CN112782706A - 机器人超声波传感器障碍物检测方法及系统 - Google Patents

机器人超声波传感器障碍物检测方法及系统 Download PDF

Info

Publication number
CN112782706A
CN112782706A CN202110030619.7A CN202110030619A CN112782706A CN 112782706 A CN112782706 A CN 112782706A CN 202110030619 A CN202110030619 A CN 202110030619A CN 112782706 A CN112782706 A CN 112782706A
Authority
CN
China
Prior art keywords
distance
ultrasonic sensor
value
time
robot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110030619.7A
Other languages
English (en)
Other versions
CN112782706B (zh
Inventor
崔欣
高明
马辰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong New Generation Information Industry Technology Research Institute Co Ltd
Original Assignee
Jinan Inspur Hi Tech Investment and Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jinan Inspur Hi Tech Investment and Development Co Ltd filed Critical Jinan Inspur Hi Tech Investment and Development Co Ltd
Priority to CN202110030619.7A priority Critical patent/CN112782706B/zh
Publication of CN112782706A publication Critical patent/CN112782706A/zh
Application granted granted Critical
Publication of CN112782706B publication Critical patent/CN112782706B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了机器人超声波传感器障碍物检测方法及系统，属于机器人及嵌入式系统领域，本发明要解决的技术问题为如何使机器人更加准确地进行避障，采用的技术方案为：该方法是采用机器人的FPGA处理器平台进行数据的实时计算和处理，在FPGA内部采用Verilog硬件描述语言进行数字逻辑设计；具体如下：超声波传感器变视野测量及超声波传感器转动测量；经过t时间后距离测量；经过t时间后记录实时距离值；根据卡尔曼滤波算法，计算得到当前距离值的最优估算；迭代运算，获得距离最优估计值；更新栅格地图并决策避障；FPGA处理器平台向机器人导航控制模块提供决策依据，实现机器人精准避障。

Description

机器人超声波传感器障碍物检测方法及系统
技术领域
本发明涉及机器人及嵌入式系统领域，具体地说是机器人超声波传感器障碍物检测方法及系统。
背景技术
机器人(Robot)是一种能够半自主或全自主工作的智能机器。机器人具有感知、决策、执行等基本特征，可以辅助甚至替代人类完成危险、繁重、复杂的工作，提高工作效率与质量，服务人类生活，扩大或延伸人的活动及能力范围。
机器人采用超声波传感器进行避障时，多采用概率模型进行建模，按照概率模型估计栅格内存在障碍物的可能性，并认为在中心线处障碍物存在的概率最大。但是该避障方法存在如下缺点：
由于对中心以外栅格进行概率模型粗略估计，离实际位置可能存在较大误差，测量出的障碍物位置仍只能大概率反映出障碍物存在于检测扇形范围内，而不能检测到障碍物在扇形区域内的位置。
故如何使机器人更加准确地进行避障是目前亟待解决的技术问题。
发明内容
本发明的技术任务是提供机器人超声波传感器障碍物检测方法及系统，来解决如何使机器人更加准确地进行避障的问题。
本发明的技术任务是按以下方式实现的，一种机器人超声波传感器障碍物检测方法，该方法是采用机器人的FPGA处理器平台进行数据的实时计算和处理，在FPGA内部采用Verilog硬件描述语言进行数字逻辑设计；具体如下：
超声波传感器变视野测量及超声波传感器转动测量；
经过t时间后距离测量；
经过t时间后记录实时距离值；
根据卡尔曼滤波算法，计算得到当前距离值的最优估算；
迭代运算，获得距离最优估计值；
更新栅格地图并决策避障；
FPGA处理器平台向机器人导航控制模块提供决策依据，实现机器人精准避障。
作为优选，超声波传感器变视野测量及超声波传感器转动测量具体如下：
超声波传感器发射接收器以5cm/s线速度、以固定点为中心、以竖直线为轴、以机器人头部向前方向左右40度为最大角度左右反复转动；
在超声波传感器发射接收口轴心两边增加遮挡板，限制发射接收视角角度，控制遮挡板及视角角度以40°/s的速度从0度开始不断变大至20度、再不断变小至0度，如此反复变化，记录每轮视野变化中每个时刻传感器读数及每轮视野变化中视角趋近于0时超声波传感器中心读数；
由于读数会受视野大小、障碍物位置影响及传感器本身误差，测量结果存在误差，选取连续五次视野变化运动中视野角度为5°的读数浮动较小的读数，取其均值，作为近似准确读数S1；
检测结果随着快速运动在本轮视野变化运动中统计值近似呈正态分布概率模型，此时距离估计值概率分布表示为：
Figure BDA0002891759930000021
其中，
Figure BDA0002891759930000022
表示改变视野时距离测量方差,预先采用超声波传感器进行多次小视野角度测量得到；N表示正态分布。
作为优选，经过t时间后距离测量具体如下：
经过时间t，根据左右扫描运动角度计算出此时的距离，设由90°运动到90+θ，当时间无穷小时，距离值近似为线性增长，此时距离为估计值为S1+vt，此时距离估计值概率分布为：
Figure BDA0002891759930000023
其中，t＜1ms；v表示超声波传感器左右转动短时间内在轴向的近似线性距离增长速度值；
Figure BDA0002891759930000024
表示超声波传感器左右转动时，其测量值在短时间内服从线性增长的引入噪声方差，由超声波传感器多次短时间内左右转动实验测量其距离值增长值得出；a及
Figure BDA0002891759930000025
分别表示正态分布期望及方差值。
作为优选，经过t时间后记录实时距离值具体如下：
再次记录本次实时距离值，距离测量值Z2正态分布为：
Figure BDA0002891759930000026
其中，z2表示此时测量得到的距离值；
Figure BDA0002891759930000027
表示超声波传感器改变视野时距离测量方差，由预先实验得出。
作为优选，根据卡尔曼滤波算法，计算得到当前距离值的最优估算，具体如下：
根据卡尔曼滤波算法，计算得到当前距离的初步估计概率分布：
Figure BDA0002891759930000031
根据卡尔曼滤波算法，采用S’2和Z’2的方差作为对数据的可相信权重，对b2经过加权处理得到当前位置的最优估计的概率分布c’2：
Figure BDA0002891759930000032
当前距离值的最优估计为：
Figure BDA0002891759930000033
作为优选，迭代运算，获得距离最优估计值具体如下：
以c2作为当前距离，
Figure BDA0002891759930000034
为当前方差，随着不断采样、挡板改变视野、超声波传感器发射接收器左右转动不断对接下来的时刻进行迭代运算并更新距离估计结果。
更优地，更新栅格地图并决策避障具体为：
迭代运算并更新获得的距离估计结果为当前角度区域内的距离估计结果，根据该距离估计结果估计障碍物距离并更新机器人超声波传感器扇形视野中当前检测栅格内的检测结果，即获得较为准确、精细的障碍物检测结果。
一种机器人超声波传感器障碍物检测系统，该系统包括，
视野及转动测量模块，用于超声波传感器变视野测量及超声波传感器转动测量；
距离测量模块，用于经过t时间后距离测量；
记录模块，用于经过t时间后记录实时距离值；
计算模块，用于根据卡尔曼滤波算法，计算得到当前距离值的最优估算；
迭代模块，用于迭代运算，获得距离最优估计值；
更新模块，用于更新栅格地图并决策避障；
推送模块，用于FPGA处理器平台向机器人导航控制模块提供决策依据，实现机器人精准避障。
作为优选，所述视野及转动测量模块的工作过程具体如下：
(1)、超声波传感器发射接收器以5cm/s线速度、以固定点为中心、以竖直线为轴、以机器人头部向前方向左右40度为最大角度左右反复转动；
(2)、在超声波传感器发射接收口轴心两边增加遮挡板，限制发射接收视角角度，控制遮挡板及视角角度以40°/s的速度从0度开始不断变大至20度、再不断变小至0度，如此反复变化，记录每轮视野变化中每个时刻传感器读数及每轮视野变化中视角趋近于0时超声波传感器中心读数；
(3)、由于读数会受视野大小、障碍物位置影响及传感器本身误差，测量结果存在误差，选取连续五次视野变化运动中视野角度为5°的读数浮动较小的读数，取其均值，作为近似准确读数S1；
(4)、检测结果随着快速运动在本轮视野变化运动中统计值近似呈正态分布概率模型，此时距离估计值概率分布表示为：
Figure BDA0002891759930000041
其中，
Figure BDA0002891759930000042
表示改变视野时距离测量方差,预先采用超声波传感器进行多次小视野角度测量得到；N表示正态分布；
所述距离测量模块的工作过程具体如下：
经过时间t，根据左右扫描运动角度计算出此时的距离，设由90°运动到90+θ，当时间无穷小时，距离值近似为线性增长，此时距离为估计值为S1+vt，此时距离估计值概率分布为：
Figure BDA0002891759930000043
其中，t＜1ms；v表示超声波传感器左右转动短时间内在轴向的近似线性距离增长速度值；
Figure BDA0002891759930000044
表示超声波传感器左右转动时，其测量值在短时间内服从线性增长的引入噪声方差，由超声波传感器多次短时间内左右转动实验测量其距离值增长值得出；a及
Figure BDA0002891759930000045
分别表示正态分布期望及方差值；
所述记录模块的工作过程具体如下：
再次记录本次实时距离值，距离测量值Z2正态分布为：
Figure BDA0002891759930000046
其中，z2表示此时测量得到的距离值；
Figure BDA0002891759930000047
表示超声波传感器改变视野时距离测量方差，由预先实验得出。
作为优选，所述计算模块的工作过程具体如下：
(1)、根据卡尔曼滤波算法，计算得到当前距离的初步估计概率分布：
Figure BDA0002891759930000051
(2)、根据卡尔曼滤波算法，采用S’2和Z’2的方差作为对数据的可相信权重，对b2经过加权处理得到当前位置的最优估计的概率分布c’2：
Figure BDA0002891759930000052
(3、)当前距离值的最优估计为：
Figure BDA0002891759930000053
所述迭代模块的工作过程具体如下：
以c2作为当前距离，
Figure BDA0002891759930000054
为当前方差，随着不断采样、挡板改变视野、超声波传感器发射接收器左右转动不断对接下来的时刻进行迭代运算并更新距离估计结果。
本发明的机器人超声波传感器障碍物检测方法及系统具有以下优点：
(一)本发明采用卡尔曼滤波算法将估测的角度读数与实际读数进行融合，获得此时较准确的障碍物距离数据，依据实际检测结果估测障碍物实际位置，避免了简单粗暴采用概率模型进行主观估计带来的障碍物位置估计不准确，可获得实际障碍物在扇形检测范围内的实际位置，使机器人更加准确地进行避障；
(二)本发明通过超声波传感器发射接收器以一定角速度左右转动方向，在发射接收口轴心两边增加遮挡板限制发射接收视角角度，控制遮挡板及视角角度以一定速度从0度开始不断变大至20度、然后不断变小至0度，如此反复变化，记录每轮变化中每个时刻传感器读数，及每轮变化中视角趋近于0时传感器中心读数，通过上轮变化中中心读数估算此时实际距离值，将估测的此角度读数与实际读数采用卡尔曼滤波算法进行融合，获得此时较准确的障碍物距离，随着传感器转动与视角不断变化不断更新预测值，即可获得不同角度的障碍物检测结果，从而更新出实际障碍物位置；
(三)本发明依据实际检测结果估测障碍物实际位置，避免了简单粗暴采用概率模型进行主观估计带来的障碍物位置估计不准确，可获得实际障碍物在扇形检测范围内的实际位置；
(四)本发明采用卡尔曼滤波算法进行最优估计，采用多次采样、迭代计算更新估计结果，消除传感器数据不确定带来的误差，工作稳定、结果可靠性较高；
(五)本发明具有结构简单，算法简明的优点，适合fpga的并行处理结构及底层设计的特点，且运行速度较快，可实时监测。
附图说明
下面结合附图对本发明进一步说明。
附图1为机器人超声波传感器障碍物检测方法的流程框图。
具体实施方式
参照说明书附图和具体实施例对本发明的机器人超声波传感器障碍物检测方法及系统作以下详细地说明。
实施例1：
如附图1所示，本发明的机器人超声波传感器障碍物检测方法，该方法是采用机器人的FPGA处理器平台进行数据的实时计算和处理，在FPGA内部采用Verilog硬件描述语言进行数字逻辑设计；具体如下：
S1、超声波传感器变视野测量及超声波传感器转动测量；
S2、经过t时间后距离测量；
S3、经过t时间后记录实时距离值；
S4、根据卡尔曼滤波算法，计算得到当前距离值的最优估算；
S5、迭代运算，获得距离最优估计值；
S6、更新栅格地图并决策避障；
S7、FPGA处理器平台向机器人导航控制模块提供决策依据，实现机器人精准避障。
本实施例中步骤S1的超声波传感器变视野测量及超声波传感器转动测量具体如下：
S101、超声波传感器发射接收器以5cm/s线速度、以固定点为中心、以竖直线为轴、以机器人头部向前方向左右40度为最大角度左右反复转动；
S102、在超声波传感器发射接收口轴心两边增加遮挡板，限制发射接收视角角度，控制遮挡板及视角角度以40°/s的速度从0度开始不断变大至20度、再不断变小至0度，如此反复变化，记录每轮视野变化中每个时刻传感器读数及每轮视野变化中视角趋近于0时超声波传感器中心读数；
S103、由于读数会受视野大小、障碍物位置影响及传感器本身误差，测量结果存在误差，选取连续五次视野变化运动中视野角度为5°的读数浮动较小的读数，取其均值，作为近似准确读数S1；
S104、检测结果随着快速运动在本轮视野变化运动中统计值近似呈正态分布概率模型，此时距离估计值概率分布表示为：
Figure BDA0002891759930000071
其中，
Figure BDA0002891759930000072
表示改变视野时距离测量方差,预先采用超声波传感器进行多次小视野角度测量得到；N表示正态分布。
本实施例中步骤S2的经过t时间后距离测量具体如下：
经过时间t，根据左右扫描运动角度计算出此时的距离，设由90°运动到90+θ，当时间无穷小时，距离值近似为线性增长，此时距离为估计值为S1+vt，此时距离估计值概率分布为：
Figure BDA0002891759930000073
其中，t＜1ms；v表示超声波传感器左右转动短时间内在轴向的近似线性距离增长速度值；
Figure BDA0002891759930000074
表示超声波传感器左右转动时，其测量值在短时间内服从线性增长的引入噪声方差，由超声波传感器多次短时间内左右转动实验测量其距离值增长值得出；a及
Figure BDA0002891759930000075
分别表示正态分布期望及方差值。
本实施例中步骤S3的经过t时间后记录实时距离值具体如下：
再次记录本次实时距离值，距离测量值Z2正态分布为：
Figure BDA0002891759930000076
其中，z2表示此时测量得到的距离值；
Figure BDA0002891759930000077
表示超声波传感器改变视野时距离测量方差，由预先实验得出。
本实施例中步骤S41的根据卡尔曼滤波算法，计算得到当前距离值的最优估算，具体如下：
S401、根据卡尔曼滤波算法，计算得到当前距离的初步估计概率分布：
Figure BDA0002891759930000078
S402、根据卡尔曼滤波算法，采用S’2和Z’2的方差作为对数据的可相信权重，对b2经过加权处理得到当前位置的最优估计的概率分布c’2：
Figure BDA0002891759930000081
S403、当前距离值的最优估计为：
Figure BDA0002891759930000082
本实施例中步骤S5的迭代运算，获得距离最优估计值具体如下：
以c2作为当前距离，
Figure BDA0002891759930000083
为当前方差，随着不断采样、挡板改变视野、超声波传感器发射接收器左右转动不断对接下来的时刻进行迭代运算并更新距离估计结果。
本实施例中步骤S6的更新栅格地图并决策避障具体为：
迭代运算并更新获得的距离估计结果为当前角度区域内的距离估计结果，根据该距离估计结果估计障碍物距离并更新机器人超声波传感器扇形视野中当前检测栅格内的检测结果，即获得较为准确、精细的障碍物检测结果。
实施例2：
本发明的机器人超声波传感器障碍物检测系统，该系统包括，
视野及转动测量模块，用于超声波传感器变视野测量及超声波传感器转动测量；
距离测量模块，用于经过t时间后距离测量；
记录模块，用于经过t时间后记录实时距离值；
计算模块，用于根据卡尔曼滤波算法，计算得到当前距离值的最优估算；
迭代模块，用于迭代运算，获得距离最优估计值；
更新模块，用于更新栅格地图并决策避障；
推送模块，用于FPGA处理器平台向机器人导航控制模块提供决策依据，实现机器人精准避障。
本实施例中的视野及转动测量模块的工作过程具体如下：
(1)、超声波传感器发射接收器以5cm/s线速度、以固定点为中心、以竖直线为轴、以机器人头部向前方向左右40度为最大角度左右反复转动；
(2)、在超声波传感器发射接收口轴心两边增加遮挡板，限制发射接收视角角度，控制遮挡板及视角角度以40°/s的速度从0度开始不断变大至20度、再不断变小至0度，如此反复变化，记录每轮视野变化中每个时刻传感器读数及每轮视野变化中视角趋近于0时超声波传感器中心读数；
(3)、由于读数会受视野大小、障碍物位置影响及传感器本身误差，测量结果存在误差，选取连续五次视野变化运动中视野角度为5°的读数浮动较小的读数，取其均值，作为近似准确读数S1；
(4)、检测结果随着快速运动在本轮视野变化运动中统计值近似呈正态分布概率模型，此时距离估计值概率分布表示为：
Figure BDA0002891759930000091
其中，
Figure BDA0002891759930000092
表示改变视野时距离测量方差,预先采用超声波传感器进行多次小视野角度测量得到；N表示正态分布；
本实施例中的距离测量模块的工作过程具体如下：
经过时间t，根据左右扫描运动角度计算出此时的距离，设由90°运动到90+θ，当时间无穷小时，距离值近似为线性增长，此时距离为估计值为S1+vt，此时距离估计值概率分布为：
Figure BDA0002891759930000093
其中，t＜1ms；v表示超声波传感器左右转动短时间内在轴向的近似线性距离增长速度值；
Figure BDA0002891759930000094
表示超声波传感器左右转动时，其测量值在短时间内服从线性增长的引入噪声方差，由超声波传感器多次短时间内左右转动实验测量其距离值增长值得出；a及
Figure BDA0002891759930000095
分别表示正态分布期望及方差值；
本实施例中的记录模块的工作过程具体如下：
再次记录本次实时距离值，距离测量值Z2正态分布为：
Figure BDA0002891759930000096
其中，z2表示此时测量得到的距离值；
Figure BDA0002891759930000097
表示超声波传感器改变视野时距离测量方差，由预先实验得出。
本实施例中的计算模块的工作过程具体如下：
(1)、根据卡尔曼滤波算法，计算得到当前距离的初步估计概率分布：
Figure BDA0002891759930000098
(2)、根据卡尔曼滤波算法，采用S’2和Z’2的方差作为对数据的可相信权重，对b2经过加权处理得到当前位置的最优估计的概率分布c’2：
Figure BDA0002891759930000101
(3、)当前距离值的最优估计为：
Figure BDA0002891759930000102
本实施例中的迭代模块的工作过程具体如下：
以c2作为当前距离，
Figure BDA0002891759930000103
为当前方差，随着不断采样、挡板改变视野、超声波传感器发射接收器左右转动不断对接下来的时刻进行迭代运算并更新距离估计结果。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种机器人超声波传感器障碍物检测方法，其特征在于，该方法是采用机器人的FPGA处理器平台进行数据的实时计算和处理，在FPGA内部采用Verilog硬件描述语言进行数字逻辑设计；具体如下：
超声波传感器变视野测量及超声波传感器转动测量；
经过t时间后距离测量；
经过t时间后记录实时距离值；
根据卡尔曼滤波算法，计算得到当前距离值的最优估算；
迭代运算，获得距离最优估计值；
更新栅格地图并决策避障；
FPGA处理器平台向机器人导航控制模块提供决策依据，实现机器人精准避障。
2.根据权利要求1所述的机器人超声波传感器障碍物检测方法，其特征在于，超声波传感器变视野测量及超声波传感器转动测量具体如下：
超声波传感器发射接收器以5cm/s线速度、以固定点为中心、以竖直线为轴、以机器人头部向前方向左右40度为最大角度左右反复转动；
在超声波传感器发射接收口轴心两边增加遮挡板，限制发射接收视角角度，控制遮挡板及视角角度以40°/s的速度从0度开始不断变大至20度、再不断变小至0度，如此反复变化，记录每轮视野变化中每个时刻传感器读数及每轮视野变化中视角趋近于0时超声波传感器中心读数；
选取连续五次视野变化运动中视野角度为5°的读数浮动较小的读数，取其均值，作为近似准确读数S1；
检测结果随着快速运动在本轮视野变化运动中统计值近似呈正态分布概率模型，此时距离估计值概率分布表示为：
Figure FDA0002891759920000021
其中，
Figure FDA0002891759920000022
表示改变视野时距离测量方差,预先采用超声波传感器进行多次小视野角度测量得到；N表示正态分布。
3.根据权利要求1所述的机器人超声波传感器障碍物检测方法，其特征在于，经过t时间后距离测量具体如下：
经过时间t，根据左右扫描运动角度计算出此时的距离，设由90°运动到90+θ，当时间无穷小时，距离值近似为线性增长，此时距离为估计值为S1+vt，此时距离估计值概率分布为：
Figure FDA0002891759920000023
其中，t＜1ms；v表示超声波传感器左右转动短时间内在轴向的近似线性距离增长速度值；
Figure FDA0002891759920000024
表示超声波传感器左右转动时，其测量值在短时间内服从线性增长的引入噪声方差，由超声波传感器多次短时间内左右转动实验测量其距离值增长值得出；a及
Figure FDA0002891759920000025
分别表示正态分布期望及方差值。
4.根据权利要求1所述的机器人超声波传感器障碍物检测方法，其特征在于，经过t时间后记录实时距离值具体如下：
再次记录本次实时距离值，距离测量值Z2正态分布为：
Figure FDA0002891759920000026
其中，z2表示此时测量得到的距离值；
Figure FDA0002891759920000027
表示超声波传感器改变视野时距离测量方差，由预先实验得出。
5.根据权利要求1所述的机器人超声波传感器障碍物检测方法，其特征在于，根据卡尔曼滤波算法，计算得到当前距离值的最优估算，具体如下：
根据卡尔曼滤波算法，计算得到当前距离的初步估计概率分布：
Figure FDA0002891759920000028
根据卡尔曼滤波算法，采用S’2和Z’2的方差作为对数据的可相信权重，对b2经过加权处理得到当前位置的最优估计的概率分布c’2：
Figure FDA0002891759920000031
当前距离值的最优估计为：
Figure FDA0002891759920000032
6.根据权利要求1所述的机器人超声波传感器障碍物检测方法，其特征在于，迭代运算，获得距离最优估计值具体如下：
以c2作为当前距离，
Figure FDA0002891759920000033
为当前方差，随着不断采样、挡板改变视野、超声波传感器发射接收器左右转动不断对接下来的时刻进行迭代运算并更新距离估计结果。
7.根据权利要求1-6中任一所述的机器人超声波传感器障碍物检测方法，其特征在于，更新栅格地图并决策避障具体为：
迭代运算并更新获得的距离估计结果为当前角度区域内的距离估计结果，根据该距离估计结果估计障碍物距离并更新机器人超声波传感器扇形视野中当前检测栅格内的检测结果，即获得较为准确、精细的障碍物检测结果。
8.一种机器人超声波传感器障碍物检测系统，其特征在于，该系统包括，
视野及转动测量模块，用于超声波传感器变视野测量及超声波传感器转动测量；
距离测量模块，用于经过t时间后距离测量；
记录模块，用于经过t时间后记录实时距离值；
计算模块，用于根据卡尔曼滤波算法，计算得到当前距离值的最优估算；
迭代模块，用于迭代运算，获得距离最优估计值；
更新模块，用于更新栅格地图并决策避障；
推送模块，用于FPGA处理器平台向机器人导航控制模块提供决策依据，实现机器人精准避障。
9.根据权利要求8所述的机器人超声波传感器障碍物检测系统，其特征在于，所述视野及转动测量模块的工作过程具体如下：
(1)、超声波传感器发射接收器以5cm/s线速度、以固定点为中心、以竖直线为轴、以机器人头部向前方向左右40度为最大角度左右反复转动；
(2)、在超声波传感器发射接收口轴心两边增加遮挡板，限制发射接收视角角度，控制遮挡板及视角角度以40°/s的速度从0度开始不断变大至20度、再不断变小至0度，如此反复变化，记录每轮视野变化中每个时刻传感器读数及每轮视野变化中视角趋近于0时超声波传感器中心读数；
(3)、选取连续五次视野变化运动中视野角度为5°的读数浮动较小的读数，取其均值，作为近似准确读数S1；
(4)、检测结果随着快速运动在本轮视野变化运动中统计值近似呈正态分布概率模型，此时距离估计值概率分布表示为：
Figure FDA0002891759920000041
其中，
Figure FDA0002891759920000042
表示改变视野时距离测量方差,预先采用超声波传感器进行多次小视野角度测量得到；N表示正态分布；
所述距离测量模块的工作过程具体如下：
经过时间t，根据左右扫描运动角度计算出此时的距离，设由90°运动到90+θ，当时间无穷小时，距离值近似为线性增长，此时距离为估计值为S1+vt，此时距离估计值概率分布为：
Figure FDA0002891759920000043
其中，t＜1ms；v表示超声波传感器左右转动短时间内在轴向的近似线性距离增长速度值；
Figure FDA0002891759920000051
表示超声波传感器左右转动时，其测量值在短时间内服从线性增长的引入噪声方差，由超声波传感器多次短时间内左右转动实验测量其距离值增长值得出；a及
Figure FDA0002891759920000052
分别表示正态分布期望及方差值；
所述记录模块的工作过程具体如下：
再次记录本次实时距离值，距离测量值Z2正态分布为：
Figure FDA0002891759920000053
其中，z2表示此时测量得到的距离值；
Figure FDA0002891759920000054
表示超声波传感器改变视野时距离测量方差，由预先实验得出。
10.根据权利要求8所述的机器人超声波传感器障碍物检测系统，其特征在于，所述计算模块的工作过程具体如下：
(1)、根据卡尔曼滤波算法，计算得到当前距离的初步估计概率分布：
Figure FDA0002891759920000055
(2)、根据卡尔曼滤波算法，采用S’2和Z’2的方差作为对数据的可相信权重，对b2经过加权处理得到当前位置的最优估计的概率分布c’2：
Figure FDA0002891759920000056
(3、)当前距离值的最优估计为：
Figure FDA0002891759920000057
所述迭代模块的工作过程具体如下：
以c2作为当前距离，
Figure FDA0002891759920000058
为当前方差，随着不断采样、挡板改变视野、超声波传感器发射接收器左右转动不断对接下来的时刻进行迭代运算并更新距离估计结果。
CN202110030619.7A 2021-01-11 2021-01-11 机器人超声波传感器障碍物检测方法及系统 Active CN112782706B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110030619.7A CN112782706B (zh) 2021-01-11 2021-01-11 机器人超声波传感器障碍物检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110030619.7A CN112782706B (zh) 2021-01-11 2021-01-11 机器人超声波传感器障碍物检测方法及系统

Publications (2)

Publication Number Publication Date
CN112782706A true CN112782706A (zh) 2021-05-11
CN112782706B CN112782706B (zh) 2022-05-10

Family

ID=75756429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110030619.7A Active CN112782706B (zh) 2021-01-11 2021-01-11 机器人超声波传感器障碍物检测方法及系统

Country Status (1)

Country Link
CN (1) CN112782706B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140214271A1 (en) * 2013-01-31 2014-07-31 Electronics And Telecommunications Research Institute Apparatus and method for detecting obstacle adaptively to vehicle speed
US20150166060A1 (en) * 2013-12-18 2015-06-18 Irobot Corporation Autonomous Mobile Robot
WO2017041730A1 (zh) * 2015-09-09 2017-03-16 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN106514652A (zh) * 2016-10-26 2017-03-22 重庆大学 扫雪机器人障碍物检测装置
US20180172451A1 (en) * 2015-08-14 2018-06-21 Beijing Evolver Robotics Co., Ltd Method and system for mobile robot to self-establish map indoors
US20190265724A1 (en) * 2016-08-31 2019-08-29 Positec Power Tools (Suzhou) Co., Ltd. Autonomous Lawn Mower, Self-Moving Device, and Method for Recognizing Obstacle By Same
CN111309027A (zh) * 2020-03-18 2020-06-19 远景能源有限公司 一种移动机器人的行走避障系统及方法
CN111637890A (zh) * 2020-07-15 2020-09-08 济南浪潮高新科技投资发展有限公司 一种结合终端增强现实技术的移动机器人导航方法
CN112050808A (zh) * 2020-09-14 2020-12-08 济南浪潮高新科技投资发展有限公司 一种水下无人航行器浮出水面检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140214271A1 (en) * 2013-01-31 2014-07-31 Electronics And Telecommunications Research Institute Apparatus and method for detecting obstacle adaptively to vehicle speed
US20150166060A1 (en) * 2013-12-18 2015-06-18 Irobot Corporation Autonomous Mobile Robot
US20180172451A1 (en) * 2015-08-14 2018-06-21 Beijing Evolver Robotics Co., Ltd Method and system for mobile robot to self-establish map indoors
WO2017041730A1 (zh) * 2015-09-09 2017-03-16 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
US20190265724A1 (en) * 2016-08-31 2019-08-29 Positec Power Tools (Suzhou) Co., Ltd. Autonomous Lawn Mower, Self-Moving Device, and Method for Recognizing Obstacle By Same
CN106514652A (zh) * 2016-10-26 2017-03-22 重庆大学 扫雪机器人障碍物检测装置
CN111309027A (zh) * 2020-03-18 2020-06-19 远景能源有限公司 一种移动机器人的行走避障系统及方法
CN111637890A (zh) * 2020-07-15 2020-09-08 济南浪潮高新科技投资发展有限公司 一种结合终端增强现实技术的移动机器人导航方法
CN112050808A (zh) * 2020-09-14 2020-12-08 济南浪潮高新科技投资发展有限公司 一种水下无人航行器浮出水面检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姜志兵等: "基于虚力栅格法的移动机器人实时避障和导航", 《机床与液压》 *
崔玮 等: "基于高斯混合模型的非视距定位算法", 《通信学报》 *

Also Published As

Publication number Publication date
CN112782706B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
EP3384360B1 (en) Simultaneous mapping and planning by a robot
CN109444932B (zh) 一种车辆定位方法、装置、电子设备及存储介质
CN109443351B (zh) 一种稀疏环境下的机器人三维激光定位方法
CN1940591B (zh) 使用传感器融合进行目标跟踪的系统和方法
CN101793528B (zh) 使用传感器融合来估计车道路径的系统和方法
JP6855524B2 (ja) 低速特徴からのメトリック表現の教師なし学習
US10860035B2 (en) Travel history storage method, method for producing travel path model, method for estimating local position, and travel history storage device
WO2018009263A1 (en) Systems and methods for mapping an environment
CN111750854A (zh) 车辆定位方法、装置、系统及存储介质
JP4696088B2 (ja) 自律移動体および移動方法
EP2597485A2 (en) Rapid lidar image correlation for ground navigation
CN111002346B (zh) 一种机器人被困检测方法以及机器人
CA3177161A1 (en) Object detection and tracking for automated operation of vehicles and machinery
CN112987728A (zh) 一种机器人的环境地图更新方法、系统、设备及存储介质
CN112729321A (zh) 一种机器人的扫图方法、装置、存储介质和机器人
CN110637209B (zh) 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质
CN113933818A (zh) 激光雷达外参的标定的方法、设备、存储介质及程序产品
CN115060257B (zh) 一种基于民用级惯性测量单元的车辆变道检测方法
CN112326990A (zh) 一种作业车辆测速方法及系统
US11080562B1 (en) Key point recognition with uncertainty measurement
CN112782706B (zh) 机器人超声波传感器障碍物检测方法及系统
Silver et al. Arc carving: obtaining accurate, low latency maps from ultrasonic range sensors
CN112697153A (zh) 自主移动设备的定位方法、电子设备及存储介质
CN110908388B (zh) 一种机器人被困检测方法以及机器人
Yang et al. SLAM self-cruise vehicle based on ROS platform

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220413

Address after: 11-12 / F, building 3, future venture Plaza, north section of Gangxing Third Road, high tech Zone, Jinan City, Shandong Province, 250100

Applicant after: Shandong new generation Information Industry Technology Research Institute Co.,Ltd.

Address before: 250100 First Floor of R&D Building 2877 Kehang Road, Sun Village Town, Jinan High-tech Zone, Shandong Province

Applicant before: JINAN INSPUR HIGH-TECH TECHNOLOGY DEVELOPMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant