CN114111681A - 一种用于机器人底盘的轴距标定方法及系统 - Google Patents

Abstract

本发明公布一种用于机器人底盘的轴距标定方法及系统，轴距标定方法包括如下步骤：驱动左车轮和右车轮转动使得机器人做圆周旋转；第一角度检测装置获取机器人的旋转角度并记为第一旋转角度，第二角度检测装置获取机器人的旋转角度并记为第二旋转角度；将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度；里程计获取机器人的旋转角度并记为第三旋转角度；获取机器人的初始底盘轴距，根据所述第三旋转角度、所述融合旋转角度以及所述初始底盘轴距得到标定底盘轴距。上述技术方案获得标定底盘轴距的速度远快于人工轴距标定的速度，可以有效解决人工轴距标定的繁琐，解放劳动生产力。

Description

一种用于机器人底盘的轴距标定方法及系统

技术领域

本发明涉及轴距标定技术领域，尤其涉及一种用于机器人底盘的轴距标定方法及系统。

背景技术

机器人生产工艺产生的误差会相应地导致机器人底盘轴距存在误差，轴距的误差会引起机器人车轮反馈的角速度(旋转角度)的误差，轴距的误差也会影响机器人重心的位置，进而影响机器人行进的稳定性；如此机器人行进能力受到影响。

现有机器人底盘的轴距的标定是借助标准的计量仪器(例如游标卡尺)来检测，然后再将标定的轴距值输入到机器人上，此种标定的方式效率过低。

发明内容

为此，需要提供一种用于机器人底盘的轴距标定方法及系统，解决标定机器人底盘轴距效率过低的问题。

为实现上述目的，本实施例提供一种用于机器人底盘的轴距标定方法，包括如下步骤：

驱动左车轮或右车轮转动使得机器人做圆周旋转；

第一角度检测装置获取机器人的旋转角度并记为第一旋转角度，第二角度检测装置获取机器人的旋转角度并记为第二旋转角度；

将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度；

里程计获取机器人的旋转角度并记为第三旋转角度；

获取机器人的初始底盘轴距，根据所述第三旋转角度、所述融合旋转角度以及所述初始底盘轴距得到标定底盘轴距。

进一步地，所述“将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度”包括如下步骤：

通过卡尔曼滤波算法对所述第一旋转角度与所述第二旋转角度进行修正以得到所述融合旋转角度。

进一步地，所述“将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度”包括如下步骤：

对所述第一旋转角度进行卡尔曼滤波算法得到第四旋转角度，对所述第二旋转角度进行卡尔曼滤波算法得到第五旋转角度；

根据如下公式得到所述融合旋转角度：

ang3＝ang1*a+ang2*b

a+b＝1

在公式中，ang3为融合旋转角度，ang1为第四旋转角度，ang2为第五旋转角度。

进一步地，所述a通过如下式子计算：

a＝ror1/(ror1+ror2)；

以及，所述b通过如下式子计算：

b＝ror2/(ror1+ror2)；

其中，ror1为第一角度检测装置的误差度，ror2为第二角度检测装置的误差度。

进一步地，所述“驱动左车轮和右车轮转动使得机器人做圆周旋转”还包括如下步骤：

驱动左车轮和右车轮转动使得机器人做匀速圆周旋转。

进一步地，在所述“第一角度检测装置获取机器人的旋转角度并记为第一旋转角度”后，还包括如下步骤：

根据机器人旋转的角速度和时间计算机器人从第一预设时刻至第二预设时刻的累计旋转角度，并计为预测旋转角度，所述第一旋转角度为机器人从第一预设时刻至第二预设时刻的累计旋转角度；

判断所述第一旋转角度与所述预测旋转角度之间的波动值是否大于波动阈值，若是则将所述预测旋转角度作为所述第一旋转角度，若否则输出所述第一旋转角度。

进一步地，在所述“第二角度检测装置获取机器人的旋转角度并记为第二旋转角度”后，还包括如下步骤：

根据机器人旋转的角速度和时间计算机器人从第一预设时刻至第二预设时刻的累计旋转角度，并计为预测旋转角度，所述第二旋转角度为机器人从第一预设时刻至第二预设时刻的累计旋转角度；

判断所述第二旋转角度与所述预测旋转角度之间的波动值是否大于波动阈值，若是则将所述预测旋转角度作为所述第二旋转角度，若否则输出所述第二旋转角度。

进一步地，还包括如下步骤：

重复进行上述步骤，得到多个的标定底盘轴距，计算多个的标定底盘轴距的平均值，将所述平均值作为所述标定底盘轴距。

进一步地，所述第一角度检测装置为惯性测量传感器，所述第二角度检测装置为激光雷达。

为实现上述目的，本实施例还提供一种用于机器人底盘的轴距标定系统，包括置于机器人底盘上的第一角度检测装置、第二角度检测装置、里程计和主控单元；

所述底盘上设置左车轮和右车轮；

所述第一角度检测装置、所述第二角度检测装置以及所述里程计分别用于检测机器人旋转的旋转角度；

所述主控单元用于执行如上述任意一项实施例所述的用于机器人底盘的轴距标定方法。

区别于现有技术，上述技术方案中，机器人的初始底盘轴距具有误差，第三旋转角度也具有误差，通过第三旋转角度与融合旋转角度的比值可以消除初始轴距的误差，得到标定底盘轴距；第一旋转角度和第二旋转角度均不依赖初始底盘轴距，而融合旋转角度是第一旋转角度和第二旋转角度修正后的数据，是较优的数据，可以进一步降低第一角度检测装置和第二角度检测装置自身波动而产生的误差；上述技术方案获得标定底盘轴距的速度远快于人工轴距标定的速度，可以有效解决人工轴距标定的繁琐，解放劳动生产力。

附图说明

图1为本实施例中轴距标定方法的流程图之一；

图2为本实施例中轴距标定方法的流程图之二；

图3本实施例中机器人的结构示意图；

图4本实施例中用于机器人底盘的轴距标定系统的结构示意图之一；

图5本实施例中用于机器人底盘的轴距标定系统的结构示意图之二。

附图标记说明

1、左车轮；

2、左车轮电机；

3、右车轮；

4、右车轮电机；

5、辅助车轮；

6、里程计；

7、主控单元；

8、存储器；

9、第一角度检测装置；

10、第二角度检测装置。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

请参阅图3，在本实施例中，机器人的左车轮1位于所述机器人底盘的左侧，机器人的右车轮3位于所述机器人底盘的右侧，左车轮1以及右车轮3可以驱动机器人在承载面上向左或者向右旋转，机器人的旋转轴垂直于承载面，所述承载面可以为地面。左车轮1连接左车轮电机2，左车轮1在左车轮电机2的驱动下转动，右车轮3连接右车轮电机4，右车轮3在右车轮电机4的驱动下转动。机器人底盘的上还设置至少一个的辅助车轮5(可以是万向轮)，用于辅助机器人的行驶。

所述机器人底盘轴距指左车轮1和右车轮3之间的距离，轴距的误差会引起机器人车轮反馈的角速度(旋转角度)的误差，不利于影响机器人的行进。现有机器人底盘的轴距的标定是借助标准的计量仪器(例如游标卡尺)来检测，然后再将标定的轴距值输入到机器人上，此种标定的方式效率过低。

请参阅图1至图2，本实施例提供一种用于机器人底盘的轴距标定方法，可以测量出机器人实际的底盘轴距。轴距标定方法包括如下步骤：

步骤S101，驱动左车轮和/或右车轮转动使得机器人做圆周旋转，请参阅图1和图2所示。

步骤S102，通过第一角度检测装置获取机器人的旋转角度并记为第一旋转角度，第二角度检测装置获取机器人的旋转角度并记为第二旋转角度，请参阅图1和图2所示。

步骤S103，将所述第一旋转角度与所述第二旋转角度计算得到融合旋转角度，请参阅图1和图2所示。

步骤S104，通过里程计获取机器人的旋转角度并记为第三旋转角度，通过监听里程计可以获得机器人的角速度，而后通过角速度和时间可以计算机器人的旋转角度请参阅图1和图2所示。

步骤S105，获取机器人的初始底盘轴距，根据所述第三旋转角度、所述融合旋转角度以及初始底盘轴距得到标定底盘轴距，请参阅图1和图2所示。

具体的，可以根据如下公式得到所述标定底盘轴距：

在上述公式中，L_n为标定底盘轴距，L_o为初始底盘轴距，A_o为第三旋转角度，A_n为融合旋转角度。

上述技术方案，机器人的初始底盘轴距具有误差，第三旋转角度也具有误差，通过第三旋转角度与融合旋转角度的比值可以消除初始轴距的误差，得到标定底盘轴距；第一旋转角度和第二旋转角度均不依赖初始底盘轴距，而融合旋转角度是第一旋转角度和第二旋转角度修正后的数据，是较优的数据，可以进一步降低第一角度检测装置和第二角度检测装置自身波动而产生的误差；上述技术方案获得标定底盘轴距的速度远快于人工轴距标定的速度，可以有效解决人工轴距标定的繁琐，解放劳动生产力。

在本实施例中，机器人做圆周旋转的方式为：机器人的左车轮和右车轮一起转动并朝向机器人的左侧方向，进而左车轮和右车轮同步转动以驱动机器人在承载面上向左旋转，左车轮和右车轮的移动路线均为弧形，机器人旋转的圆心位于机器人整车的中心轴上，机器人的旋转轴(即机器人整车的中心轴)垂直于承载面；机器人的左车轮和右车轮一起转动并朝向机器人的右侧方向，进而左车轮和右车轮同步转动以驱动机器人在承载面上向右旋转，左车轮和右车轮的移动路线均为弧线，机器人的旋转轴(即机器人整车的中心轴)垂直于承载面。

值得一提的是，第三旋转角度通过如下式子计算得到：

Ao＝∑θ

在公式中，A_o为第三旋转角度，ω为机器人底盘旋转的角速度，T为机器人旋转的时间，π为圆周率。

值得一提的是，机器人旋转的角速度可通过如下式子计算得到：

在公式中，ω为机器人底盘旋转的角速度，V_r为机器人的右车轮的转速，V_l为机器人的左车轮转速，L_o为初始底盘轴距。

值得一提的是，机器人的线速度可通过如下式子计算得到：

在公式中，V为机器人的线速度，V_r为机器人的右车轮的转速，V_l为机器人的左车轮转速。

发明人发现角度检测装置测量时的误差、环境干扰都会影响标定精度，即第一角度检测装置所测量的旋转角度会稍大或者稍小，第二角度检测装置所测量的旋转角度会稍大或者稍小。在本实施例中，发明人为了降低误差对标定精度的影响，所述“将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度”包括如下步骤：通过卡尔曼滤波算法对所述第一旋转角度与所述第二旋转角度进行修正以得到所述融合旋转角度。因为一般误差满足高斯分布，而卡尔曼滤算法能较好解决该类误差对真实值的影响，这样融合旋转角度是接近于真实数据的。

值得一提的是，卡尔曼滤波算法通过主控单元输入以及输出观测数据，对系统状态进行最优估计的算法，是去除噪声还原真实数据的一种数据处理技术，具有占用内存小(不需要保留历史数据)，运算速度快，适合误差满足高斯分布的传感器，适合实时性的嵌入式系统。

在进一步的实施例中，在通过卡尔曼滤波算法获取融合旋转角度时，可以在最后通过权重分配来获取适合的融合旋转角度。所述“将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度”包括如下步骤：对所述第一旋转角度进行卡尔曼滤波算法得到第四旋转角度，对所述第二旋转角度进行卡尔曼滤波算法得到第五旋转角度；根据如下公式得到所述融合旋转角度：

ang3＝ang1*a+ang2*b

a+b＝1

在公式中，ang3为融合旋转角度，ang1为第四旋转角度，ang2为第五旋转角度，a为权重比值，b为权重比值。

在优选的实施例中，所述a通过如下式子计算得到：

a＝ror1/(ror1+ror2)；

以及，所述b通过如下式子计算得到：

b＝ror2/(ror1+ror2)；

其中，ror1为第一角度检测装置的误差度，ror2为第二角度检测装置的误差度。

即，融合旋转角度通过如下公式计算得到：

ang3＝ang1*ror1/(ror1+ror2)+ang2*ror2/(ror1+ror2)

综上所述，通过卡尔曼滤算法获得融合角度具有两种方式。第一种为通过卡尔曼滤波算法对所述第一旋转角度与所述第二旋转角度进行修正以得到所述融合旋转角度；第二种为分别对所述第一旋转角度、所述第二旋转角度进行卡尔曼滤波算法得到第四旋转角度、第五旋转角度，而后引入卷积核，对所述第四旋转角度和所述第五旋转角度进行权重分配以获得所述融合旋转角度。

值得一提的是，所述融合旋转角度不仅可以通过卡尔曼滤波算法获得，还可以通过均值估计、贝叶斯估计、回归算法、指数平滑算法、迭代最小二乘算法、最大后验估计算法、阿尔法贝塔滤波算法、维纳滤波算法、多项式插值算法或者傅里叶分析算法获得。具体以所述融合旋转角度通过均值估计获得为例进行说明：计算所述第一旋转角度与所述第二旋转角度的平均值，并将第一旋转角度与所述第二旋转角度的平均值作为所述融合旋转角度。

在本实施例中，为了防止轴距标定的过程中机器人出现剧烈的抖动或者翻转，影响到标定底盘轴距，所述“驱动左车轮和右车轮转动使得机器人做圆周旋转”还包括如下步骤：驱动左车轮和右车轮转动使得机器人做匀速圆周旋转，请参阅图2所示。机器人沿圆周运动时速率不变，在任意相等的时间里通过的圆弧长度都相等。如此可以避免机器人在沿圆周运动时的速率忽大或者忽小，导致机器人行驶出现不平稳的情况；以及，机器人做匀速圆周旋转后，可以通过角速度乘于时间间隔来计算下一时刻的角度偏移量。

在本实施例中，为了避免观测数据突变后直接引入到后续的步骤，在机器人做匀速圆周旋转前提下，在所述“第一角度检测装置获取机器人的旋转角度并记为第一旋转角度”(即步骤S102)后，还包括如下步骤：步骤S201，根据机器人旋转的角速度和时间来计算机器人从第一预设时刻至第二预设时刻的累计旋转角度，并计为预测旋转角度，所述第一旋转角度为机器人从第一预设时刻至第二预设时刻的累计旋转角度，所述第一预设时刻可以为机器人开始标定的时刻；而后进入步骤S202，判断所述第一旋转角度与所述预测旋转角度之间的波动值是否大于波动阈值，若是则进入步骤S204，将所述预测旋转角度作为所述第一旋转角度，若否则进入步骤S203，输出所述第一旋转角度，请参阅图2所示。需要说明的是，所述波动阈值可以根据不同机器人的尺寸而设定，例如可以将波动阈值设置为理论值(即测旋转角度)的3至4倍。

所述第一旋转角度与所述预测旋转角度之间的波动值可以为第一旋转角度与所述预测旋转角度的差值，当所述第一旋转角度与所述预测旋转角度的差值超过波动阈值时，表示第一旋转角度发生突变，第一旋转角度不准确，此时将预测旋转角度作为第一旋转角度，并输出新的第一旋转角度，而后融合旋转角度是以新的第一旋转角度为依据的。

假设第一旋转角度为1480°，预测旋转角度为1500°，所述第一旋转角度与所述预测旋转角度之间的波动值为20°，波动阈值为15°时，因为波动值大于波动阈值，此时输出1500°；假设第一旋转角度为1490°，预测旋转角度为1500°，所述第一旋转角度与所述预测旋转角度之间的波动值为10°，波动阈值为15°时，因为波动值小于波动阈值，此时输出1490°。

在本实施例中，为了避免观测数据突变后直接引入到后续的步骤，在机器人做匀速圆周旋转前提下，在所述“第二角度检测装置获取机器人的旋转角度并记为第二旋转角度”(即步骤S102)后，还包括如下步骤：步骤S201，根据机器人旋转的角速度和时间来计算机器人从第一预设时刻至第二预设时刻的累计旋转角度，并计为预测旋转角度，所述第二旋转角度为机器人从第一预设时刻至第二预设时刻的累计旋转角度；而后进入步骤S206，判断所述第二旋转角度与所述预测旋转角度之间的波动值是否大于波动阈值，若是则进入步骤S207，将所述预测旋转角度作为所述第二旋转角度，若否则进入步骤S208，输出所述第二旋转角度。

所述第二旋转角度与所述预测旋转角度之间的波动值可以为第二旋转角度与所述预测旋转角度的差值，当所述第二旋转角度与所述预测旋转角度的差值超过波动阈值时，表示第二旋转角度发生突变，第二旋转角度不准确，此时将预测旋转角度作为第二旋转角度，并输出新的第二旋转角度，而后融合旋转角度是以新的第二旋转角度为依据的。

假设第二旋转角度为1480°，预测旋转角度为1500°，所述第二旋转角度与所述预测旋转角度之间的波动值为20°，波动阈值为15°时，因为波动值大于波动阈值，此时输出1500°；假设第二旋转角度为1490°，预测旋转角度为1500°，所述第二旋转角度与所述预测旋转角度之间的波动值为10°，波动阈值为15°时，因为波动值小于波动阈值，此时输出1490°。

在优选的实施例中，步骤S202与步骤S206可以同时进行，避免第一角度检测装置或者第二角度检测装置的异常观测数据引入到标定方法中，之后将正常的第一旋转角度和第二旋转角度进行修正得到融合旋转角度。

在本实施例中，所述第一角度检测装置可以为惯性测量传感器(InertialMeasurementUnit)、激光雷达(LaserRadar)、毫米波雷达(Millimeter-Wave Radar)或者摄像头等可以检测机器人旋转角度的电子器件。所述第二角度检测装置可以为惯性测量传感器、激光雷达、毫米波雷达或者摄像头等可以检测机器人旋转角度的电子器件。

值得一提的是，惯性测量传感器可以为3轴性测量传感器、6轴性测量传感器或者9轴性测量传感器，可以检测和测量机器人的加速度、倾斜、冲击、振动、旋转和多自由度运动，惯性测量传感器的缺点在于误差会随着时间的推进而增加。

值得一提的是，激光雷达主要有激光发射部分、接收部分、信号处理部分组成，是利用发射和接收激光脉冲信号的时间差来实现对被测目标的距离测量，作适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、形状等参数。

在优选的实施例中，所述第一角度检测装置为惯性测量传感器，所述第二角度检测装置为激光雷达。

9轴的惯性测量传感器通过四元素可以转换为航向角(旋转角度＝当前航向角-起始航向角)，其公式为：

yaw＝atan2[2*(q.x*q.y+q.w*q.z),q.w*q.w+q.x*q.x-q.y*q.y-q.z*q.z]。

激光雷达按照一定的频率(例如28Hz频率)、一定的扫描角度(例如0.03°)、一定的分辨角度(270°)来扫描周围环境，逆时针或者逆时针旋转预设圈数，并记录这些间隔角度测到的物体距离，如果在量程内没有物体则标识为无穷大)；激光雷达返回是极坐标内的数据，先将其转换为二维坐标系内点集，具体如下：步骤A，将激光雷达数据转换为点云集，

x＝cos(laserangle_min+laserangle_increment*i)*laserranges[i]y＝sin(laserangle_min+laserangle_increment*i)*laserranges[i]；

步骤B，采用PL-ICP算法对当前点云和起始点云做配准，可计算旋转角度(第二旋转角度)。

值得一提的是，标定过程中，优选将机器人底盘放置在平坦地面，半径一米内无障碍物，主控单元下发开始标定命令，机器人开始做圆周旋转，机器人旋转前先记录惯性测量传感器的数据和激光雷达的点云数据(计算旋转角度需要有初始值)，然后每隔预设周期(例如100ms、200ms等)读取一次性测量传感器的数据和激光雷达的点云数据，并换算出旋转角度。

在本实施例中，轴距标定方法在步骤S105之后，还包括如下步骤：判断所述标定底盘轴距与所述初始底盘轴距是否超过预设的误差值，若是则更新标定底盘轴距，若否则不更新标定底盘轴距。需要说明的是，如果之前获取多个的标定底盘轴距，此时是判断标定底盘轴距的平均值是否超过预设的误差值；如果之前只获取一个的标定底盘轴距，此时判断这一个标定底盘轴距与原底盘轴距是否超过预设的误差值。预设的误差值可以设置为1毫米、2毫米、5毫米、10毫米、12毫米等，根据实际情况而定。假设预设的误差值为20毫米，当标定底盘轴距为386.0156349毫米，初始底盘轴距为370毫米，386.0156349-370＝186.0156349(毫米)，表示标定底盘轴距符合要求并更新；假设预设的误差值为15毫米，当标定底盘轴距为386.0156349毫米，初始底盘轴距为370毫米，386.0156349-370＝16.0156349(毫米)，表示标定底盘轴距不符合要求并不更新。

在本实施例中，单次轴距标定也许会出现一些的误差，为了降低机械误差，轴距标定方法还包括如下步骤：重复进行上述步骤(步骤S101至步骤S105)，得到多个的标定底盘轴距，计算多个的标定底盘轴距的平均值，将所述平均值作为所述标定底盘轴距。具体为，判断轴距获取次数是否达到预设次数，预设次数可以为2次、3次、4次、5次乃至等多，若是则得到多个的标定底盘轴距，若否则继续重复上述步骤，以达到预设次数。

例如，可以先驱动机器人顺时针旋转3圈(1080度)，获得一个标定底盘轴距，然后再驱动机器人逆时针旋转3圈，再次获得一个标定底盘轴距，两次计算出来标定底盘轴距取平均并作为最后标定值；可以先驱动机器人顺时针旋转4圈(1440度)，获得一个标定底盘轴距，其次继续驱动机器人逆时针旋转3圈，又获得一个标定底盘轴距，再次驱动机器人逆时针旋转3圈，第三次获得一个标定底盘轴距，三次计算出来的标定底盘轴距取平均并作为最后标定值。

简而言之，重复进行上述步骤，得到多个的标定底盘轴距，计算多个的标定底盘轴距的平均值，将所述平均值作为所述标定底盘轴距。如此可以避免机械传动、测量或者计算由于某些不可控制的因素的影响而造成的变化偏离真实值过多，保障最后多个的标定底盘轴距的平均值趋近于真实值。

在本实施例中，在得到标定底盘轴距后，为了更新机器人的底盘轴距，轴距标定方法还包括如下步骤：存储所述标定底盘轴距到机器人内的存储器8。所述存储器8为具有数据存储功能的电子元件，可以为随机存取存储器(RAM)、只读存储器(ROM)、光盘、闪存、U盘、移动硬盘、存储卡、磁碟、磁带等。所述存储器连接机器人的主控单元7，结构如图4所示。所述主控单元为具有数据处理功能的电子元件，可以为中央处理器(CPU)、图形处理器(GPU)、数字信号处理器(DSP)等。

上述技术方案是通过角度来修正轴距，惯性测量传感器可以测量旋转角度，激光雷达可以通过配准算法计算旋转角度，两个传感器获取角度均不依赖轴距，惯性测量传感器和激光雷达都存在误差，通过融合可以消除传感器本身波动误差，提高测量精度，最后标定底盘轴距是较为真实与准确的。

请参阅图3至图5，本实施例还提供一种用于机器人底盘的轴距标定系统，包括置于机器人底盘上的第一角度检测装置、第二角度检测装置、里程计和主控单元。

所述底盘上设置左车轮1和右车轮3，机器人的左车轮1位于所述机器人底盘的左侧，机器人的右车轮3位于所述机器人底盘的右侧，左车轮1以及右车轮3可以驱动机器人在承载面上向左或者向右旋转。左车轮1连接左车轮电机2，左车轮1在左车轮电机2的驱动下转动，右车轮3连接右车轮电机4，右车轮3在右车轮电机4的驱动下转动。机器人底盘的上还设置至少一个的辅助车轮5(可以是万向轮)，用于辅助机器人的行驶。

所述第一角度检测装置9、所述第二角度检测装置10以及所述里程计6分别用于检测机器人旋转的旋转角度。

在移动机器人导航中，无论是局部实时避障还是全局规划，都需要精确知道机器人或障碍物的当前状态及位置，这些可以通过里程计6来进行，以完成导航、避障及路径规划等任务。所述里程计6连接左车轮电机2的编码器，结构如图5所示，左车轮电机2的编码器提供左车轮旋转编码值(旋转包括正转、逆转)，而后所述里程计6周期(比如50ms)性地获取编码值，通过换算可以获取机器人当前运行线速度、角速度、在坐标系内地坐标值，就可以定位机器人在坐标系的位置。所述里程计6连接右车轮电机4的编码器，结构如图5所示，右车轮电机4的编码器提供右车轮旋转编码值(旋转包括正转、逆转)，而后所述里程计6周期(比如50ms)性地获取编码值，通过换算可以获取机器人当前运行线速度、角速度、在坐标系内地坐标值，就可以定位机器人在坐标系的位置。

所述左车轮1、所述右车轮3、所述第一角度检测装置9、所述第二角度检测装置10和所述里程计6分别连接所述主控单元7，结构如图4所示。所述主控单元用于执行如上述任意一项实施例所述的用于机器人底盘的轴距标定方法，具体为：

步骤S101，所述主控单元7驱动左车轮1和/或右车轮3转动使得机器人做圆周旋转，请参阅图1和图2所示。

机器人的左车轮和右车轮一起转动并朝向机器人的左侧方向，进而左车轮和右车轮同步转动以驱动机器人在承载面上向左旋转，左车轮和右车轮的移动路线均为弧形，机器人旋转的圆心位于机器人整车的中心轴上，机器人的旋转轴(即机器人整车的中心轴)垂直于承载面；机器人的左车轮和右车轮一起转动并朝向机器人的右侧方向，进而左车轮和右车轮同步转动以驱动机器人在承载面上向右旋转，左车轮和右车轮的移动路线均为弧线，机器人的旋转轴(即机器人整车的中心轴)垂直于承载面。

步骤S102，所述主控单元7通过第一角度检测装置9获取机器人的旋转角度并记为第一旋转角度，所述主控单元7通过第二角度检测装置10获取机器人的旋转角度并记为第二旋转角度，请参阅图1和图2所示。

步骤S103，所述主控单元7将所述第一旋转角度与所述第二旋转角度计算得到融合旋转角度，请参阅图1和图2所示。

步骤S104，所述主控单元7通过里程计获取机器人的旋转角度并记为第三旋转角度，请参阅图1和图2所示。通过监听里程计可以获得机器人的角速度，通过角速度和时间可以计算机器人的旋转角度。

步骤S105，获取机器人的初始底盘轴距，根据所述第三旋转角度、所述融合旋转角度以及初始底盘轴距得到标定底盘轴距，请参阅图1和图2所示。

具体的，可以根据如下公式得到所述标定底盘轴距：

在上述公式中，L_n为标定底盘轴距，L_o为初始底盘轴距，A_o为第三旋转角度，A_n为融合旋转角度。

值得一提的是，第三旋转角度通过如下式子计算得到：

Ao＝∑θ

在公式中，A_o为第三旋转角度，ω为机器人底盘旋转的角速度，T为机器人旋转的时间，π为圆周率。

值得一提的是，机器人旋转的角速度可通过如下式子计算得到：

在公式中，ω为机器人底盘旋转的角速度，V_r为机器人的右车轮的转速，V_l为机器人的左车轮转速，L_o为初始底盘轴距。

值得一提的是，机器人的线速度可通过如下式子计算得到：

在公式中，V为机器人的线速度，V_r为机器人的右车轮的转速，V_l为机器人的左车轮转速。

发明人发现角度检测装置测量时的误差、环境干扰都会影响标定精度，即第一角度检测装置所测量的旋转角度会稍大或者稍小，第二角度检测装置所测量的旋转角度会稍大或者稍小。在本实施例中，发明人为了降低误差对标定精度的影响，所述“将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度”包括如下步骤：所述主控单元7通过卡尔曼滤波算法对所述第一旋转角度与所述第二旋转角度进行修正以得到所述融合旋转角度。因为一般误差满足高斯分布，而卡尔曼滤算法能较好解决该类误差对真实值的影响，这样融合旋转角度是接近于真实数据的。

值得一提的是，卡尔曼滤波算法通过主控单元输入以及输出观测数据，对系统状态进行最优估计的算法，是去除噪声还原真实数据的一种数据处理技术，具有占用内存小(不需要保留历史数据)，运算速度快，适合误差满足高斯分布的传感器，适合实时性的嵌入式系统。

在进一步的实施例中，在通过卡尔曼滤波算法获取融合旋转角度时，可以在最后通过权重分配来获取适合的融合旋转角度。所述“将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度”包括如下步骤：所述主控单元7对所述第一旋转角度进行卡尔曼滤波算法得到第四旋转角度，所述主控单元7对所述第二旋转角度进行卡尔曼滤波算法得到第五旋转角度；根据如下公式得到所述融合旋转角度：

ang3＝ang1*a+ang2*b

a+b＝1

在公式中，ang3为融合旋转角度，ang1为第四旋转角度，ang2为第五旋转角度，a为权重比值，b为权重比值。

在优选的实施例中，所述a通过如下式子计算得到：

a＝ror1/(ror1+ror2)；

以及，所述b通过如下式子计算得到：

b＝ror2/(ror1+ror2)；

其中，ror1为第一角度检测装置的误差度，ror2为第二角度检测装置的误差度。

即，融合旋转角度通过如下公式计算得到：

ang3＝ang1*ror1/(ror1+ror2)+ang2*ror2/(ror1+ror2)

综上所述，通过卡尔曼滤算法获得融合角度具有两种方式。第一种为通过卡尔曼滤波算法对所述第一旋转角度与所述第二旋转角度进行修正以得到所述融合旋转角度；第二种为分别对所述第一旋转角度、所述第二旋转角度进行卡尔曼滤波算法得到第四旋转角度、第五旋转角度，而后引入卷积核，对所述第四旋转角度和所述第五旋转角度进行权重分配以获得所述融合旋转角度。

值得一提的是，所述融合旋转角度不仅可以通过卡尔曼滤波算法获得，还可以通过均值估计、贝叶斯估计、回归算法、指数平滑算法、迭代最小二乘算法、最大后验估计算法、阿尔法贝塔滤波算法、维纳滤波算法、多项式插值算法或者傅里叶分析算法获得。具体以所述融合旋转角度通过均值估计获得为例进行说明：计算所述第一旋转角度与所述第二旋转角度的平均值，并将第一旋转角度与所述第二旋转角度的平均值作为所述融合旋转角度。

在本实施例中，为了防止轴距标定的过程中机器人出现剧烈的抖动或者翻转，影响到标定底盘轴距，所述“驱动左车轮和右车轮转动使得机器人做圆周旋转”还包括如下步骤：所述主控单元7驱动左车轮和右车轮转动使得机器人做匀速圆周旋转，请参阅图2所示。机器人沿圆周运动时速率不变，在任意相等的时间里通过的圆弧长度都相等。如此可以避免机器人在沿圆周运动时的速率忽大或者忽小，导致机器人行驶出现不平稳的情况；以及，机器人做匀速圆周旋转后，可以通过角速度乘于时间间隔来计算下一时刻的角度偏移量。

在本实施例中，为了避免观测数据突变后直接引入到后续的步骤，在机器人做匀速圆周旋转前提下，在所述“第一角度检测装置获取机器人的旋转角度并记为第一旋转角度”(即步骤S102)后，还包括如下步骤：步骤S201，所述主控单元7根据机器人旋转的角速度和时间来计算机器人从第一预设时刻至第二预设时刻的累计旋转角度，并计为预测旋转角度，所述第一旋转角度为机器人从第一预设时刻至第二预设时刻的累计旋转角度，所述第一预设时刻可以为机器人开始标定的时刻；而后进入步骤S202，所述主控单元7判断所述第一旋转角度与所述预测旋转角度之间的波动值是否大于波动阈值，若是则进入步骤S204，所述主控单元7将所述预测旋转角度作为所述第一旋转角度，若否则进入步骤S203，所述主控单元7输出所述第一旋转角度，请参阅图2所示。需要说明的是，所述波动阈值可以根据不同机器人的尺寸而设定，例如可以将波动阈值设置为理论值(即测旋转角度)的3至4倍。

所述第一旋转角度与所述预测旋转角度之间的波动值可以为第一旋转角度与所述预测旋转角度的差值，当所述第一旋转角度与所述预测旋转角度的差值超过波动阈值时，表示第一旋转角度发生突变，第一旋转角度不准确，此时将预测旋转角度作为第一旋转角度，并输出新的第一旋转角度，而后融合旋转角度是以新的第一旋转角度为依据的。

假设第一旋转角度为1480°，预测旋转角度为1500°，所述第一旋转角度与所述预测旋转角度之间的波动值为20°，波动阈值为15°时，因为波动值大于波动阈值，此时输出1500°；假设第一旋转角度为1490°，预测旋转角度为1500°，所述第一旋转角度与所述预测旋转角度之间的波动值为10°，波动阈值为15°时，因为波动值小于波动阈值，此时输出1490°。

在本实施例中，为了避免观测数据突变后直接引入到后续的步骤，在机器人做匀速圆周旋转前提下，在所述“第二角度检测装置获取机器人的旋转角度并记为第二旋转角度”(即步骤S102)后，还包括如下步骤：步骤S201，所述主控单元7根据机器人旋转的角速度和时间计算机器人从第一预设时刻至第二预设时刻的累计旋转角度，并计为预测旋转角度，所述第二旋转角度为机器人从第一预设时刻至第二预设时刻的累计旋转角度；而后进入步骤S206，所述主控单元7判断所述第二旋转角度与所述预测旋转角度之间的波动值是否大于波动阈值，若是则进入步骤S207，所述主控单元7将所述预测旋转角度作为所述第二旋转角度，若否则进入步骤S208，所述主控单元7输出所述第二旋转角度。

所述第二旋转角度与所述预测旋转角度之间的波动值可以为第二旋转角度与所述预测旋转角度的差值，当所述第二旋转角度与所述预测旋转角度的差值超过波动阈值时，表示第二旋转角度发生突变，第二旋转角度不准确，此时将预测旋转角度作为第二旋转角度，并输出新的第二旋转角度，而后融合旋转角度是以新的第二旋转角度为依据的。

假设第二旋转角度为1480°，预测旋转角度为1500°，所述第二旋转角度与所述预测旋转角度之间的波动值为20°，波动阈值为15°时，因为波动值大于波动阈值，此时输出1500°；假设第二旋转角度为1490°，预测旋转角度为1500°，所述第二旋转角度与所述预测旋转角度之间的波动值为10°，波动阈值为15°时，因为波动值小于波动阈值，此时输出1490°。

在优选的实施例中，步骤S202与步骤S206可以同时进行，避免第一角度检测装置或者第二角度检测装置的异常观测数据引入到标定方法中，之后将正常的第一旋转角度和第二旋转角度进行修正得到融合旋转角度。

在本实施例中，所述第一角度检测装置可以为惯性测量传感器(InertialMeasurement Unit)、激光雷达(Laser Radar)、毫米波雷达(Millimeter-Wave Radar)或者摄像头等可以检测机器人旋转角度的电子器件。所述第二角度检测装置可以为惯性测量传感器、激光雷达、毫米波雷达或者摄像头等可以检测机器人旋转角度的电子器件。

值得一提的是，惯性测量传感器可以为3轴性测量传感器、6轴性测量传感器或者9轴性测量传感器，可以检测和测量机器人的加速度、倾斜、冲击、振动、旋转和多自由度运动，惯性测量传感器的缺点在于误差会随着时间的推进而增加。

值得一提的是，激光雷达主要有激光发射部分、接收部分、信号处理部分组成，是利用发射和接收激光脉冲信号的时间差来实现对被测目标的距离测量，作适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、形状等参数。

在优选的实施例中，所述第一角度检测装置为惯性测量传感器，所述第二角度检测装置为激光雷达。

9轴的惯性测量传感器通过四元素可以转换为航向角(旋转角度＝当前航向角-起始航向角)，其公式为：

yaw＝atan2[2*(q.x*q.y+q.w*q.z),q.w*q.w+q.x*q.x-q.y*q.y-q.z*q.z]。

激光雷达按照一定的频率(例如28Hz频率)、一定的扫描角度(例如0.03°)、一定的分辨角度(270°)来扫描周围环境，逆时针或者逆时针旋转预设圈数，并记录这些间隔角度测到的物体距离，如果在量程内没有物体则标识为无穷大)；激光雷达返回是极坐标内的数据，先将其转换为二维坐标系内点集，具体如下：步骤A，将激光雷达数据转换为点云集，

x＝cos(laserangle_min+laserangle_increment*i)*laserranges[i]y＝sin(laserangle_min+laserangle_increment*i)*laserranges[i]；

步骤B，采用PL-ICP算法对当前点云和起始点云做配准，可计算旋转角度(第二旋转角度)。

值得一提的是，标定过程中，优选将机器人底盘放置在平坦地面，半径一米内无障碍物，主控单元下发开始标定命令，机器人开始做圆周旋转，机器人旋转前先记录惯性测量传感器的数据和激光雷达的点云数据(计算旋转角度需要有初始值)，然后每隔预设周期(例如100ms、200ms等)读取一次性测量传感器的数据和激光雷达的点云数据，并换算出旋转角度。

在本实施例中，轴距标定方法在步骤S105之后，还包括如下步骤：所述主控单元7判断所述标定底盘轴距与所述初始底盘轴距是否超过预设的误差值，若是则更新标定底盘轴距，若否则不更新标定底盘轴距。需要说明的是，如果之前获取多个的标定底盘轴距，此时是判断标定底盘轴距的平均值是否超过预设的误差值；如果之前只获取一个的标定底盘轴距，此时判断这一个标定底盘轴距与原底盘轴距是否超过预设的误差值。预设的误差值可以设置为1毫米、2毫米、5毫米、10毫米、12毫米等，根据实际情况而定。假设预设的误差值为20毫米，当标定底盘轴距为386.0156349毫米，初始底盘轴距为370毫米，386.0156349-370＝186.0156349(毫米)，表示标定底盘轴距符合要求并更新；假设预设的误差值为15毫米，当标定底盘轴距为386.0156349毫米，初始底盘轴距为370毫米，386.0156349-370＝16.0156349(毫米)，表示标定底盘轴距不符合要求并不更新。

在本实施例中，单次轴距标定也许会出现一些的误差，为了降低机械误差，轴距标定方法还包括如下步骤：重复进行上述步骤(步骤S101至步骤S105)，得到多个的标定底盘轴距，计算多个的标定底盘轴距的平均值，将所述平均值作为所述标定底盘轴距。具体为，所述主控单元7判断轴距获取次数是否达到预设次数，预设次数可以为2次、3次、4次、5次乃至等多，若是则得到多个的标定底盘轴距，若否则继续重复上述步骤，以达到预设次数。

例如，可以先驱动机器人顺时针旋转3圈(1080度)，获得一个标定底盘轴距，然后再驱动机器人逆时针旋转3圈，再次获得一个标定底盘轴距，两次计算出来标定底盘轴距取平均并作为最后标定值；可以先驱动机器人顺时针旋转4圈(1440度)，获得一个标定底盘轴距，其次继续驱动机器人逆时针旋转3圈，又获得一个标定底盘轴距，再次驱动机器人逆时针旋转3圈，第三次获得一个标定底盘轴距，三次计算出来的标定底盘轴距取平均并作为最后标定值。

简而言之，重复进行上述步骤，得到多个的标定底盘轴距，计算多个的标定底盘轴距的平均值，将所述平均值作为所述标定底盘轴距。如此可以避免机械传动、测量或者计算由于某些不可控制的因素的影响而造成的变化偏离真实值过多，保障最后多个的标定底盘轴距的平均值趋近于真实值。

在本实施例中，在得到标定底盘轴距后，为了更新机器人的底盘轴距，轴距标定方法还包括如下步骤：所述主控单元7存储所述标定底盘轴距到机器人内的存储器。所述存储器为具有数据存储功能的电子元件，可以为随机存取存储器(RAM)、只读存储器(ROM)、光盘、闪存、U盘、移动硬盘、存储卡、磁碟、磁带等。所述存储器8连接机器人的主控单元7，结构如图4所示。所述主控单元7为具有数据处理功能的电子元件，可以为中央处理器(CPU)、图形处理器(GPU)、数字信号处理器(DSP)等。

需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。

Claims (10)

1.一种用于机器人底盘的轴距标定方法，其特征在于，包括如下步骤：

驱动左车轮或右车轮转动使得机器人做圆周旋转；

通过第一角度检测装置获取机器人的旋转角度并记为第一旋转角度，通过第二角度检测装置获取机器人的旋转角度并记为第二旋转角度；

将所述第一旋转角度与所述第二旋转角度计算得到融合旋转角度；

通过里程计获取机器人的旋转角度并记为第三旋转角度；

获取机器人的初始底盘轴距，根据所述第三旋转角度、所述融合旋转角度以及所述初始底盘轴距得到标定底盘轴距。

2.根据权利要求1所述的一种用于机器人底盘的轴距标定方法，其特征在于，所述“将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度”包括如下步骤：

通过卡尔曼滤波算法对所述第一旋转角度与所述第二旋转角度进行修正以得到所述融合旋转角度。

3.根据权利要求1所述的一种用于机器人底盘的轴距标定方法，其特征在于，所述“将所述第一旋转角度与所述第二旋转角度进行修正得到融合旋转角度”包括如下步骤：

对所述第一旋转角度进行卡尔曼滤波算法得到第四旋转角度，对所述第二旋转角度进行卡尔曼滤波算法得到第五旋转角度；

根据如下公式得到所述融合旋转角度：

ang3＝ang1*a+ang2*b

a+b＝1

在公式中，ang3为融合旋转角度，ang1为第四旋转角度，ang2为第五旋转角度。

4.根据权利要求3所述的一种用于机器人底盘的轴距标定方法，其特征在于，所述a通过如下式子计算：

a＝ror1/(ror1+ror2)；

以及，所述b通过如下式子计算：

b＝ror2/(ror1+ror2)；

其中，ror1为第一角度检测装置的误差度，ror2为第二角度检测装置的误差度。

5.根据权利要求1所述的一种用于机器人底盘的轴距标定方法，其特征在于，所述“驱动左车轮和右车轮转动使得机器人做圆周旋转”还包括如下步骤：

驱动左车轮和右车轮转动使得机器人做匀速圆周旋转。

6.根据权利要求5所述的一种用于机器人底盘的轴距标定方法，其特征在于，在所述“第一角度检测装置获取机器人的旋转角度并记为第一旋转角度”后，还包括如下步骤：

根据机器人旋转的角速度和时间计算机器人从第一预设时刻至第二预设时刻的累计旋转角度，并计为预测旋转角度，所述第一旋转角度为机器人从第一预设时刻至第二预设时刻的累计旋转角度；

判断所述第一旋转角度与所述预测旋转角度之间的波动值是否大于波动阈值，若是则将所述预测旋转角度作为所述第一旋转角度，若否则输出所述第一旋转角度。

7.根据权利要求5所述的一种用于机器人底盘的轴距标定方法，其特征在于，在所述“第二角度检测装置获取机器人的旋转角度并记为第二旋转角度”后，还包括如下步骤：

根据机器人旋转的角速度和时间计算机器人从第一预设时刻至第二预设时刻的累计旋转角度，并计为预测旋转角度，所述第二旋转角度为机器人从第一预设时刻至第二预设时刻的累计旋转角度；

判断所述第二旋转角度与所述预测旋转角度之间的波动值是否大于波动阈值，若是则将所述预测旋转角度作为所述第二旋转角度，若否则输出所述第二旋转角度。

8.根据权利要求1至7任意一项所述的一种用于机器人底盘的轴距标定方法，其特征在于，还包括如下步骤：

重复进行上述步骤，得到多个的标定底盘轴距，计算多个的标定底盘轴距的平均值，将所述平均值作为所述标定底盘轴距。

9.根据权利要求1所述的一种用于机器人底盘的轴距标定方法，其特征在于，所述第一角度检测装置为惯性测量传感器，所述第二角度检测装置为激光雷达。

10.一种用于机器人底盘的轴距标定系统，其特征在于，包括置于机器人底盘上的第一角度检测装置、第二角度检测装置、里程计和主控单元；

所述底盘上设置左车轮和右车轮；

所述第一角度检测装置、所述第二角度检测装置以及所述里程计分别用于检测机器人旋转的旋转角度；

所述主控单元用于执行如权利要求1至9任意一项所述的用于机器人底盘的轴距标定方法。

Images