RFID技術(shù)在移動(dòng)機器人同步定位中的應用
加入技術(shù)交流群
在這種情況下，要求機器人在一個(gè)完全未知的環(huán)境中從一個(gè)未知的位置出發(fā)，在遞增地建立環(huán)境的導航地圖同時(shí)，利用已建立的地圖來(lái)同步刷新自身的位置，最終形成完整的環(huán)境地圖并在此基礎上提供準確的定位。在上述問(wèn)題中，機器人位置和地圖兩者的估算是高度相關(guān)的，任何一方都無(wú)法獨立獲取。這樣一種相輔相生，不斷迭代的過(guò)程，被學(xué)術(shù)界簡(jiǎn)稱(chēng)為同步定位與地圖創(chuàng )建(SLAM)問(wèn)題。該問(wèn)題可以表述為：機器人在未知環(huán)境中，從一個(gè)未知位置開(kāi)始移動(dòng)，在移動(dòng)過(guò)程中根據位置估計和傳感器進(jìn)行自身定位，同時(shí)建立環(huán)境地圖。目前使用的主要是模糊邏輯和概率的方法，如Bayes估計，Kalman濾波，擴展Kalman濾波和Markov推理等。
射頻識別(RFID)技術(shù)是近年來(lái)興起的一門(mén)自動(dòng)識別技術(shù)。與傳統的條形碼系統、接觸式卡等不同，射頻識別系統是利用無(wú)線(xiàn)射頻方式非接觸供電，并進(jìn)行非接觸雙向數據通信，以達到識別并交換數據的目的。識別工作無(wú)須人工干預，可工作于各種惡劣環(huán)境。將RFID技術(shù)應用于機器人中，可以更好地發(fā)揮其技術(shù)特點(diǎn)，使機器人更多地獲取外在信息。
不少學(xué)者正在研究將RFID用于機器人定位系統中，把RFID作為機器人的一種傳感器來(lái)進(jìn)行數據采集和處理。標簽為機器人的外部信息量，機器人通過(guò)閱讀器來(lái)采集各個(gè)標簽中的位置信息，通過(guò)獲取的信息利用同步定位與地圖創(chuàng )建算法來(lái)對機器人進(jìn)行有效的定位，從而得到更準確地控制。本文的研究工作中提出了一種基于RFID系統的有效SLAM算法。該算法可以解決2維環(huán)境下的機器人定位問(wèn)題。實(shí)驗證明，通過(guò)已知的RFID數據，該算法能成功地在2維環(huán)境中實(shí)現移動(dòng)機器人的跟蹤定位。
1RFID環(huán)境設置
將RFID標簽如圖1所示均勻分布在地面上，標簽的間距為0．5m。每個(gè)標簽牛都存放該標簽所在位置的絕對坐標數據。以便稍后為機器人提供外部位置信息。
將RFID閱讀器安裝于機器人的底部，用于讀取放置在地面上的標簽中的信息。機器人在移動(dòng)過(guò)程中進(jìn)入標簽范圍時(shí)，標簽進(jìn)入閱讀器的磁場(chǎng)范圍，接收閱讀器發(fā)出的射頻信號，憑借感應電流所獲得的能量發(fā)送出存儲在標簽中的坐標信息。實(shí)驗中RFID閱讀器的正面朝下讀取地面的標簽卡。
當移動(dòng)機器人經(jīng)過(guò)標簽時(shí)，閱讀器讀取標簽中的坐標信息并將其傳回電腦存儲，并讀取閱讀器的磁場(chǎng)范圍的下一個(gè)標簽．重復這一過(guò)程直到閱讀器接收其射頻場(chǎng)內所有標簽信息。在本文的研究中，只考慮RFID閱讀器一次只處理一個(gè)標簽坐標信息的情況。
2定位算法
上文已經(jīng)描述了通過(guò)RFID系統獲取機器人基本位置的方法。然而，同步定位的精度與RFID標簽的間距以及硬件設備的性能密切相關(guān)。文中提出的基于RFID系統的同步定位與地圖創(chuàng )建算法通過(guò)一些基本坐標信息來(lái)預測移動(dòng)機器人的運動(dòng)軌跡并定位。各國研究者已經(jīng)提出了多種地圖表示方法，大致可分為3類(lèi)：柵格地圖、幾何特征地圖和拓撲地圖。本文使用幾何特征地圖，用幾何特征表示傳感器網(wǎng)絡(luò )中的一個(gè)傳感地標。地圖中的地標和機器人的位置用直角坐標系表示。
當RFID標簽進(jìn)入閱讀器的磁場(chǎng)范圍時(shí)，閱讀器讀取其坐標數據X(x，y)，并根據該坐標值計算機器人到各個(gè)已知路標間的距離，已知路標用標簽表示。
2．1不確定性信息處理
作為SLAM的信息來(lái)源，機器人本體的運動(dòng)模型及其攜帶的傳感器的準確性是決定地圖精度的關(guān)鍵之一。實(shí)際上這些渠道獲得的信息都帶有不同程度的不確定性。在未知環(huán)境中，環(huán)境信息的不確定性尤為明顯．感知信息的不確定必然導致地圖和定位雙方的不確定。研究人員已經(jīng)提出了多種用來(lái)處理不確定性的度量方法，如模糊度量、概率度量、信任度量、可能性度量等。目前在SLAM中使用較多的主要是模糊度量和概率度量的方法。本文采用概率度量來(lái)處理不確定性。用概率表示SLAM中2個(gè)重要模型：觀(guān)測模型和運動(dòng)模型。
2．2觀(guān)測模型
觀(guān)測模型P(xt，yt)是已知t時(shí)刻機器人位置和路標位置集合M的條件下求t時(shí)刻觀(guān)察值五的條件概率。離散時(shí)間t=1，2，3，...；s=(xs,ys)表示通過(guò)RFID獲得的機器人位置；
表示t時(shí)刻得到的整個(gè)系統總觀(guān)測值。
t 時(shí)刻機器人到某一路標的距離d是路標坐標fi(xfi，yfi)與機器人位置坐標st(xs，ys)的函數，fi(xfi，yfi)表示第i個(gè)路標的實(shí)際位置。模型中的噪聲用q表示。觀(guān)測模型可以表示為：
在定位算法中，信息標簽對未知閱讀器的位置都有影響力，標簽到閱讀器的距離越近，其影響力越大，對閱讀器位置有更大決定權。本文中的閱讀器放在移動(dòng)機器人底部．所以閱讀器的位置也是機器人的位置。如圖2，閱讀器收到了4個(gè)信息標簽的信號，4個(gè)標簽的坐標分別為(x1，y1)，(x2，y2)，(x3，y3)，(x4，y4)，它們到移動(dòng)機器人的距離分別為d1，d2，d3，d4?？梢钥闯鰀1d2d4d3。
因此Tagl的影響力最大，對閱讀器的位置有最大決定權。Tag3的影響力最小，對閱讀器位置的決定權最小。根據三角定位原理，只取影響力較大的3個(gè)信息標簽來(lái)做定位計算。
根據Tagl，Tag2，Tag4到閱讀器的距離d1，d2，d4可求出待定位的機器人計算坐標St=(xs，ys)：
2．3運動(dòng)模型
運動(dòng)模型預測下個(gè)時(shí)間段機器人的運動(dòng)狀態(tài)和環(huán)境特征。移動(dòng)機器人在t時(shí)刻的位置為St(Xs，ys)，St是 t 時(shí)刻移動(dòng)機器人的輸入控制Ut和前一時(shí)刻位置S t-1 的一個(gè)函數，移動(dòng)機器人的位置信息可以用運動(dòng)模型:
來(lái)表示由于環(huán)境特征是靜止的點(diǎn)，運動(dòng)模型可以如下表示：
其中(xi(t)，yi(t))是t 一1時(shí)刻標簽 i 的坐標。
從運動(dòng)模型中采樣M條路徑，每條路徑都是一個(gè)粒子。對每個(gè)粒子來(lái)說(shuō)，機器人運動(dòng)路徑是確定的，每個(gè)粒子分別采用N個(gè)卡爾曼濾波器估計用N個(gè)環(huán)境特征的位置。
和
分別表示第i個(gè)粒子的N個(gè)環(huán)境特征的高斯均值和協(xié)方差。2．4SLAM中的粒子濾波器
粒子濾波算法的迭代過(guò)程為：
①初始Ⅳ個(gè)粒子，表示機器人的位置；
②求上一步中每個(gè)粒子的運動(dòng)模型；
③對每個(gè)表示機器人的粒子，預測觀(guān)測值，并根據觀(guān)測值計算粒子權值；
④使用每個(gè)粒子對應的K個(gè)卡爾曼濾波求各個(gè)環(huán)境坐標位置的估計值；
⑤重采樣；
機器人路徑粒子重采樣所需要的權值計算如下：
3仿真結果
機器人運動(dòng)速度為0．5m／s，控制信號時(shí)間間隔為0．025s，觀(guān)測最遠距離30m．模擬2O個(gè)時(shí)間步來(lái)測試算法的穩定性．實(shí)驗通過(guò)Matlab編程進(jìn)行參數設置，用鼠標操作劃出機器人的行走線(xiàn)路．
4結語(yǔ)
本文采用RFID技術(shù)和粒子濾波器實(shí)現移動(dòng)機器人自主定位和地圖創(chuàng )建。利用RFID的高速數據傳輸的特點(diǎn)，增強移動(dòng)機器人數據獲取能力，提高了機器人定位的效率。但目前，RFID技術(shù)還有待進(jìn)一步提高，閱讀器同時(shí)接受多個(gè)標簽數據時(shí)的碰撞問(wèn)題要進(jìn)一步解決完善。同時(shí)SLAM算法與RFID應用的結合將幫助機器人更好的定位及控制。
評論