CN108762251A - 一种图书馆机器人定位导航方法 - Google Patents

Abstract

本发明公开了一种图书馆机器人定位导航方法，包括：步骤1，建立模糊推理系统，得到推理规则；步骤2，将图书馆机器人预定路径中经过的RFID标签的ID值按顺序存入列表中；步骤3，确定图书馆机器人下一步需到达的RFID标签的ID值；步骤4，使用装置于图书馆机器人上的两个RFID读取设备分别读取放置于书架边沿的RFID标签，用五元组Tag＝<no、id、φ、r、t>记录；步骤5，对于五元组Tag中的信息进行数据预处理；步骤6，将预处理的数据输入推理规则中，得到关于图书馆机器人的当前位置信息，判断是否已经到达终点，确认下一步的前进方向，以实现定位导航功能。

Description

一种图书馆机器人定位导航方法

技术领域

本发明涉及超高频RFID技术领域，尤其涉及一种图书馆机器人定位导航方法。

背景技术

RFID(Radio Frequency Identification，射频识别)是一种非接触式的自动识别技术，它通过射频电磁信号自动识别目标对象并获取存储的相关数据，不需要额外人工操作。与传统的一维码(条形码)和二维码相比，RFID具有无需识别系统与扫描目标间建立机械或光学接触的优点。目前，RFID技术正逐步地应用于仓储管理、物流服务以及身份识别等行业，极大的提高了管理的效率，是未来构建智能化基础设施的重要组成部分。

当今大多数图书馆的管理系统主要采用“安全磁条”+“条形码”的技术手段。这种方式成本较低，实施方便，但在长时间实践过程中发现存在缺陷。随着RFID技术的不断进步以及成本价格的降低，其逐渐在图书馆领域进行使用，特别是超高频RFID技术，由于其可读范围广、穿透性强等优点，为图书馆智能管理提供了更好的解决方案。将超高频RFID技术与图书馆机器人技术相结合，可以极大的减少许多需要人工进行的繁重工作，例如图书盘点、图书上架等。以图书盘点功能为例，当图书馆机器人在执行任务时，需要不断在书架间移动扫描。由于机器人的运行功能需求和空间限制，要求图书馆机器人具有快速准确进行定位导航的能力。而目前，在移动图书馆机器人定位导航领域，主要利用能感知场景环境信息特征的传感器，如：激光雷达、红外线、摄像头等，通过在图书馆机器人移动过程中不断采集场景信息，构建地图，综合利用里程计等辅助工具进行定位导航。而上述的定位导航算法往往存在诸多问题。首先，这些定位导航算法过程复杂，需要在高维空间下进行大量运算，因此其定位的频率受到限制，使得机器人无法及时获知自身的位姿信息；其次，现有的定位导航算法往往基于特征匹配或直接公式计算的方式进行定位，当机器人的工作场景高度同构化，例如：图书馆中书架的外观高度相似，或是行进路线复杂、工作空间比较狭窄的情况下，现有的定位导航算法常常出现由于特征匹配失败从而导致定位出现跳变，甚至导致出现定位失效的情况。因此，现有的定位导航算法不适用于在同构化程度高、地形复杂狭窄的图书馆环境下应用。最后，使用这些算法必须为图书馆机器人增设新的传感器，极大的提高了成本。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供基于超高频RFID技术的定位导航方法，利用模糊逻辑系统和RFID技术中的RSSI(Received SignalStrength Indication接收的信号强度指示)值和相位差值，进行图书馆机器人自动定位导航。

为了解决上述技术问题，本发明公开了一种图书馆机器人定位导航方法，具体步骤如下：

步骤1，建立模糊推理系统，得到对应的推理规则；

步骤2，将图书馆机器人预定路径中经过的RFID标签的ID信息按顺序存入列表中；

步骤3，确定图书馆机器人下一步需到达的目标RFID标签的ID信息，并计算出图书馆机器人的前进方向，图书馆机器人开始朝下一步需到达的目标RFID标签所在位置移动；

步骤4，图书馆机器人移动过程中，使用装置于图书馆机器人上的两个RFID读取设备分别读取放置于书架边沿的RFID标签，第一个RFID读取设备的天线记为天线1，第二个RFID读取设备的天线记为天线2，RFID读取设备读取的信号包括：RFID读取设备的标号信息no，RFID标签的ID信息id，两个RFID读取设备分别采集到当前读取RFID标签的相位差及RFID标签的RSSI值r，以及采集到该RFID标签的时间戳t，用五元组记录；no取值为1或2，为1时表示第一个RFID读取设备，为2时表示第二个RFID读取设备；

步骤5，对于五元组Tag中的信息进行数据预处理；

步骤6，将预处理后的五元组Tag中的信息输入步骤1得到的推理规则中，得到关于图书馆机器人的当前位置信息，并根据步骤2中的列表判断是否已经到达目标RFID标签所在位置，从而确认下一步的前进方向，以实现定位导航功能。

其中，步骤1包括：

步骤1-1，根据模糊逻辑方法，基于RFID信号的传播特性，建立两组单输入-单输出的曼丹尼模糊推理系统。模糊逻辑是一种模仿人脑的不确定性概念判断和推理思维方式。应用模糊推理系统，可以对模型未知或不能确定的描述系统进行有效描述和计算。由于RFID信号在传输过程中容易受周围环境影响，因而无法通过精确的公式描述其物理特性，如RSSI值等。因此，可以为其建立其对应的模糊推理系统。而后通过大量的实验数据对系统进行修正，使得它对RFID数据的描述更加精确。在本方法中，需要建立双输入-单输出的模糊推理系统，输入变量为同一RFID读取设备对同一RFID标签读取的RFID标签RSSI值和相位差输出变量为图书馆机器人相对于RFID标签的方位角α；并得出系统对应的隶属函数。通过隶属函数，可以建立起的关系；

步骤1-2，根据步骤1-1中建立的模糊推理系统，得出如下对应的“IF-THEN”模糊逻辑推理规则：

If RSSI is High andis Low Thenαis Low，表示如果RSSI值是高，并且相位差值是低，则方位角α值是低；

If RSSI is High andis High Thenαis Medium，表示如果RSSI值是高，并且相位差值是高，则方位角α值是中等；

If RSSI is Low andis High Thenαis Medium，表示如果RSSI值是低，并且相位差值是高，则方位角α值是中等；

If RSSI is Low andis Low Thenαis High，表示如果RSSI值是低，并且相位差值是低，则方位角α值是高；

RSSI值、相位差值属于High还是Low，根据它们隶属于的函数进行判断(每个具体的环境和设备都有不同的隶属函数，参数和形式都是不同的，得根据具体的情况进行调整)；

例如，假设RSSI的值为-45，根据RSSI值的隶属度函数计算，若RSSI值对于“高”的隶属度大于对于“低”的隶属度，那么RSSI值应隶属于“高”；反之，RSSI值隶属于“低”。同理，对于相位差进行同样的操作。当得到了RSSI值以及相位差的具体属性后，就可以根据推理规则判断具体适用于哪一条规则。假设满足规则4(If RSSI is Low andis Low Thenαis High)，而后，根据方位角α的隶属度函数，确定方位角α在属性为“高”时的模糊集合，利用加权平均法，就可以计算出α的具体值。

步骤2包括：

步骤2-1，在书架边沿每隔一定距离粘贴RFID标签，RFID标签的ID信息包括书架号、层数以及这一层的标号，按一定规则对所有RFID标签进行编号。例如，第10书架第1层第5个标签，其对应编号为“100105”。而后，将RFID标签的ID信息与标签的具体位置坐标信息以及标签的相邻关系(即标签左右相邻的两个标签的ID信息)进行绑定，将绑定结果存入数据库中；本发明中的坐标系就是以实际的图书馆场景进行实地测量，先确定书架的坐标，再确定每个标签的坐标。

步骤2-2，通过查询数据库，确定距离图书馆机器人预定路径的起始位置最近的RFID标签和终止位置最近的RFID标签，并分别记为Tag_start和Tag_end；

步骤2-3，通过DFS(Depth First Search)深度优先算法，寻找以Tag_startRFID标签为起点，以Tag_endRFID标签为终点的最短路径，并将路径上经过的所有RFID标签的ID信息按照起点到终点的顺序储存入列表中。

步骤3包括：将步骤2所得的列表中第一个RFID标签作为图书馆机器人下一步需到达的目标RFID标签。

步骤5包括：

步骤5-1，根据RFID标签的ID信息id的不同，将id为步骤3中所得的目标RFID标签id的Tag数据划分成新的子集，并按照时间戳t的值升序排序。由于两个RFID读取天线受同一RFID阅读器控制，因而，两个RFID读取天线在一次读取过程中的时间戳t是相同的；

步骤5-2，将新得到的子集按照不同的RFID读取设备标号no分成两个新的子集，每个子集内将步骤4所得的所有五元组数据Tag按时间戳t的值升序排序，将排序结果分别保存在四元组和中，Data1中no取值为1，Data2中no取值为2，r₁表示通过第一个RFID读取设备采集到的当前读取RFID标签的RSSI值信息，表示通过第一个RFID读取设备采集到的当前读取RFID标签的相位差，r₂表示通过第二个RFID读取设备采集到的当前读取RFID标签的RSSI值信息，表示通过第二个RFID读取设备采集到的当前读取RFID标签的相位差。

步骤6包括：

步骤6-1，将步骤5中所得的两个四元组Data1和Data2，依据步骤1中所得的推理规则和隶属函数，分别计算得到图书馆机器人的当前位置信息Pos₁＝<id₃、α₁>，Pos₂＝<id₄、α₂>，Pos₁表示根据第一个四元组Data1计算得到的图书馆机器人的当前位置信息，其中，id₃表示根据第一个四元组Data1计算得到的当前距离机器人最近的RFID标签的ID信息，α₁表示根据第一个四元组Data1计算得到的当前机器人相对于该RFID标签的方位角；Pos₂表示根据第二个四元组Data2计算得到的图书馆机器人的当前位置信息，其中，id₄表示根据第二个四元组Data2算得到的当前距离机器人最近的RFID标签的ID信息，α₂表示根据第二个四元组Data2计算得到的当前机器人相对于该RFID标签的方位角；

步骤6-2，根据步骤6-1中所得位置信息Pos₁和Pos₂，依据如下公式更新图书馆机器人的方位角θ_rotation：

θ_rotation＝θ_{previous-＞cuurent}+θ_{current-＞goal}.........................(1)

其中，(x_previous,y_previous)为上一次定位时获得的图书馆机器人位置信息，x_previous,y_previous分别表示上一次定位时获得的图书馆机器人位置横坐标和纵坐标，(x_goal,y_goal)为图书馆机器人的目标位置，x_goal,y_goal分别表示目标位置横坐标和纵坐标，由目标RFID标签的位置确定，(x_current,y_current)为图书馆机器人当前位置，x_current,y_currentl分别表示当前位置横坐标和纵坐标，d为图书馆机器人与书架边沿间的垂直距离，δ为噪声误差，θ_{previous-＞current}是指当前位置与上一次定位位置之间的方向角，θ_{current-＞goal}是指目标位置与当前位置之间的方向角，x_id1、y_id1分别表示第一个四元组Data1计算得到的图书馆机器人的当前位置横坐标和纵坐标，x_id2、y_id2分别表示第二个四元组Data2计算得到的图书馆机器人的当前位置横坐标和纵坐标；

步骤6-3，根据步骤6-2中所得位置信息(x_current,y_current)判断图书馆机器人是否已到达步骤3所得下一步需到达的目标RFID标签所在位置，若满足(x_current,y_current)的横坐标和纵坐标的对应差值的绝对值与(x_goal,y_goal)的横坐标和纵坐标的对应差值的绝对值都小于threshold，则判断已到达目标位置。若已到达，则将步骤2中列表标记的下一步需到达的目标目标RFID标签删除，继续进行步骤6-4，否则，返回执行步骤4；

步骤6-4，判断步骤2所得列表中是否还存在RFID标签ID，若存在，则返回执行步骤3，否则，则判断图书馆机器人已到达预定最终位置。

本发明首次将模糊逻辑引入到移动图书馆机器人领域，并高效准确的实现了定位导航功能，从而使得图书馆机器人可以更好的实现上层功能，如：图书盘点等，并且有效的利用了图书馆的特殊环境，减少了成本。

有益效果：通过本方法可以避免为图书馆机器人增加昂贵的传感器，同时避免了低效复杂的传统定位导航算法，解决了图书馆机器人在移动过程中出现的定位失效、耗费计算资源等问题；同时，为上层功能的效果改善提供了重要的基础。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其它方面的优点将会变得更加清楚。

图1是图书馆机器人与书架的位置俯视示意图。

图2是RSSI值与相位α的关系图。

图3是相位差与相位α的关系图。

图4a是模糊逻辑系统RSSI隶属函数。

图4b是输入相位差的隶属函数。

图4c是输出相位α的隶属函数。

图5是本发明的流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

如图5所示，本发明公开了一种图书馆机器人定位导航方法，具体步骤如下：

步骤1，建立模糊推理系统，得到对应的推理规则；

步骤2，将图书馆机器人预定路径中经过的RFID标签的ID信息按顺序存入列表中；

步骤3，确定图书馆机器人下一步需到达的目标RFID标签的ID信息，并计算出图书馆机器人的前进方向，图书馆机器人开始朝下一步需到达的目标RFID标签所在位置移动；

步骤4，如图1所示是图书馆机器人与书架的位置俯视示意图，图1中，1是书架边沿，2是RFID标签，3是RFID天线，4是机器人底盘，图书馆机器人移动过程中，使用装置于图书馆机器人上的两个RFID读取设备分别读取放置于书架边沿的RFID标签，RFID读取设备读取的信号包括：RFID读取设备的标号信息no，RFID标签的ID信息id，两个RFID读取设备分别采集到当前读取RFID标签的相位差及RFID标签的RSSI值r，以及采集到该RFID标签的时间戳t，用五元组记录；no取值为1或2，为1时表示第一个RFID读取设备，为2时表示第二个RFID读取设备；

步骤5，对于五元组Tag中的信息进行数据预处理；

步骤6，将预处理后的五元组Tag中的信息输入步骤1得到的推理规则中，得到关于图书馆机器人的当前位置信息，并根据步骤2中的列表判断是否已经到达目标RFID标签所在位置，从而确认下一步的前进方向，以实现定位导航功能。

其中，步骤1包括：

步骤1-1，根据模糊逻辑方法，基于RFID信号的传播特性，建立两组单输入-单输出的曼丹尼模糊推理系统。模糊逻辑是一种模仿人脑的不确定性概念判断和推理思维方式。应用模糊推理系统，可以对模型未知或不能确定的描述系统进行有效描述和计算。由于RFID信号在传输过程中容易受周围环境影响，因而无法通过精确的公式描述其物理特性，如RSSI值等。因此，可以为其建立其对应的模糊推理系统。而后通过大量的实验数据对系统进行修正，使得它对RFID数据的描述更加精确。在本方法中，需要建立双输入-单输出的模糊推理系统，输入变量为同一RFID读取设备对同一RFID标签读取的RFID标签RSSI值和相位差输出变量为图书馆机器人相对于RFID标签的方位角α；并得出系统对应的隶属函数。通过隶属函数，可以建立起的关系；

步骤1-2，根据步骤1-1中建立的模糊推理系统，得出如下对应的“IF-THEN”模糊逻辑推理规则：

If RSSI is High andis Low Thenαis Low

If RSSI is High andis High Thenαis Medium

If RSSI is Low andis High Thenαis Medium

If RSSI is Low andis Low Thenαis High。

步骤2包括：

步骤2-1，在书架边沿每隔一定距离粘贴RFID标签，RFID标签的ID信息包括书架号、层数以及这一层的标号，按一定规则对所有RFID标签进行编号。例如，第10书架第1层第5个标签，其对应编号为“100105”。而后，将RFID标签与书架位置坐标绑定，将绑定结果存入数据库中；

步骤2-2，通过查询数据库，确定距离图书馆机器人预定路径的起始位置和终止位置最近的两个RFID标签，并分别记为Tag_start和Tag_end；

步骤2-3，通过DFS(Depth First Search)深度优先算法，寻找以Tag_start为起点，以Tag_end为终点的最短路径。将路径上经过的所有RFID标签的ID信息按找起点到终点的顺序储存入列表中。

步骤3包括：将步骤2所得的列表中第一个RFID标签作为图书馆机器人下一步需到达的目标RFID标签。

步骤5包括：

步骤5-1，根据RFID标签的ID信息id的不同，将id为步骤3中所得的目标RFID标签id的Tag数据划分成新的子集，并按照时间戳t的值升序排序。由于两个RFID读取天线受同一RFID阅读器控制，因而，两个RFID读取天线在一次读取过程中的时间戳t是相同的；

步骤5-2，将新得到的子集按照不同的RFID读取设备标号no分成两个新的子集，每个子集内将步骤4所得的所有五元组数据Tag按时间戳t的值升序排序，将排序结果分别保存在四元组和中，Data1中no取值为1，Data2中no取值为2，r₁表示通过第一个RFID读取设备采集到的当前读取RFID标签的RSSI值信息，表示通过第一个RFID读取设备采集到的当前读取RFID标签的相位差，r₂表示通过第二个RFID读取设备采集到的当前读取RFID标签的RSSI值信息，表示通过第二个RFID读取设备采集到的当前读取RFID标签的相位差。

步骤6包括：

步骤6-1，将步骤5中所得的两个四元组Data1和Data2，依据步骤1中所得的推理规则和隶属函数，分别计算得到图书馆机器人的当前位置信息Pos₁＝<id₃、α₁>，Pos₂＝<id₄、α₂>，Pos₁表示根据第一个四元组Data1计算得到的图书馆机器人的当前位置信息，其中，id₃表示根据第一个四元组Data1计算得到的当前距离机器人最近的RFID标签的ID信息，α₁表示根据第一个四元组Data1计算得到的当前机器人相对于该RFID标签的方位角；Pos₂表示根据第二个四元组Data2计算得到的图书馆机器人的当前位置信息，其中，id₄表示根据第二个四元组Data2算得到的当前距离机器人最近的RFID标签的ID信息，α₂表示根据第二个四元组Data2计算得到的当前机器人相对于该RFID标签的方位角；

步骤6-2，根据步骤6-1中所得位置信息Pos₁和Pos₂，依据如下公式更新图书馆机器人的方位角θ_rotation：

θ_rotation＝θ_{previous-＞cuurent}+θ_{current-＞goal}..................(1)

其中，(x_previous,y_previous)为上一次定位时获得的图书馆机器人位置信息，x_previous,y_previous分别表示上一次定位时获得的图书馆机器人位置横坐标和纵坐标，(x_goal,y_goal)为图书馆机器人的目标位置，x_goal,y_goal分别表示目标位置横坐标和纵坐标，由目标RFID标签的位置确定，(x_current,y_current)为图书馆机器人当前位置，x_current,y_currentl分别表示当前位置横坐标和纵坐标，d为图书馆机器人与书架边沿间的垂直距离，δ为噪声误差，θ_{previous-＞current}是指当前位置与上一次定位位置之间的方向角，θ_{current-＞goal}是指目标位置与当前位置之间的方向角，x_id1、y_id1分别表示第一个四元组Data1计算得到的图书馆机器人的当前位置横坐标和纵坐标，x_id2、y_id2分别表示第二个四元组Data2计算得到的图书馆机器人的当前位置横坐标和纵坐标；

步骤6-3，根据步骤6-2中所得位置信息(x_current,y_current)判断图书馆机器人是否已到达步骤3所得下一步需到达的目标RFID标签所在位置，若满足(x_current,y_current)的横坐标和纵坐标的对应差值的绝对值与(x_goal,y_goal)的横坐标和纵坐标的对应差值的绝对值都小于threshold，则判断已到达目标位置。若已到达，则将步骤2中列表标记的下一步需到达的目标目标RFID标签删除，继续进行步骤6-4，否则，返回执行步骤4；

步骤6-4，判断步骤2所得列表中是否还存在RFID标签ID，若存在，则返回执行步骤3，否则，则判断图书馆机器人已到达预定最终位置。

实施例1

RFID技术主要由三部分构成：天线，阅读器和RFID标签。RFID标签从启动能源上区分共有三类，其中最重要的一种是无源RFID标签，RFID标签本身不具备能源，只通过反射从天线发射的射频信号来传播数据。反射的信号可以通过多种物理属性来描述，RSSI值和相位角就是其中之二。根据公式，距离与RSSI值的关系如下：

d＝10^((abs(RSSI)-A)/(10*n)).....(6)

其中，d为天线中心点与RFID标签的直线距离，RSSI为接受信号强度(负值)，A为发射天线和RFID标签距离为1米时的RSSI值，n为环境衰减因子，上述公式经过转换可得：

RSSI＝-log(10*n*d+A)................(7)

在本实施例中，图书馆机器人沿书架边沿平行移动，故而天线与书架边沿，即到RFID标签的垂直距离保持不变，因而可以得知：

d＝L/cosα..........................................(8)

其中，L为天线中心到书架边沿的垂直距离，在本实施例中为5cm。α为RFID标签相对于天线中心线的偏角。带入上面的公式后可得：

RSSI＝-log(10*n*L/cosα+A)..........(9)

由此可知，RSSI与α成周期性变化规律，变化周期为2π。通过同时分析及实验，α与RSSI的关系有如图2的规律。

通过图2可以得出以下结论：

当夹角α由大到小时，RSSI值递增；反之，有小到大时，RSSI值递减。

根据相关资料，相位差随着距离变化规律如下：

其中表示相位差，d表示距离，即阅读器天线与RFID标签的距离，λ表示电磁波的波长，δ表示其它的影响因素。相位差θ随着距离呈现周期性的变化规律，变化周期为2π。

同样，经公式带入后可得：

由此可知，与α成周期性变化规律，变化周期为2π。通过同时分析及实验，与α的关系有如图3的规律。

通过图3可以得出以下结论：

当夹角α由大到小时，相位差值递增；反之，有小到大时，相位差值递减。

根据以上的变化规律，通过大量实验数据的整合，基于模糊逻辑方法，可以建立一个双输入-单输出的模糊推理系统，其隶属函数如图4a、图4b、图4c所示。同时，可以得到如下的推理规则：

If RSSI is High andis Low Thenαis Low

If RSSI is High andis High Thenαis Medium

If RSSI is Low andis High Thenαis Medium

If RSSI is Low andis High Thenαis High

基于以上的推理系统和规则，在后续实验中，可以直接通过RSSI值得到α的值。由于RFID标签的位置已知，因此，可以通过RFID标签位置和α的值判断RFID读取天线的位置。在本实施例中，使用了两个天线，因而，最终图书馆机器人的位置需通过取平均值的方式获得。

本实施例中隶属函数如下：

RSSI的隶属函数：

其中，μ_Low(RSSI)、μ_High(RSSI)分别表示RSSI值对于“低”(Low)和“高”(High)的隶属度。

相位差的隶属函数：

其中，分别表示相位差对于“低”(Low)和“高”(High)的隶属度。

方位角ɑ的隶属函数：

其中，μ_Low(α)、μ_Middle(α)以及μ_High(α)分别表示方位角ɑ对于“低”(Low)、“中”(Middle)和“高”(High)的隶属度。

本实施例提供的基于超高频RFID技术的图书馆机器人定位导航技术，其中数据采集的过程如下：

1、在书架边沿每隔一定距离粘贴RFID标签，并在RFID标签中录入RFID标签ID信息，同时将ID信息、标签的实际坐标以及每个RFID标签的相邻RFID标签ID信息存入后台数据库服务器。

2、图书馆机器人将沿书架边沿从一段缓慢移动向另一端，期间，图书馆机器人与书架边沿的距离保持一定距离。

图书馆机器人在移动过程中，速度保持稳定，每隔0.1s进行一次数据扫描。RFID读取设备的标号信息no，RFID标签的ID信息id，两个RFID读取设备分别采集到当前读取RFID标签的相位差及RFID标签的RSSI值r，以及采集到该RFID标签的时间戳t，用五元组记录。

3、将采集到的数据信息保存到数据库，以备后续流程的分析和处理。

采集数据后，需要对数据进行预处理，具体实现过程如下：

1、将采集到的RFID标签信息，从中筛选出id为目标RFID标签的数据。

2、由于在环境中存在许多抱歉，而RFID标签之间存在相互干扰和多径效应的硬性，造成采集的数据存在误差和噪声，从而影响后续计算的结果。设定有关RSSI的阈值threshold，当搜集的数据小于threshold时，判断为无效数据，应直接删除。

3、对于以预处理过的数据进行平滑处理，从而取出高斯噪声的影响。

数据进行预处理后，利用上述的推理系统隶属函数，得到当前图书馆机器人的位置信息。具体实现过程如下：

1、假设P_j，j＝1,2,...M代表一次扫描后RFID标签相对于图书馆机器人的可能位置，并且这些点与图书馆机器人的中心的连线之间的间隔相同，即P_j与α之间一一对应。

2、当图书馆机器人移动过程中，将一段时间内的数据综合考虑，分别取RSSI和相位差的平均值作为推理系统的输入值，并计算出输入变量对应的隶属度。

3、根据推理规则，计算出输入变量对于每条规则的隶属度。

4、采用加权平均法进行清晰化计算，最终得到α的清晰值。

对两组数据分别进行上述操作，分别得到Pos1＝<id₁、α₁>，Pos2＝<id₂、α₂>。在得到两组值之后，可以计算得到RFID标签相对于图书馆机器人的位置坐标，由于RFID标签的实际坐标已知，最终可以利用公式(1)-(5)得到图书馆机器人的当前位置信息＜x_current,y_current＞。

已知图书馆机器人当前位置后，需要进行后续的导航工作，具体过程如下：

1、判断图书馆机器人当前的位置是否一定到达当前的目标位置＜x_goal,y_goal＞，判断标准为：

x_goal＝x_current±ω

y_goal＝y_current±ω

即当前位置坐标与目标位置坐标的横纵差值不超过ω(cm)。

2、若判断已达到目标位置，则将列表中保存的RFID标签ID的第一个数据删除，并更新新的目标位置为更改后的列表的第一个ID。若列表在删除后已空，则表明图书馆机器人已到达最终的目标位置，图书馆机器人停止运动；反之，通过查询数据库找到其实际坐标，更新＜x_goal,y_goal＞的值为相应值。

3、若判断未到达当前目标位置，则利用公式(1)-(3)计算图书馆机器人的前进方向偏角，继续移动，并重复之前的步骤。

本实施例的一种图书馆机器人定位导航方法流程如图5所示。

1、RFID标签的放置与数据绑定录入

将RFID标签按规定贴在书架的边沿。尽量让RFID标签与天线中心处于同一水平线上。如果RFID天线的高度不固定，则将RFID标签贴在书架每一层的边沿。每一层的RFID标签之间间隔相同，视书架整体长度而定。由于算法精度要求，RFID标签的间隔不宜过大。例如，当RFID天线的读取功率在30dbm时，RFID标签的间隔不宜超过15cm。

按一定规则对所有RFID标签进行编号，要求ID号包含：书架号，层数以及这一层的标号。例如，第10书架第1层第5个标签，其对应编号为“100105”。

在数据库中将RFID标签ID和对应的实际坐标一同存入。

2、利用DFS(Depth First Search)深度优先算法找到起点到终点的最短路径。利用DFS算法，根据RFID标签的相邻关系，先找到距离起点坐标最近的RFID标签Tag_start，在根据其相邻RFID标签(指处于同一书架同一层的相邻RFID标签)的坐标，不断向外拓展，直到找到距离终点坐标最近的RFID标签Tag_end，同时，将这条路径上经过的所有标签记录在列表中，并将列表中第一个RFID标签作为当前目标RFID标签，其对应的坐标作为当前目的坐标，记录在＜x_goal,y_goal＞中。

3、图书馆机器人移动同时进行RFID标签扫描

由于RSSI值与相位差值对距离非常敏感，因而在移动过程中，图书馆机器人天线正对书架，并与书架边沿保持10cm左右的距离。同时，为保证在移动过程中RFID天线读取到足够多的数据，应将移动速度控制在一定范围内，被实施例中为0.1m/s。

每次读取数据后，提取出需要的信息，包括RFID标签的ID、RFID标签返回的RSSI值、RFID标签返回的相位差值以及读取的时间戳t。将读取的数据保存在后台数据库中。

4、对数据进行预处理

首先从获取的数据中，根据ID信息筛选出属于当前目标RFID标签的数据信息。再根据天线号no的不同，将新的数据分为两组。新得到的数据就是两个RFID读取天线对目标RFID标签的读取数据。对数据中的RSSI值和相位差值进行平滑处理，以去除高斯噪声带来的影响。将预处理后的数据保存在后台数据库中。

5、利用模糊推理系统的隶属函数获得RFID标签相对于图书馆机器人的方位角ɑ

将搜集到的数据经过平均后作为输入值带入隶属函数中，计算得到输入值对于每个元素的隶属度，从中取平均值，作为该输入量的模糊结果。将得到的RSSI值和相位差值的模糊结果输入推理规则中，计算得到隶属度最高的推理规则，从而可以得出输出量所述的模糊集合。再利用加权平均法进行去模糊化操作，得到输出变量ɑ的清晰值。

6、利用方位角ɑ进行定位导航

根据两组方位角ɑ的值与目标RFID标签的实际坐标＜x_goal,y_goal＞的值，可以计算出当前图书馆机器人的实际坐标＜x_current,y_current＞。这样就实现了定位操作。根据＜x_current,y_current＞与＜x_goal,y_goal＞之间的误差大小可以判断图书馆机器人是否到达当前目标位置。在本实施例中，设定threshold为3cm。若符合判断要求，则判断图书馆机器人已到达目标位置。将路径列表中第一个RFID标签删除，同时更新目标RFID标签为新的列表中的第一个RFID标签ID，更新＜x_goal,y_goal＞为其对应的坐标。若新列表中已无剩余RFID标签，则说明图书馆机器人已移动到终点位置，本次运动过程停止；否则，则利用公式(1)-(3)计算图书馆机器人新的位姿，更新后重复执行扫描步骤。

本发明提供了一种图书馆机器人定位导航方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (6)

1.一种图书馆机器人定位导航方法，其特征在于，包括如下步骤：

步骤1，建立模糊推理系统，得到对应的推理规则；

步骤2，将图书馆机器人预定路径中经过的RFID标签的ID信息按顺序存入列表中；

步骤3，确定图书馆机器人下一步需到达的目标RFID标签的ID信息，并计算出图书馆机器人的前进方向，图书馆机器人开始朝下一步需到达的目标RFID标签所在位置移动；

步骤4，图书馆机器人移动过程中，使用装置于图书馆机器人上的两个RFID读取设备分别读取放置于书架边沿的RFID标签，第一个RFID读取设备的天线记为天线1，第二个RFID读取设备的天线记为天线2，RFID读取设备读取的信号包括：RFID读取设备的标号信息no，RFID标签的ID信息id，两个RFID读取设备分别采集到当前读取RFID标签的相位差及RFID标签的RSSI值r，以及采集到该RFID标签的时间戳t，用五元组记录；no取值为1或2，为1时表示第一个RFID读取设备，为2时表示第二个RFID读取设备；

步骤5，对于五元组中的信息进行数据预处理；

步骤6，将预处理后的五元组中的信息输入步骤1得到的推理规则中，得到关于图书馆机器人的当前位置信息，并根据步骤2中的列表判断是否已经到达目标RFID标签所在位置，从而确认下一步的前进方向，以实现定位导航功能。

2.根据权利要求1所述的方法，其特征在于，步骤1包括：

步骤1-1，根据模糊逻辑方法，基于RFID信号的传播特性，建立一组双输入、单输出的模糊推理系统，其中，输入变量为同一RFID读取设备对同一RFID标签读取的RFID标签RSSI值和相位差输出变量为图书馆机器人相对于RFID标签的方向角α；并得出模糊推理系统对应的隶属函数，通过隶属函数，建立起的关系；

步骤1-2，根据步骤1-1中建立的模糊推理系统，得出模糊逻辑推理规则。

3.根据权利要求2所述的方法，其特征在于，步骤2包括：

步骤2-1，在书架边沿每隔一定距离粘贴RFID标签，RFID标签的ID信息包括书架号、层数以及这一层的标号，按一定规则对所有RFID标签进行编号，将RFID标签的ID信息与标签的具体位置坐标信息以及标签的相邻关系进行绑定，将绑定结果存入数据库中；

步骤2-2，通过查询数据库，确定距离图书馆机器人预定路径的起始位置最近的RFID标签和终止位置最近的RFID标签，并分别记为Tag_start和Tag_end；

步骤2-3，通过DFS深度优先算法，寻找以Tag_start标签为起点，以Tag_end标签为终点的最短路径，并将路径上经过的所有RFID标签的ID信息按照起点到终点的顺序储存入列表中。

4.根据权利要求3所述的方法，其特征在于，步骤3包括：将步骤2所得的列表中第一个RFID标签作为图书馆机器人下一步需到达的目标RFID标签。

5.根据权利要求4所述的方法，其特征在于，步骤5包括：

步骤5-1，根据RFID标签的ID信息id的不同，将id为步骤3中所得的目标RFID标签id的Tag数据划分成新的子集，并按照时间戳t的值升序排序；

步骤5-2，将新得到的子集按照不同的RFID读取设备标号no分成两个新的子集，每个子集内将步骤4所得的所有五元组数据Tag按时间戳t的值升序排序，将排序结果分别保存在四元组和中，Data1中no取值为1，Data2中no取值为2，r₁表示通过第一个RFID读取设备采集到的当前读取RFID标签的RSSI值信息，表示通过第一个RFID读取设备采集到的当前读取RFID标签的相位差，r₂表示通过第二个RFID读取设备采集到的当前读取RFID标签的RSSI值信息，表示通过第二个RFID读取设备采集到的当前读取RFID标签的相位差。

6.根据权利要求5所述的方法，其特征在于，步骤6包括：

步骤6-1，将步骤5中所得的两个四元组Data1和Data2，依据步骤1中所得的推理规则和隶属函数，分别计算得到图书馆机器人的当前位置信息Pos₁＝<id₃、α₁>，Pos₂＝<id₄、α₂>，Pos₁表示根据第一个四元组Data1计算得到的图书馆机器人的当前位置信息，其中，id₃表示根据第一个四元组Data1计算得到的当前距离机器人最近的RFID标签的ID信息，α₁表示根据第一个四元组Data1计算得到的当前机器人相对于该RFID标签的方位角；Pos₂表示根据第二个四元组Data2计算得到的图书馆机器人的当前位置信息，其中，id₄表示根据第二个四元组Data2算得到的当前距离机器人最近的RFID标签的ID信息，α₂表示根据第二个四元组Data2计算得到的当前机器人相对于该RFID标签的方位角；

步骤6-2，根据步骤6-1中所得位置信息Pos₁和Pos₂，依据如下公式更新图书馆机器人的方位角θ_rotation：

θ_rotation＝θ_{previous-＞cuurent}+θ_{current-＞goal}

其中，(x_previous,y_previous)为上一次定位时获得的图书馆机器人位置信息，x_previous,y_previous分别表示上一次定位时获得的图书馆机器人位置横坐标和纵坐标，(x_goal,y_goal)为图书馆机器人的目标位置，x_goal,y_goal分别表示目标位置横坐标和纵坐标，由目标RFID标签的位置确定，(x_current,y_current)为图书馆机器人当前位置，x_current,y_currentl分别表示当前位置横坐标和纵坐标，d为图书馆机器人与书架边沿间的垂直距离，δ为噪声误差，θ_{previous-＞current}是指当前位置与上一次定位位置之间的方向角，θ_{current-＞goal}是指目标位置与当前位置之间的方向角，x_id1、y_id1分别表示第一个四元组Data1计算得到的图书馆机器人的当前位置横坐标和纵坐标，x_id2、y_id2分别表示第二个四元组Data2计算得到的图书馆机器人的当前位置横坐标和纵坐标；

步骤6-3，根据步骤6-2中所得位置信息(x_current,y_current)判断图书馆机器人是否已到达步骤3所得下一步需到达的目标RFID标签所在位置，若满足(x_current,y_current)的横坐标和纵坐标的对应差值的绝对值与(x_goal,y_goal)的横坐标和纵坐标的对应差值的绝对值都小于threshold，则判断已到达目标位置，若已到达，则将步骤2中列表标记的下一步需到达的目标目标RFID标签删除，继续进行步骤6-4，否则，返回执行步骤4；

步骤6-4，判断步骤2所得列表中是否还存在RFID标签ID，若存在，则返回执行步骤3，否则，则判断图书馆机器人已到达预定最终位置。