CN104535966A - 智能轮椅室内导航系统及其控制方法 - Google Patents

Abstract

本发明提供一种智能轮椅室内导航系统，包括设置于室内的四个超声波发射器、设置于智能轮椅前后两端的2个超声波接收器、设置于智能轮椅上的控制器和移动终端，控制器与2个超声波接收器通过导线连接，移动终端通过无线装置与控制器相连接。本发明还提供一种智能轮椅室内导航系统的控制方法，具体为：智能轮椅的自定位，对智能轮椅进行定位并优化；对智能轮椅进行路径规划，选出最优路径；智能轮椅根据步骤2中选出的最优路径达到目的地。该智能轮椅室内导航系统能到达预期要求并具有反映快、工作稳定可靠、电路简单、使用灵活方便和扩展性强等优点。

Description

智能轮椅室内导航系统及其控制方法

技术领域

本发明属于智能控制技术领域，具体涉及一种智能轮椅室内导航系统，本发明还涉及一种智能轮椅室内导航系统的控制方法。

背景技术

目前，国内外室内定位导航技术研究进行的如火如荼，现有的定位技术大致可分为两种:基于计算机视觉的定位技术和基于非计算机传感器(如超声、激光等)的定位技术。常用定位方法有GPS、无线网连接点定位、惯性陀螺、光码盘、路标匹配、广义路标匹配、磁罗盘等,每一种方法各有优点及局限性。美国已将无线网连接点定位技术应用于智能轮椅定位了，已安装了包含环境信息的节点,只要遵循同样的标准,轮椅就可利用网络节点信息来方便地进行自定位和与环境交互。很多定位技术也都开发了适用于自己的定位系统,形式多样,但精确度离用户正常使用有一定距离,所以如何提高定位的精度是需要着重研究的问题之一。导航方法很多:基于地图导航、基于航标导航、基于视觉导航、基于传感器导航或是其中一种或几种结合起来构成导航系统等。但现有的导航技术具有成本高、实时性不好等缺点，例如基于Wi-Fi热点和基站所设计的室内导航系统的稳定性和准确性有待提高。大部分技术应用在移动机器人上面，不能针对轮椅的特殊情况，轮椅作为特殊的服务机器人要求平稳、安全、智能。

发明内容

本发明的目的是提供一种智能轮椅室内导航系统，解决了现有技术中存在的成本高、精度差、实时性低等问题。

本发明的另一个目的是提供一种智能轮椅室内导航系统的控制方法。

本发明所采用的第一技术方案是，一种智能轮椅室内导航系统，包括设置于室内的四个超声波发射器、设置于智能轮椅前后两端的2个超声波接收器、设置于智能轮椅上的控制器和移动终端，控制器与2个超声波接收器通过导线连接，移动终端通过无线装置与控制器相连接。

本发明所采用的第二技术方案是，一种智能轮椅室内导航系统的控制方法，具体按照以下步骤实施：

步骤1、智能轮椅的自定位，对智能轮椅进行定位并优化；

步骤2、对智能轮椅进行路径规划，选出最优路径；

步骤3、智能轮椅根据步骤2中选出的最优路径达到目的地。

本发明的特点还在于，

智能轮椅的自定位具体按照以下步骤实施：

步骤1.1、四个超声波发射器循环向外发射不同的超声波频率；超声波接收器接收四个超声波发射器的超声波频率并将超声波频率传递给控制器；

步骤1.2、控制器通过空间几何算法确定轮椅在室内的位置；控制器根据超声波频率识别出信号来源于哪个超声波发射器，并通过空间几何算法得到轮椅在室内的位置；

步骤1.3、采用UMBmark校核方法对测程法进行改进，优化轮椅在室内的位置；

步骤1.4、采用神经网络算法将步骤1.2和步骤1.3中的两种定位方法进行融合，优化智能轮椅的最终位置，以提高智能轮椅的定位精度。

步骤1.2通过空间几何算法得到轮椅在室内的位置具体按照以下步骤实施：

设声波在空气中的速度为v，超声波发射器(1)发射声波到超声波接收器接收声波的时间为t则这之间的距离为L＝vt；设在A(a，0，0)、B(0，b，0)、C(0，0，0)、D(a，b，0)四个位置安装上超声波发射器(1)，在智能轮椅最前端和最后端装两个超声波接收器(3)，智能轮椅在O(x，y，z)处，四个超声波发射器(1)到智能轮椅前端A的距离为L₀、L₁、L₂、L₃，到智能轮椅后端B的距离为M₀、M₁、M₂、M₃；

采集L₁、L₂、L₃各自与L₀的差值T₁＝(L₁-L₀)、T₂＝(L₂-L₀)、T₃＝(L₃-L₀)；

L₀ ²＝x₁ ²+x₂ ²+x₃ ²  (1) 

L₁ ²＝(a-x₁)²+x₂ ²+x₃ ²  (2) 

L₂ ²＝x₁ ²+(b-x₂)²+x₃ ²  (3) 

L₃ ²＝(a-x₁)²+(b-x₂)²+x₃ ²  (4) 

联立上式，解得：

$x_1=\frac{\frac{a^2-T_1{T}_3(T_3-T_1)-T_1{T}_2(T_2-T_1)}{T_1+T_2-T_3}}{2a}---\left(5\right)$

$y_1=\frac{\frac{b^2-T_2{T}_3(T_3-T_2)-T_1{T}_2(T_1-T_2)}{T_1+T_2-T_3}}{2b}---\left(6\right)$

同理求得B点x2、y2、z2，得到轮椅的位置如式(7)

$O(x,y.z)=(\frac{x_1+x_2}{2},\frac{y_1+y_2}{2},\frac{z_1+z_2}{2})---\left(7\right).$

步骤2中对智能轮椅进行路径规划，选出最优路径具体按照以下步骤实施：

步骤2.1、室内三维图进行数学建模，将室内需要导航的区域简称为导航区，将导航区划分成了方形网格，将室内危险地方以及机密地方设为非导航区，把搜索区域简化成了一个二维数组；数组的每一个元素是导航区域网格中的一个小方格，方格被标记为可通行方格和不可通行方格，分别用0和1表示，路径被描述为从起始方格到目标方格需要经过的方格的集合；室内导航区的确定起方格到目标方格所需要的步数；用障碍物标记点标记障碍物，

步骤2.2、根据所需要的步数确定路径数组；

步骤2.3、对路径数组进行优化，确定转向最少的路径数组；

步骤2.4、根据转向最少的路径数组设置难度系数，确定最优路径。

步骤2.1中的确定起方格到目标方格所需要的步数具体按照以下步骤实施：搜索保存起始点到目标点步数以及每步的方格数组，从起始方格开始先计算需要移动一格才能到达的所有方格并保存成数组X₁，再计算至少需要移动两个方格才能到达的方格并保存成数组X₂，依次进行下去直到X_n里包含目标方格为止。

步骤2.2中根据所需要的步数确定路径数组具体按照如下方式实施：

从数组X_n-1中找与目标方格邻近的方格并保存到数组M₁，再从数组X_n-2中找与从X_n-1中找的方格并保存M₂，依次进行，同步保存路径数组，这样就得到了若干合适的路径数组。

步骤2.3中对路径数组进行优化，确定转向最少的路径数组具体按照以下步骤实施：

根据数组a[x][y]的下标计算出每条路径转向次数，选择出转向最少的那条路径数组，如图4所示，在智能轮椅进行到第12步方格(a[10][11])时， 第12步方格前一方格为a[10][10]，后一格为a[11][12]方格数组下标变化趋势不一致，判断在这里有一个转向，如果变化趋势一致则不存在转向，确定转向最少的路径数组，其中，判断是否有转向具体按照以下方式判断：

当智能轮椅进行到第m步方格时，设此时的数组为a[q][p]，

第一种情况：第m步方格的前一个方格的数组为a[q][p-1]，第m步方格的后一个方格的数组为a[q][p+1]，则方格数组下标变化趋势一致，判断智能轮椅沿y轴直行，不存在转向；

第二种情况：第m步方格的前一个方格的数组为a[q-1][p]，第m步方格的后一个方格的数组为a[q+1][p]，则方格数组下标变化趋势一致，判断智能轮椅沿x轴直行，不存在转向；

第三种情况：第m步方格的前一个方格的数组为a[q-1][p-1]，第m步方格的后一个方格的数组为a[q+1][p+1]，则方格数组下标变化趋势一致，判断智能轮椅沿x轴直行，不存在转向。

根据转向最少的路径数组设置难度系数，确定最优路径具体按照以下步骤实施：若转向最少的路径数组为1时，即确定了最优路径，当转向最少的路径数组大于1时，则引入难度系数，令正常方格水平或者垂直移动时难度系数为1，对角线方向难度系数为1.41，轮椅有一定的宽度，一个方格勉强能通过，在有非导航区时，方格难度系数定位2，在已选路径中计算每条路径的难度系数和，选择出难度系数最少的路径数组便是最优路径。

本发明的有益效果是：该系统主要从两个方面进行研究，实现智能轮椅自主导航首先要解决的是智能轮椅室内的自定位，即轮椅从任意位姿出发，在运动过程中能够实时获得轮椅当前位置与姿势，其次是要解决导航问题，即寻找最优路径的导航方法，将室内环境划分为很多方框格，并利用最邻近关系结合蚁群算法来规划两个位置之间的最优路径。本系统只需要用户说出需要到达的目的，智能轮椅能自动导航到达目的地，经实验验证，该智能轮椅室内导航系统能到达预期要求并具有反映快、工作稳定可靠、电路简单、使用灵活方便和扩展 性强等优点。根据需要还可以应用到医疗导引系统、公共场所导航等领域，具有很广泛的应用前景。

附图说明

图1是本发明智能轮椅室内导航系统架构图；

图2是本发明超声波定位和定向原理图；

图3是本发明室内三维图；

图4是本发明室内二维图；

图5是本发明各测量值与真值对比图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

一种智能轮椅室内导航系统，如图1所示，包括设置于室内的四个超声波发射器1、设置于智能轮椅2前后两端的2个超声波接收器3、设置于智能轮椅上的控制器4和移动终端5，控制器4与2个超声波接收器3通过导线连接，移动终端5通过蓝牙装置与控制器4相连接，其中，控制器4为S5PV210嵌入式ARM微处理器。

本发明还提供一种智能轮椅室内导航系统的控制方法，具体按照以下步骤实施：

步骤1、智能轮椅的自定位，对智能轮椅进行定位；具体按照以下步骤实施：

步骤1.1、四个超声波发射器1循环向外发射不同的超声波频率；超声波接收器3接收四个超声波发射器1的超声波频率并将超声波频率传递给控制器4；

步骤1.2、控制器4通过空间几何算法确定轮椅在室内的位置；

控制器4根据超声波频率识别出信号来源于哪个超声波发射器1，并通过空间几何算法得到轮椅在室内的位置；具体按照以下步骤实施：

设声波在空气中的速度为v，超声波发射器1发射声波到超声波接收器接收声波的时间为t则这之间的距离为L＝vt；如图2所示，设在A(a，0，0)、B(0，b，0)、C(0，0，0)、D(a，b，0)四个位置安装上超声波发射器1，在智能轮椅最前端和最后端装两个超声波接收器3，智能轮椅在O(x，y，z)处，四个超声波发射器1到智能轮椅前端A的距离为L₀、L₁、L₂、L₃，到智能轮椅后端B的距离为M0、M1、M2、M3；

控制器4采集L₁、L₂、L₃各自与L₀的差值T₁＝(L₁-L₀)、T₂＝(L₂-L₀)、T₃＝(L₃-L₀)；

L₀ ²＝x₁ ²+x₂ ²+x₃ ²  (1) 

L₁ ²＝(a-x₁)²+x₂ ²+x₃ ²  (2) 

L₂ ²＝x₁ ²+(b-x₂)²+x₃ ²  (3) 

L₃ ²＝(a-x₁)²+(b-x₂)²+x₃ ²  (4) 

联立上式，解得：

$x_1=\frac{\frac{a^2-T_1{T}_3(T_3-T_1)-T_1{T}_2(T_2-T_1)}{T_1+T_2-T_3}}{2a}---\left(5\right)$

$y_1=\frac{\frac{b^2-T_2{T}_3(T_3-T_2)-T_1{T}_2(T_1-T_2)}{T_1+T_2-T_3}}{2b}---\left(6\right)$

同理求得B点x2、y2、z2，得到轮椅的位置如式(7)

$O(x,y.z)=(\frac{x_1+x_2}{2},\frac{y_1+y_2}{2},\frac{z_1+z_2}{2})---\left(7\right)$

步骤1.3、测程法实现：定义在t时刻轮椅位置为S_t＝(x_t，y_t，θ_t)^r，经过一个采样周期后轮椅位置产生了变化ΔS＝(Δx，Δy，Δθ)^r，在独立驱动的左右轮的内侧分别装上两个光电传感器。假设轮半径为R，轮子的轴线数为18，随着轮椅的运动单位时间内光电开关输出的脉冲数为N，车轮运行的距离为SL，SR，L为小车左右轮的间距，根据计得的脉冲数就可以算得轮子转过的圈数，从而可以分别算出机器人左右轮移动的距离从而可以得出机器人转过的角度等，进而可以得出机器人的准确位置。

假设轮椅不打滑，从t-1到t时刻S中三个量的变化值为△x,△y,△θ

$\left\{\begin{array}{c}\mathrm{\Δ\θ}=\frac{S_I-S_R}{L}\\ \mathrm{\Δx}=\frac{\mathrm{SL}+\mathrm{SR}}{2}\frac{\sin \frac{\mathrm{\Δ\θ}}{2}}{\frac{\mathrm{\Δ\θ}}{2}}\cos (\mathrm{\θ}+\mathrm{\Δ\θ})\\ \mathrm{\Δy}=\frac{\mathrm{SL}+\mathrm{SR}}{2}\frac{\sin \frac{\mathrm{\Δ\θ}}{2}}{\frac{\mathrm{\Δ\θ}}{2}}\sin (\mathrm{\θ}+\mathrm{\Δ\θ})\end{array}\right.$

如果采样时间非常短，那么△θ就会无穷小，近似等于1，所以S_t＝S_t-1+ΔS

$\left\{\begin{array}{c}{\mathrm{\θ}}_t={\mathrm{\θ}}_{t-1}+\frac{\mathrm{SL}-\mathrm{SR}}{L}\\ x_t=x_{t-1}+\frac{\mathrm{SL}+\mathrm{SR}}{2}\\ y_t=y_{t-1}+\frac{\mathrm{SL}+\mathrm{SR}}{2}\sin (\mathrm{\θ}+\mathrm{\Δ\θ})\end{array}\cos (\mathrm{\θ}+\mathrm{\Δ\θ})\right.$

采用UMBmark校核方法对测程法进行改进，优化轮椅在室内的位置；轮椅两车轮直径不相等和轮距的不确定性是测程法系统误差的主要来源，所以测程法的定位误差包括位置误差和方向误差。采用UMBmark校核方法能有效的提高测程法的精度，UMBmark校核方法已经很成熟了，不再详述。

步骤1.4、采用神经网络算法将步骤1.2和步骤1.3中的两种定位方法进行融合，优化智能轮椅的最终位置，以提高智能轮椅的定位精度；

BP神经网络最重要的一个应用就是函数逼近，其核心就是误差反向传播来修正各个节点的权值和阈值，使得误差函数沿负梯度方向下降，BP神经网络包括三层节点分别为输入节点、隐节点和输出节点，首先编写一个级联前向BP网络函数，将超声波法采集的数据，环境温度测程法计算的数据，校准后运行距离，两个轮子的速度作为输入，测量真实值作为输出进行训练。随机选定训练和预测数据，随机确定初始权矩阵W(0)，用式(8)反向修正，直到用完所有学习数据。由于神经网络训练函数具有随机性，每一次训练出来的正确率都不相同，使用编写的预测函数进行仿真，用仿真值与真值的绝对误差作为条件，使用while语句对数据循环训练得出正确率最高的那个网络，训练出来的网络包括权值与偏移量，隐藏层的权重乘以输入，然 后加上隐藏层的偏移，然后应用隐藏层传输函数，得到的结果为输出层输入，同理，输出层的权重乘以输出层的输入，然后加上输出层的偏移，然后再应用输出层的传输函数，得到输出，训练出来的值正确率大大提高。

隐含层节点： 

式中x_j输入节点输入

输出层节点： 

式中 $y_i=f(\underset{j}{\mathrm{\Σ}}{w}_{\mathrm{ij}}{x}_j-{\mathrm{\θ}}_i)$ 隐节点输出， $o_1=f(\underset{i}{\mathrm{\Σ}}{T}_{\mathrm{ij}}{y}_i-{\mathrm{\θ}}_j)$ 输出节点输出, ${\mathrm{net}}_i=\underset{j}{\mathrm{\Σ}}W(i,j)*x_j-{\mathrm{\θ}}_i,$ ${\mathrm{net}}_j=\underset{j}{\mathrm{\Σ}}T(l,i)*y_i-{\mathrm{\θ}}_j,$ W为隐节点权值数组，θ_i是隐节点阈值误差，T为输出节点权值数组，θ_l是输出节点阈值误差。δ_i中的表示输出层节点l的误差δ_l通过权值T_li向隐节点i反向传播得到的。

神经网络输入数组为X，最后求得隐含层权值数组为W，偏移量数组为θ_i，输出层权值数组为T，偏移量数组为θ_l，最终得到的结果为

$\left\{\begin{array}{c}\mathrm{\θ}=\mathrm{purelin}(T\left(\mathrm{\θ}\right)*\tan \mathrm{sig}(W\left(\mathrm{\θ}\right)*X\left(\mathrm{\θ}\right)+{\mathrm{\θ}}_i\left(\mathrm{\θ}\right)))+{\mathrm{\θ}}_1\left(\mathrm{\θ}\right)\\ x=\mathrm{purelin}(T\left(x\right)*\tan \mathrm{sig}(W\left(x\right)*X\left(x\right)+{\mathrm{\θ}}_i\left(x\right)))+{\mathrm{\θ}}_1\left(x\right)\\ y=\mathrm{purelin}(T\left(y\right)*\tan \mathrm{sig}(W\left(y\right)*X\left(y\right)+{\mathrm{\θ}}_i\left(y\right)))+{\mathrm{\θ}}_1\left(y\right)\end{array}\right.$

步骤2、对智能轮椅进行路径规划，选出最优路径；具体按照以下步骤实施：

如图3所示，室内三维图进行数学建模，将室内需要导航的区域简称为导航区，将导航区划分成了方形网格，将室内危险地方以及机密地方设为非导航区，把搜索区域简化成了一个二维数组，即将搜索区域转化为成步骤1中的0xy平面；如图4所示，数组的每一个元素是导航区域网格中的一个方格，方格的大小为10cm*10cm；方格被标记为可通行方格和不可通行方格，分别用0(图中没表示出来)和1表示，路径被描述为从起始方格到目标方格需要经过的方格的集合；室内导航区的确定起方格到目标方格所需要的步数；用障碍物标记点标记障碍物；

步骤2.1、控制器4搜索保存起始点到目标点步数以及每步的方格数组，从起始方格开始先计算需要移动一格才能到达的所有方格并保存成数组X[1]，再计算至少需要移动两个方格才能到达的方格并保存成数组X[2]，依次进行下去直到X[n]＝a[x][y](其中，x代表从起始点沿x轴走向的第x个方格数，y代表从起始点沿y轴走向的第y个方格数)里包含目标方格为止。

步骤2.2、根据所需要的步数确定路径数组；具体按照以下步骤实施：从数组X[n-1]里中找与目标方格邻近的方格并保存到数组M[1]，再从数组X[n-2]里中找与M[1]方格邻近的方格并保存M[2]， 依次进行，同步保存路径数组，这样就得到了若干合适的路径数组N[i]；

步骤2.3、对路径数组进行优化，确定转向最少的路径数组；根据数组a[x][y]的下标计算出每条路径转向次数，选择出转向最少的那条路径数组，如图5所示，在智能轮椅进行到第12步方格(a[10][11])时，第12步方格前一方格为a[10][10]，后一格为a[11][12]方格数组下标变化趋势不一致，判断在这里有一个转向，如果变化趋势一致则不存在转向，确定转向最少的路径数组，其中，判断是否有转向具体按照以下方式判断：

当智能轮椅进行到第m步方格时，设此时的数组为a[q][p]，

第一种情况：第m步方格的前一个方格的数组为a[q][p-1]，第m步方格的后一个方格的数组为a[q][p+1]，则方格数组下标变化趋势一致，判断智能轮椅沿y轴直行，不存在转向；

第二种情况：第m步方格的前一个方格的数组为a[q-1][p]，第m步方格的后一个方格的数组为a[q+1][p]，则方格数组下标变化趋势一致，判断智能轮椅沿x轴直行，不存在转向；

第三种情况：第m步方格的前一个方格的数组为a[q-1][p-1]，第m步方格的后一个方格的数组为a[q+1][p+1]，则方格数组下标变化趋势一致，判断智能轮椅沿x轴直行，不存在转向；

步骤2.4、根据转向最少的路径数组设置难度系数，确定最优路径；

若转向最少的路径数组为1时，即确定了最优路径，当转向最少的路径数组大于1时，则引入难度系数，令正常方格水平或者垂直移动时难度系数为1，对角线方向难度系数为1.41，轮椅有一定的宽度，一个方格勉强能通过，在有非导航区时，方格难度系数定位2，在已选路径中计算每条路径的难度系数和，选择出难度系数最少的路径数组便是最优路径。

步骤3、智能轮椅根据步骤2中选出的最优路径达到目的地。

实施例1

步骤1、智能轮椅的自定位；

步骤1.1、四个超声波发射器，循环向外发射超声波，为防止干扰和便于识别，四个超声波发射器发射不同的脉冲信号；安装于智能轮椅前后两端的超声波接收器接收四个超声波发射器的脉冲信号，并将脉冲信号传递给、控制器4；

步骤1.2、控制器4识别出信号来源于哪个超声波发射器，通过空间几何算法实现轮椅的初步定向、定位，然后对常用的相对定位法(测程法)进行改进，提高轮椅相对定位的精度；最后结合两种方法的优点，采用神经网络算法将这两种定位方法进行融合。如果是移动物体，通过连续测量，就可描绘出物体移动轨迹。实践测试结果表明，该方法比单独使用绝对定位或相对定位的精度要高许多，能够满足轮椅在大面积房间内长时间较准确的定位；

具体按照以下方式实施：设声波在空气中的速度为v，超声波发射器1发射声波到超声波接收器3接收声波的时间为t则这之间的距 离为L＝vt；若只设三个超声波发射器1，需要增加无线设备，同时计时工作也相当麻烦，成本也很高，但采用新的定位法能降低成本，提高精确度，如图3所示假设在A(a，0，0)、B(0，b，0)、C(0，0，0)、D(a，b，0)四个位置安装上超声波发射器1，在智能轮椅最前端和最后端装两个超声波接收器3，智能轮椅在O(x，y，z)处，四个超声波发射器到智能轮椅前端A的距离为L₀、L₁、L₂、L₃，到智能轮椅后端B的距离为M₀、M₁、M₂、M₃；

步骤1.3、采用三点的情况需要的到L₁、L₂、L₃准确值，则需要高精度的计时装置，采用四点就只需要采集L₁、L₂、L₃各自与L₀的差值T₁＝(L₁-L₀)、T₂＝(L₂-L₀)、T₃＝(L₃-L₀)，免去了高精度计时装置以及无线模块；

L₀ ²＝x₁ ²+x₂ ²+x₃ ²  (1) 

L₁ ²＝(a-x₁)²+x₂ ²+x₃ ²  (2) 

L₂ ²＝x₁ ²+(b-x₂)²+x₃ ²  (3) 

L₃ ²＝(a-x₁)²+(b-x₂)²+x₃ ²  (4) 

联立上式，解得：

$x_1=\frac{\frac{a^2-T_1{T}_3(T_3-T_1)-T_1{T}_2(T_2-T_1)}{T_1+T_2-T_3}}{2a}---\left(5\right)$

$y_1=\frac{\frac{b^2-T_2{T}_3(T_3-T_2)-T_1{T}_2(T_1-T_2)}{T_1+T_2-T_3}}{2b}---\left(6\right)$

同理求得B点x2、y2、z2，可以得到轮椅的位置如式(7)

$O(x,y.z)=(\frac{x_1+x_2}{2},\frac{y_1+y_2}{2},\frac{z_1+z_2}{2})---\left(7\right)$

传统的定位系统还需要增加陀螺仪、指南针等设备确定方向姿态，通过采集A、B的坐标位置，再利用A、B直线与坐标轴的夹角求出轮椅的方向，计算轮椅方向与坐标方向的夹角α如式(8)。

$\mathrm{\α}=\arctan \left(\frac{y_1-y_2}{x_1-x_2}\right)---\left(8\right)$

由于测程法不需要借助外部传感器就能收集轮椅位置和方向信息，而成为使用非常广泛的定位方法，短时间里能够提供很高定位精度，方法简单，成本低并且容易实时完成，但是它的缺点在于需要给定初始值、无界的误差累积，不利于长时间定位。本发明采用UMBmark校核方法降低其系统误差，提高测程法的精度，最后采用BP神经网络算法将前面两种定位方法进行融合得到很高精度的定位。

步骤2、对智能轮椅进行路径规划，具体按照以下步骤实施：如图4所示，将室内三维图进行数学建模，将路径规划问题转换成数学问题，下面将室内需要导航的区域简称为导航区，为了简化导航区域，将其划分成了方形网格，将室内某些危险地方以及机密地方设为非导航区，例如将书房设为非导航区，这是导航的准备工作，利用这种方法把搜索区域简化成了一个二维数组。数组的每一个元素是导航区域网格中的一个小方格，方格被标记为可通行方格(用0表示)和不可通行方格(用1表示)。路径被描述为从起始方格(a[1][3])到目标方格(a[16][16])需要经过的方格的集合。在导航区域方格化环境下，为了从起始方框格到达目标方框格过程中能避开障碍物并找到最优路径。

但整个过程耗时太长，而且存在局部最优解等缺点，在此基础上进行改进，其主要原理如下：如图4所示，除了起始方格周围之外的标为1的数字方格为障碍物，第一步：开始搜索保存起始点到目标点步数以及每步的方格数组，从起始方格开始先计算需要移动一格才能到达的所有方格并保存成数组X[1](a[0][2]、a[0][3]、a[0][4]、a[1][2]、a[1][4]、a[2][2]、a[2][3]、a[2][4])，再计算至少需要移动两个方格才能到达的方格并保存成数组X[2]，依次进行下去直到X[n]里包含目标方格为止，如图4，到达目的地只需要20步，20步以内每步能达到的方格数组。第二步：保存可能最优解的路径数组，从数组X[n-1]中找与目标方格邻近的方格并保存到数组M[1](a[16][15]、a[17][15])，再从数组X[n-2]中找与M[1]方格邻近的方格并保存M[2](a[16][14])，同步保存路径数组，例如由M[1]、M[2]就可以得到两条路径，N[1](a[16][15]、a[16][14]……)、N[2](a[17][15]、a[16][14]……)，依次进行就得到了若干合适的路径规划数组N[i](数组N[i]一定包含20个方格数组)。第三步：初步选择最优路径，由于轮椅转向速度会变慢、运行稳定性也变差，所以必须要考虑使轮椅在运行过程中尽量少转向，通过计算数组下标就可以计算出每条路径转向次数，选择出转向最少的那条路径数组，比如轮椅现在运行12步方格a[10][11]，12步方格前一方格为a[10][10]，后一格为a[11][12]方格数组下标变化趋势不一致，判断在这里有一个转向，如果变化趋势一致则不存在转向。第四步：设置难度系数并求出最优路径，实际环境中，轮椅行走的路况有好与 不好的情况，而且移动过程中水平或者垂直方向比对角线方向路径短也需要考虑，所以对每一步运行到下一格设置一个参数，用来表示从这一方格到下一方格难易程度，暂时简称为难度系数，令正常方格水平或者垂直移动时难度系数为1，对角线方向难度系数为1.41，如5图，轮椅有一定的宽度，一个方格勉强能通过，但难度很大需要减慢速度，所以这样的方格难度系数定位2，还有其他特殊情况都可以在这里添加难度系数，使路径规划的时候适当避开这些方格，然后在已选路径中计算每条路径的难度系数和，选择出难度系数最少的路径数组便是最优路径，最终规划出最佳路径，智能轮椅便会采取该条路径实行自导航行驶到达目的地。从理论上分析该算法的可行性，从起点方格开始，依次下一方格运行，直到找到目标地方格或者不存在通路，因为一个方格只要第一次被访问，即获得了从起点方格到该方格的最短路径，一个格只需要更新一次路径信息，所以从起点到目标的路长不会超过方格总数n2，可以得知该算法必在有限步内停止，算法是可行。

该方法有以下几个优点，1:该算法的方格计算范围可以扩展到1000×1000，完善补充了遗传算法求解范围小的不足，2:该算法求解时间快，适用于智能轮椅这样的实时系统。3:该算法对环境复杂性不敏感，可以迅速得到最优解，并具有可扩展性，应用广泛。

步骤3、智能轮椅根据步骤2中选出的最优路径达到目的地。

用户只需要给出目的地命令，控制器4自行定位，路径规划并实现导航。比如用户在客厅看电视，需要去洗手间，用户在手机软件上 点击需要去的目的地。轮椅识别目的地方格、定位初始方格，根据初始方格和目标方格规划出最优路径，最后轮椅按照这条路径将用户送达目的地。

实验结果从两方面进行分析，在定位过程中定位存在一定的误差，对其产生原因进行分析，声波传输速度与媒介的弹性模量和密度相关，因此，本文就需要考虑这些因素对声速影响。在气体中，压强、温度、湿度等因素会引起密度变化，声速受温度的影响最大。实验得知当温度θ从0～40℃变化时，将会产生7％的声速变化，因此，为了提高测量准确度，计算时必须根据温度进行声速修正。工业测量中，一般用公式计算超声波在空气中的传播速度，即c＝331+0.6θ。测程法误差分为系统误差与非系统误差，测程法在短时间内精确度还是很高。使用该系统在36m²的导航空间做实验，采集了35组数据，超声波法采集的数据平均绝对误差为0.83，测程法采集的数据平均绝对误差为0.78，从图5可以看出随着测量的进行误差越来越大，针对这样的问题采用了以下两种方法，1：在导航空间内设置一个距离校准点可有效地提高定位精度。2：采用神经网络算法将超声波定位法和测程法融合使测量精度大大提高，采用神经网络训练得出的数据平均误差到达0.91，误差虽然存在，但在允许范围内，是可行的。

导航也能基本实现，实时性很好，命令发出系统很快就规划出最优路径，在运行过程中也会遇到图中表示是可行区域的障碍区，在此尽可能的模拟人类的思维模式，将根据左右障碍物探测传感器来决定从左边绕行还是从右边绕行，取得了很好的导航效果。

本智能轮椅的定位导航系统平台，对室内轮椅自定位与导航技术进行了深入的研究。室内定位导航技术研究日趋成熟，然而大部分技术不能针对轮椅的特殊情况，轮椅作为特殊的服务机器人要求平稳、安全、智能。针对上述问题，本发明做了一系列详细的工作，并提出的一些改进算法，传统定位算法有各自的优势，也有各自的缺点。超声波在移动定位时需要采用无线技术以及高精度定时装置，本文改进算法，采用超声波发送器与接收器分离方式，降低了成本，并与改进的测程法优点融合，精度得到很大的提高。针对轮椅的特点，改进了导航算法，考虑了轮椅转向不便以及导航区中的危险区域，都用数学定量分析其特点，规划出一条最优路径而不是最短路径，整个系统在智能轮椅中进行了实验与验证，且具有较高的精度和效率。为将来其他定位导航领域研究打下基础。此系统不仅可以应用于智能轮椅中，而且在军事和民用领域的目标跟踪方面有非常重要的研究与应用价值，具有很大的市场潜力。将来随着人类文明的不断进步，人们对生活质量要求的提高，对定位与导航要求也会越来越严格，所以研究的定位与导航技术具有长远的意义。

Claims (9)

1.一种智能轮椅室内导航系统，其特征在于，包括设置于室内的四个超声波发射器(1)、设置于智能轮椅(2)前后两端的2个超声波接收器(3)、设置于智能轮椅上的控制器(4)和移动终端(5)，所述控制器(4)与2个超声波接收器(3)通过导线连接，所述移动终端(5)通过无线装置与控制器(4)相连接。

2.一种智能轮椅室内导航系统的控制方法，其特征在于，具体按照以下步骤实施：

步骤1、智能轮椅的自定位，对智能轮椅进行定位并优化；

步骤2、对智能轮椅进行路径规划，选出最优路径；

步骤3、智能轮椅根据步骤2中选出的最优路径达到目的地。

3.根据权利要求2所述的智能轮椅室内导航系统的控制方法，其特征在于，所述智能轮椅的自定位具体按照以下步骤实施：

步骤1.1、四个超声波发射器(1)循环向外发射不同的超声波频率；超声波接收器(3)接收四个超声波发射器(1)的超声波频率并将超声波频率传递给控制器(4)；

步骤1.2、控制器(4)通过空间几何算法确定轮椅在室内的位置；控制器(4)根据超声波频率识别出信号来源于哪个超声波发射器(1)，并通过空间几何算法得到轮椅在室内的位置；

步骤1.3、采用UMBmark校核方法对测程法进行改进，优化轮椅在室内的位置；

步骤1.4、采用神经网络算法将步骤1.2和步骤1.3中的两种定位方法进行融合，优化智能轮椅的最终位置，以提高智能轮椅的定位精度。

4.根据权利要求3所述的智能轮椅室内导航系统的控制方法，其特征在于，所述步骤1.2通过空间几何算法得到轮椅在室内的位置具体按照以下步骤实施：

设声波在空气中的速度为v，超声波发射器(1)发射声波到超声波接收器接收声波的时间为t则这之间的距离为L＝vt；设在A(a，0，0)、B(0，b，0)、C(0，0，0)、D(a，b，0)四个位置安装上超声波发射器(1)，在智能轮椅最前端和最后端装两个超声波接收器(3)，智能轮椅在O(x，y，z)处，四个超声波发射器(1)到智能轮椅前端A的距离为L₀、L₁、L₂、L₃，到智能轮椅后端B的距离为M₀、M₁、M₂、M₃；

采集L₁、L₂、L₃各自与L₀的差值T₁＝(L₁-L₀)、T₂＝(L₂-L₀)、T₃＝(L₃-L₀)；

L₀ ²＝x₁ ²+x₂ ²+x₃ ²        (1) 

L₁ ²＝(a-x₁)²+x₂ ²+x₃ ²       (2) 

L₂ ²＝z₁ ²+(b-x₂)²+x₃ ²        (3) 

L₃ ²＝(a-x₁)²+(b-x₂)²+x₃ ²        (4) 

联立上式，解得：

同理求得B点x2、y2、z2，得到轮椅的位置如式(7)

5.根据权利要求2所述的智能轮椅室内导航系统的控制方法，其特征在于，所述步骤2中对智能轮椅进行路径规划，选出最优路径具体按照以下步骤实施：

步骤2.1、室内三维图进行数学建模，将室内需要导航的区域简称为导航区，将导航区划分成了方形网格，将室内危险地方以及机密地方设为非导航区，把搜索区域简化成了一个二维数组；数组的每一个元素是导航区域网格中的一个小方格，方格被标记为可通行方格和不可通行方格，分别用0和1表示，路径被描述为从起始方格到目标方格需要经过的方格的集合；室内导航区的确定起方格到目标方格所需要的步数；用障碍物标记点标记障碍物，

步骤2.2、根据所需要的步数确定路径数组；

步骤2.3、对路径数组进行优化，确定转向最少的路径数组；

步骤2.4、根据转向最少的路径数组设置难度系数，确定最优路径。

6.根据权利要求5所述的智能轮椅室内导航系统的控制方法，其特征在于，所述步骤2.1中的确定起方格到目标方格所需要的步数具体按照以下步骤实施：搜索保存起始点到目标点步数以及每步的方格数组，从起始方格开始先计算需要移动一格才能到达的所有方格并保 存成数组X₁，再计算至少需要移动两个方格才能到达的方格并保存成数组X₂，依次进行下去直到X_n里包含目标方格为止。

7.根据权利要求6所述的智能轮椅室内导航系统的控制方法，其特征在于，所述步骤2.2中根据所需要的步数确定路径数组具体按照如下方式实施：

从数组X_n-1中找与目标方格邻近的方格并保存到数组M₁，再从数组X_n-2中找与从X_n-1中找的方格并保存M₂，依次进行，同步保存路径数组，这样就得到了若干合适的路径数组。

8.根据权利要求7所述的智能轮椅室内导航系统的控制方法，其特征在于，所述步骤2.3中对路径数组进行优化，确定转向最少的路径数组具体按照以下步骤实施：

根据数组a[x][y]的下标计算出每条路径转向次数，选择出转向最少的那条路径数组，在智能轮椅进行到第12步方格(a[10][11])时，第12步方格前一方格为a[10][10]，后一格为a[11][12]方格数组下标变化趋势不一致，判断在这里有一个转向，如果变化趋势一致则不存在转向，确定转向最少的路径数组，其中，判断是否有转向具体按照以下方式判断：

当智能轮椅进行到第m步方格时，设此时的数组为a[q][p]，

第一种情况：第m步方格的前一个方格的数组为a[q][p-1]，第m步方格的后一个方格的数组为a[q][p+1]，则方格数组下标变化趋势一致，判断智能轮椅沿y轴直行，不存在转向；

第二种情况：第m步方格的前一个方格的数组为a[q-1][p]，第m步方格的后一个方格的数组为a[q+1][p]，则方格数组下标变化趋势一致，判断智能轮椅沿x轴直行，不存在转向；

第三种情况：第m步方格的前一个方格的数组为a[q-1][p-1]，第m步方格的后一个方格的数组为a[q+1][p+1]，则方格数组下标变化趋势一致，判断智能轮椅沿x轴直行，不存在转向。

9.根据权利要求8所述的智能轮椅室内导航系统的控制方法，其特征在于，所述根据转向最少的路径数组设置难度系数，确定最优路径具体按照以下步骤实施：若转向最少的路径数组为1时，即确定了最优路径，当转向最少的路径数组大于1时，则引入难度系数，令正常方格水平或者垂直移动时难度系数为1，对角线方向难度系数为1.41，轮椅有一定的宽度，一个方格勉强能通过，在有非导航区时，方格难度系数定位2，在已选路径中计算每条路径的难度系数和，选择出难度系数最少的路径数组便是最优路径。