào)整所走方向，這樣對于在移動中自身坐標不是很確定的移動機器人來說，可以輔助周邊的事物對其當前位置進行調(diào)整。當然，我們也考慮了效率的因素。另外，考慮到家用型吸塵器通常工作環(huán)境為不大的房間(一般不超過30 平米) ，而我們采用的超聲波傳感器有效測距范圍是2m ，這樣，采用“沿邊走算法”，我們能在沿墻邊2m 的空間中始終采用沿邊走的策略，也就是說，對于5 * 6 平米的房間，采用沿邊走的策略可以掃描28 平米的范圍(對于這樣的效率，我們認為是可以接受的) 而對另外2 平米的空間可以采用掃描方法進行處理。另外是對于房間中間部分的掃描，當然由于在這一部分區(qū)域中，機器人可能無法探測到墻壁或其他障礙物，可能會迷失方向，因此，并不需要采用沿邊走策略。同時，“內(nèi)螺旋式”的終點位于區(qū)域中心附近，遠離障礙物，從而在區(qū)域覆蓋問題上，有利于機器人在區(qū)域間的銜接行走，從而有效地提高了清潔效率。清潔機器人的路徑規(guī)劃方法可以分為兩類：無環(huán)境模型的路徑規(guī)劃方法和基于靜態(tài)結(jié)構(gòu)化環(huán)境模型，在障礙物信息（位置和形狀）預(yù)先給定的情況下，采用沿邊走的路徑規(guī)劃算法，即讓機器人沿著墻邊或障礙物的邊界移動，進行內(nèi)螺旋式“回”字型路徑規(guī)劃，如圖42所示。清潔機器人工作開始時先繞房間行走一周，一熟悉環(huán)境，計算出清潔面積，限定以后的運行路徑的范圍。在沿邊走過程中，我們會遇到以下幾種情況:(1) 墻邊的障礙物對于墻邊存在的障礙物，例如衣柜、沙發(fā)等，我們通常可以不去理會，因為，對于移動機器人來說，它會把這些障礙物當作墻壁來處理，在這里，我們就不繼續(xù)討論了。因為，我們關(guān)心的是沿著墻壁走以及離墻壁的距離，對這類障礙物并不需要進行特別處理，而只需沿墻壁的方向繞開即可。相對機器人轉(zhuǎn)彎的角度誤差，我們較為相信移動機器人步進機前進時的距離信息。因為，我們認為墻壁是直的，四周的墻壁應(yīng)該形成矩形，這樣在機器人沿墻邊走的同時，我們可以讓機器人與墻壁的距離來進行角度調(diào)整。我們是通過兩方面的信息進行的：一是角度信息，當機器人進行轉(zhuǎn)彎時，記錄角度值表示當前的行走方向。這樣做，主要是有90 度的近似處理，因此只要在一圈中誤差不超過45 度就可以進行判斷，另外，由于是沿邊走，在一圈中機器人轉(zhuǎn)彎次數(shù)并不多。二是直角坐標信息，這一點不需要多介紹，因為距離信息始終是很重要的，由于我們認為機器人步進機采樣的距離信息是相對可靠的，因此，我們對機器人獲取的直角坐標信息無需做任何處理。(4) 非直線型障礙物前面我們提到的都是針對直線型障礙物的處理，因為我們認為大多數(shù)障礙物對于機器人來說，多可以認為是直線型的。首先，對于墻邊的障礙物，如果是非直線型的，機器人經(jīng)過時，會認為它與墻壁的距離在不斷變化，同時，根據(jù)前面所談到的，機器人會為了維持與墻壁的距離，會不斷調(diào)整角度，因此它不會認為障礙物是非直線型的，這樣就會造成很大的麻煩。所謂角度調(diào)整窗口是對于機器人在微調(diào)角度時，用于記錄歷史數(shù)據(jù)的。這樣就可以有效的區(qū)別非線型障礙物與隨機事件產(chǎn)生的機器人微調(diào)了。另外，對于不在墻邊的障礙物，如果是非直線型的，機器人會選擇沿墻邊的方向繞過(因為，不在墻邊，我們可以肯定能夠從墻邊繞過) 。這一過程中，障礙物的形狀并沒有關(guān)系，因此，我們無需對不在墻邊的障礙物進行特殊處理。靜態(tài)無障礙環(huán)境下回字型路徑規(guī)劃流程如圖43，圖中m與n分別為沿X與Y方向的柵格數(shù)目。避障路徑規(guī)劃流程：避障路徑規(guī)劃中，機器人工作時需要進行障礙物和邊界兩方面檢測與處理。假設(shè)A(x，y)點是機器人所在的柵格。檢測下一步是否存在障礙，若存在，則需要檢測邊界以選擇避障方向，然后采用沿邊走的算法避障。先介紹了坐標系的建立，再介紹了沿邊走算法在移動機器人路徑規(guī)劃中的使用。第五章 結(jié)果分析 仿真結(jié)果靜態(tài)環(huán)境中，利用Vision ，在長5m寬6m的工作區(qū)域內(nèi)進行無障礙與避障路徑規(guī)劃仿真實驗，結(jié)果如圖51和圖52，機器人的初始位置均為清潔區(qū)域的左下角，即坐標原點。圖52中黑色表示障礙物，灰色表示機器人所走過的區(qū)域，白色方格為遺漏區(qū)，白色圓圈表示機器人清潔完畢的返回路徑，機器人開始位置均位于左下角。由圖52可知，清潔機器人能夠避開障礙物和邊界，沿一條無碰撞路徑，實現(xiàn)避障策略，所以沒有發(fā)生循環(huán)死鎖現(xiàn)象，清潔完畢，機器人能自動返回。通過以上的分析，說明該方案的應(yīng)用是能夠取得令人滿意的效果的。第六章 現(xiàn)有方案缺陷及路徑規(guī)劃技術(shù)的發(fā)展趨勢路徑規(guī)劃技術(shù)是自主移動機器人技術(shù)領(lǐng)域里的重要技術(shù)，通過測距傳感器能為機器人提供周圍環(huán)境的二維或三維信息，因此，測距系統(tǒng)是移動機器人中不可缺少的組成部分。但同時也具有一定的局限性， 表現(xiàn)在探測波束角過大， 方向性差。 在實際應(yīng)用中， 往往采用其他傳感器（如紅外傳感器）來補償， 或采用多傳感器融合技術(shù)。但它需要記錄整個房間的全局障礙物信息，因此，需要移動機器人有足夠的內(nèi)存以存放這些信息，這也是對于沿邊走算法的一點限制。這些性能指標包括：實時性、安全性和可達性等。目前，主要有以下趨勢： 1) 全局路徑規(guī)劃與局部路徑規(guī)劃的結(jié)合。 局部規(guī)劃能適用于環(huán)境未知的情況， 但有時反應(yīng)速度不快， 對規(guī)劃系統(tǒng)品質(zhì)的要求較高， 因此如果把兩者結(jié)合就可以達到更好的規(guī)劃效果。 近年來， 一些新的智能技術(shù)逐漸被引入到路徑規(guī)劃中來， 也促使了各種方法的融合發(fā)展， 例如人工勢場與神經(jīng)網(wǎng)絡(luò)、模糊控制的結(jié)合等。這些方法應(yīng)用于路徑規(guī)劃會使移動機器人在動態(tài)環(huán)境中更靈活，更具智能化。移動機器人在動態(tài)環(huán)境中進行路徑規(guī)劃所需信息都是從傳感器得來。多傳感器所獲得信息具有冗余性，互補性，實時性和低代價性，且可以快速并行分析現(xiàn)場環(huán)境[15]。有采用命題方法表示信息的DS 證據(jù)推理，模糊邏輯，產(chǎn)生式規(guī)則，還有仿效生物神經(jīng)網(wǎng)絡(luò)的信息處理方法，人工神經(jīng)網(wǎng)絡(luò)法。這是研究的新動向之一。其動作是經(jīng)歷了一系列階段之后產(chǎn)生的結(jié)果。基于行為的方法是一種自底向上的構(gòu)建系統(tǒng)方法，即把路徑規(guī)劃分解成一系列相對獨立的小系統(tǒng)，在運行狀態(tài)下通過競爭機制取得控制機器人的主導(dǎo)權(quán)，并在與環(huán)境交互作用中最終達到目標?；诠δ?行為的機器人控制結(jié)構(gòu)融合了兩者優(yōu)點，既有基于功能控制結(jié)構(gòu)的必要理性，又有基于行為控制結(jié)構(gòu)的快速響應(yīng)。移動機器人是一類能夠通過傳感器感知環(huán)境和自身狀態(tài)， 實現(xiàn)在有障礙的環(huán)境中面向目標的自主運動， 從而完成一定作業(yè)功能的機器人系統(tǒng)。但通過對這些不同方法的吸收整合，一定可以促進機器人路徑規(guī)劃技術(shù)的發(fā)展。自主移動機器人能夠通過傳感器感知環(huán)境和自身狀態(tài)， 實現(xiàn)在有障礙物的環(huán)境中面向目標的自主運動， 從而完成一定作業(yè)功能。超聲波測距的特點使得其在自主移動機器人導(dǎo)航技術(shù)中的應(yīng)用優(yōu)勢非常突出。文中詳細介紹了超聲波測距原理及其優(yōu)勢。通過仿真結(jié)果可以看出，該方案是可行的、有效的。比如，對課題背景及內(nèi)容的理解不夠，使得自己在開題時思路不清晰；與論文課題相關(guān)的資料掌握的不全；對機器人的認識很有限；在進行路徑規(guī)劃時，由于對各種算法的理解不深，不知道該選哪種算法合適等?？梢哉f，沒有老師和同學(xué)們的幫助，我的畢業(yè)論文是不可能這樣順利完成的。感謝我的論文知道老師—劉橋博士。我還要感謝我的同學(xué)，在我碰到一些不懂的事情時，和你們的交流和討論都給了我很大的