CN103064058B - 基于无线传感器网络的低成本移动机器人导航方法 - Google Patents

Abstract

本发明提出一种基于无线传感器网络的低成本移动机器人导航方法，包括以下步骤：首先，静态节点监测到异常事件，然后发出“HELP”信息给移动机器人，移动机器人收到“HELP”信息后，通过路由算法得到由静态节点组成的基于最小跳数的路径。移动机器人运用迭代最大后验估计算法，仅利用RSSI和里程计信息就能够以逐跳的方式到达事发地点。本发明拥有以下优势：移动机器人仅须装备一个带有全向天线的无线传感器模块和编码器就能进行导航，不需要额外的设备，具有低成本的优势；静态和动态节点都不需要先验的位置信息，有利于工作现场部署；该方法还具有一定的抗干扰能力。

Description

基于无线传感器网络的低成本移动机器人导航方法

技术领域

本发明涉及的是一种移动机器人在无线传感器网络中的导航方法，移动机器人仅依靠接收信号强度（RSSI）和里程计信息，就能实现在无线传感器网络中的自主导航，无需任何先验的位置信息。具体涉及基于无线传感器网络的低成本移动机器人导航方法。

背景技术

混合传感器网络近年来开始出现并引起业界的广泛关注。将移动机器人引入静态无线传感器网络，不仅降低了系统成本，而且改善了对动态环境的适应性。当静态节点探测到异常，并通过无线网络上报给移动机器人，移动机器人则立即前往事发地点执行更加复杂和具体的任务，如对事件进行深入的探测分析，修补网络和灾难现场紧急救援等。如何开发相关技术以实现移动机器人的自主导航是混合传感器网络研究领域首先要解决的关键问题之一。

目前很多研究人员采用基于无线传感器网络的方法进行移动机器人的自主导航。可是这种基于网络中静态节点的方法不同于传统的导航方法，传统的方法往往会提供给移动机器人具体的位置和路径信息，机器人很容易地从一个位置移动到另一个位置。而在无线传感器网络的应用中，通常节点是随机部署的，很难获得每一个节点的具体位置信息，因此即使机器人知道该往哪一个静态导航节点移动，如果没有位置信息，机器人也不知道该如何移动过去。如果给节点加装GPS模块，则成本高，能耗大，而且在一些应用场合，无法使用GPS功能，如室内或封闭环境。因此一些研究人员对于预先未知节点位置信息的移动机器人导航，进行了深入的研究，Ettore Ferranti和Niki Trigoni在《The Computer Journal》上2011年1月发表的“Practical Issues in DeployingMobile Agents to Explore a Sensor-Instrumented Environment”一文，提出的解决方案是移动机器人利用照相技术定位周边的静态节点，并引导机器人朝静态导航节点运动。这种类似的方案需要给机器人加装额外的传感器，系统结构较为复杂。目前，基于RSSI的方法是最为廉价的WSN节点间测距和定位方式，不需要额外的硬件开销。但是由于无线信号对于复杂环境的适应能力较弱，信号传输过程中存在多路衰减、背景噪声和不规则信号的传播特性等因素的影响，使得通过测量的RSSI值来计算距离会有较大的误差，基于RSSI的测距精度非常有限。Jehn-Ruey Jiang等在《International Journalof Ad Hoc and Ubiquitous Computing》上2011年7月发表了“Mobile Robot Coordinationand navigation with directional antennas in positionless Wireless SensorNetworks”。该文在移动机器人上面安装了两个天线：一个全向天线和一个可旋转的有向天线。机器人移动每一步时，首先旋转它的有向天线，然后选择导航目标节点的RSS最强的方向作为下一步的移动方向。该方法具有一定的抗干扰能力，但其操作效率很低，因为机器人每移动一步都需要停下来旋转它的有向天线。

发明内容

针对现有技术中的缺陷，本发明提出一种新颖的低成本的基于无线传感器网络的导航方法，可以使移动机器人从初始位置沿由静态节点组成的路径移动到异常事件地点。和其它基于无线传感器网络的导航方法相比，本发明仅仅需要用到移动机器人与静态导航节点间的RSS和里程计信息。因此，移动机器人仅需要装备一个带有全向天线的无线传感器模块和编码器，就能进行导航，不需要额外的设备，具有低成本的优势；由于采用了迭代最大后验估计算法，具有一定的抗干扰能力；另外，静态节点和移动机器人都不需要先验的位置信息，有利于工作现场部署。

本发明的一个优选方案中的导航方法如下：首先，静态节点监测到异常事件，然后发出“HELP”信息给移动节点，移动节点收到“HELP”信息后，通过AODV或DSR算法得到由静态节点组成的从当前位置到事发地点的最小跳数的路径。移动机器人先到达第一个静态节点，它只须重复以前的步骤就能够以逐跳的方式到达事发地点。

具体地，根据本发明的一个方面，提供一种基于无线传感器网络的低成本移动机器人导航方法，在二维平面无线传感网络区域内，移动机器人利用RF射频芯片的RSSI和里程计信息，通过迭代最大后验估计算法，在无线传感器网络内实现自主导航的方法，具体包括以下步骤：

步骤1：为无线静态节点和移动机器人装备全向天线，为移动机器人装备编码器；

步骤2：静态节点监测到异常事件后发出HELP信息给移动机器人，移动机器人收到HELP信息后，通过路由算法得到由静态节点组成的从当前位置到事发地点的基于最小跳数的路径；

步骤3：移动机器人运用迭代的最大后验估计算法，利用RSSI和里程计信息到达它的静态邻居节点，然后移动机器人运用迭代的最大后验估计算法，利用RSSI和里程计信息到达它的静态邻居节点以逐跳的方式到达事发地点。

优选地，所述步骤3包括如下步骤：

步骤3.1：移动机器人记录下在初始位置的状态测量Z₀；

步骤3.2：移动机器人沿初始航向以步长Len_pace移动一步，并记录该位置的状态测量Z₁；

步骤3.3：移动机器人根据状态测量Z₀和Z₁，利用最大后验估计算法，得到两个静态导航节点的估计坐标，随机选取一个计算移动方向；

步骤3.4：每当获得一个新的状态测量Z_k，则将状态测量Z_k存入移动机器人的采样缓冲区，移动机器人根据采样缓冲区中的样本集合，利用最大后验估计算法，计算静态导航节点的新的估计位置和转向角，然后沿计算的方向移动；

步骤3.5：重复执行步骤3.4，直到移动机器人到达目标节点位置为止

优选地，所述迭代最大后验估计算法，具体地，移动机器人在第k步时的状态测量Z_k为其中， 和R_k分别表示移动机器人在第k步时的坐标和静态导航节点的RSSI。

优选地，所述采样缓冲区是一个最大长度为Len_queue的环形缓冲区，当新样本加入时，最旧的样本就被替换掉。

优选地，移动机器人在第k步时的坐标，由里程计信息计算得到。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的系统框图；

图2为本发明中迭代最大后验估计算法的原理图；

图3为本发明中迭代最大后验估计算法的伪语言描述。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

我们假设一个由静态和动态节点组成的混合传感器网络被部署在一个户外的平面监测区域内。本发明的导航方法如下：如图1所示，首先，静态节点监测到异常事件，然后发出“HELP”信息给移动节点，移动节点收到“HELP”信息后，通过AODV或DSR算法得到由静态节点组成的从当前位置到事发地点的最小跳数的路径。移动机器人到达第一个静态节点后，它只须重复以前的步骤就能够以逐跳的方式到达事发地点。因此本发明的重点就是在没有任何先验位置信息的前提下，移动机器人如何仅利用RSSI和里程计信息到达它的静态邻居节点，并且具有一定的噪声抑制能力。以一个静态节点为例，说明移动机器人到达静态邻居节点的步骤：我们假设机器人只做直线和转向运动，机器人通过运动和测量，来估计静态邻居导航节点的位置。如图2所示，首先我们定义机器人的初始位置和航向分别为坐标原点和沿X轴方向。设θ_k、R_k、分别表示移动机器人在第k步时的坐标、航向角、静态导航节点的RSSI和状态测量,则第0到第k步的状态测量集合表示为Z_0:k，X=(x,y)表示被估计的静态导航节点的坐标。移动机器人的坐标和航向角可以通过里程计信息计算得到。接下来，我们详细描述基于迭代最大后验估计的静态导航节点坐标估计方法。如图2所示：

第一步，机器人记录下在初始位置的测量Z₀；

第二步，机器人沿初始航向以步长Len_pace移动一步，并记录该位置的测量Z₁；

第三步，机器人根据测量值Z₀和Z₁，利用最大后验估计算法，得到两个静态导航节点的估计坐标，我们随机选取一个计算移动方向。

第四步，如图2所示，在机器人移动两步后，根据Z_0:2，静态节点N的坐标被估计为航向角为θ₂，则机器人可以通过方程(1)得到转向角α：

$\mathrm{\β}=\arctan \left(\frac{\hat{y}-y_2^r}{\hat{x}-x_2^r}\right),\mathrm{\α}=\mathrm{\β}-{\mathrm{\θ}}_2---\left(1\right)$

在机器人移动每一步之后，新位置的测量Z_k被加入到最大长度为Len_queue的缓存队列。该队列是一个环形缓冲区（每一步最旧的测量被新的测量替换）。当缓存队列中有k个样本时，我们可以通过方程(2)得到后验概率密度：

$p\left({X|Z}_{0:k}\right)=\frac{P\left(Z_{0:k}\right|X)P\left(X\right)}{P\left(Z_{0:k}\right)}---\left(2\right)$

p(X|Z_0:k)∝p(Z_0:k|X)p(X)

函数p(Z_k|X)在估计过程中有至关重要的作用。在某固定距离下的RSSI测量值近似满足高斯分布，如方程(3)所示：

R_k＝μ(d_k)+N(0,σ(d_k))   (3)

$d_k=\left|\right|X-X_k^r\left|\right|=\sqrt{{(x-x_k^r)}^2+{(y-y_k^r)}^2}$

在这种情况下,假设静态导航节点的位置为X，函数(4)表示移动机器人在位置所得到测量Z_k的概率。

$p\left(Z_k\right|X)=\frac{1}{\mathrm{\σ}\left(d_k\right)\sqrt{2\mathrm{\π}}}\exp (-\frac{{(R_k-\mathrm{\μ}\left(d_k\right))}^2}{2\mathrm{\σ}{\left(d_k\right)}^2})---\left(4\right)$

因为k次测量是相互独立的，所以可得方程(5):

$p\left(Z_{0:k}\right|X)=\underset{n=0}{\overset{k}{\mathrm{\Π}}}p\left(Z_n\right|X)---\left(5\right)$

如图所示，先验概率在环面上是服从均匀分布的，因此，静态导航节点的估计位置可以由(6)得到:

$\hat{X}=(\hat{x},\hat{y})\stackrel{\mathrm{\Δ}}{=}\arg \underset{X}{\max }p\left(X\right|Z_{1:k})=\arg \underset{X}{\max }p\left(Z_{1:k}\right|X)$

$=\underset{n=1}{\overset{k}{\mathrm{\Π}}}p\left(Z_n\right|X)=\underset{n=1}{\overset{k}{\mathrm{\Π}}}\frac{1}{\mathrm{\σ}\left(d_n\right)\sqrt{2\mathrm{\π}}}\exp (-\frac{{(R_n-\mathrm{\μ}\left(d_n\right))}^2}{2\mathrm{\σ}{\left(d_n\right)}^2})---\left(6\right)$

每当获得一个新的测量，移动机器人通过上述方程，计算静态导航节点的新的位置和转向角，然后沿计算的方向移动。机器人重复上述过程，直到测量的R_c满足RSS门限R_thr为止。上述迭代最大后验估计算法的伪语言描述如图3如示。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (2)

1.一种基于无线传感器网络的低成本移动机器人导航方法，其特征在于，在二维平面无线传感网络区域内，移动机器人利用RF射频芯片的RSSI和里程计信息，通过迭代最大后验估计算法，在无线传感器网络内实现自主导航的方法，具体包括以下步骤：

步骤1：为无线静态节点和移动机器人装备全向天线，为移动机器人装备编码器；

步骤2：静态节点监测到异常事件后发出HELP信息给移动机器人，移动机器人收到HELP信息后，通过路由算法得到由静态节点组成的从当前位置到事发地点的基于最小跳数的路径；

步骤3：移动机器人运用迭代的最大后验估计算法，利用RSSI和里程计信息到达它的静态邻居节点，然后移动机器人运用迭代的最大后验估计算法，利用RSSI和里程计信息以逐跳的方式到达事发地点；

所述步骤3包括如下步骤：

步骤3.1：移动机器人记录下在初始位置的状态测量Z₀；

步骤3.2：移动机器人沿初始航向以步长Len_pace移动一步，并记录该位置的状态测量Z₁；

步骤3.3：移动机器人根据状态测量Z₀和Z₁，利用最大后验估计算法，得到两个静态导航节点的估计坐标，随机选取一个计算移动方向；

步骤3.4：每当获得一个新的状态测量Z_k，则将状态测量Z_k存入移动机器人的采样缓冲区，移动机器人根据采样缓冲区中的样本集合，利用最大后验估计算法，计算静态导航节点的新估计位置和转向角，然后沿计算的方向移动；

步骤3.5：重复执行步骤3.4，直到移动机器人到达目标节点位置为止；

所述迭代最大后验估计算法，具体地，移动机器人在第k步时的状态测量Z_k为其中，和R_k分别表示移动机器人在第k步时的坐标和静态导航节点的RSSI；

移动机器人在第k步时的坐标由里程计信息计算得到。

2.根据权利要求1所述的基于无线传感器网络的低成本移动机器人导航方法，其特征在于，所述采样缓冲区是一个最大长度为Len_queue的环形缓冲区，当新样本加入时，最旧的样本就被替换掉。