"Akademik Belge" Ultra geniş bant tabanlı mobil robotlar için bir iç mekan konumlandırma sisteminin tasarımı
Özet:
Mevcut mobil robot iç mekan konumlandırma yöntemlerinin zayıf esnekliği ve düşük doğruluğu sorunlarına yönelik olarak, ultra geniş bant (UWB) tabanlı yüksek hassasiyetli bir mobil robot iç mekan konumlandırma sistemi tasarlanmıştır. Sistem, bir baz istasyonu (Çapa) ve mobil robotun tepesine takılan bir etiket (Etiket) dahil olmak üzere bir kablosuz sensör ağı oluşturmak için UWB radyo frekansı modüllerini kullanır. Baz istasyonu ile etiket arasında ve baz istasyonu ile baz istasyonu arasında saat senkronizasyonuna gerek kalmadan etiket ile her bir baz istasyonu arasındaki mesafe bilgisini elde etmek için asimetrik iki yönlü iki yönlü menzil teknolojisi (ADS-TWR) kullanılır. Mesafe bilgisi baz istasyonundan ana bilgisayara WiFi aracılığıyla iletilir ve mesafe bilgisi, konumlandırma için Kalman filtre algoritması tarafından optimize edilir. Test sonuçları, sistemin basit dağıtım, yüksek hassasiyet ve yüksek gerçek zamanlı özelliklere sahip olduğunu göstermektedir.Sabit nokta konumlandırma hatası 13 cm içindedir ve dinamik nokta konumlandırma hatası 20 cm'den azdır.
Çince alıntı biçimi: Lu Jingyu, Yu Wentao, Zhao Xin, et al.Ultra geniş banda dayalı mobil robot iç mekan konumlandırma sisteminin tasarımı.Elektronik Teknoloji Uygulaması, 2017, 43 (5): 25-28.
İngilizce alıntı biçimi: Lu Jingyu, Yu Wentao, Zhao Xin, et al.Ultra geniş banda dayalı mobil robot için iç mekan konumlandırma sisteminin tasarımı.Elektronik Tekniğin Uygulanması, 2017, 43 (5): 25-28.
0 Önsöz
Mobil robot konumlandırma, otonom navigasyonundaki en temel bağlantıdır ve aynı zamanda mobil robotların görevlerini tamamlamak için çözmesi gereken bir sorundur. Konumlandırma gereksinimleri, yüksek konumlandırma doğruluğu (metre altı doğruluk) ve iyi gerçek zamanlı performanstır. Şu anda, mobil robotların iç mekan konumlandırması esas olarak iki kategoriye ayrılmıştır: (1) Göreceli konumlandırma yöntemi, yani yol tahmin algoritması. Robot tarafından donatılan çeşitli sensörler, robotun dinamik bilgilerini elde etmek için kullanılır ve robotun başlangıç durumuna göre tahmini konumu, yinelemeli birikim formülü aracılığıyla elde edilir. Kullanılan sensörler esas olarak kod diskleri ve eylemsiz sensörlerdir. Ancak hepsinin ortak bir kusuru var: kümülatif bir hata var Sürüş süresinin ve mesafesinin sürekli artmasıyla, hata da artıyor, bu da uzun vadeli ve uzun mesafeli hassas konumlandırma için uygun değil. (2) Mutlak konumlandırma yöntemi, yani robot, dış konum gibi bilinen bazı referans bilgilerini elde eder ve kendisi ile referans bilgisi arasındaki ilişkiyi hesaplayarak konumunu hesaplar. Mutlak konumlandırma yöntemi, temel olarak eşzamanlı konumlandırma ve haritalama (Eşzamanlı Yerelleştirme ve Haritalama, SLAM), görsel konumlandırma yöntemleri ve işaret tabanlı konumlandırma yöntemlerini benimser. Bunlar arasında, SLAM konumlandırma yöntemi ve görsel konumlandırma büyük miktarda veriye sahiptir ve pahalıdır ve şu anda yalnızca deneysel araştırmalar için uygundur. Dahası, bu iki yöntem yalnızca basit yapılara sahip bazı ortamlar için uygundur ve mobil robotların genel olarak çalıştığı karmaşık iç mekan ortamları için iyi konumlandırma doğruluğu sağlayamaz. Bu nedenle, bu sistem, mobil robotun karmaşık bir iç mekan ortamında iç mekan konumlandırmasını gerçekleştirmek için UWB tabanlı işaret konumlandırma yöntemini seçer.
UWB sinyali, ultra yüksek çözünürlük, anti-çoklu yol etkisi, güçlü penetrasyon ve basit yapı avantajlarına sahiptir ve iç mekanlarda yüksek hassasiyetli konumlandırma için en iyi teknoloji haline gelmiştir. Yaygın olarak kullanılan UWB konumlandırma yöntemleri, Varış Zamanına (TOA) ve Varış Zaman Farkına (TDOA) dayanır. Bununla birlikte TOA yöntemi, etiket ve baz istasyonu arasında saat senkronizasyonu gerektirir ve TDOA yöntemi, baz istasyonu ile baz istasyonu arasında saat senkronizasyonunu gerektirir, bu da sistem tasarımının zorluğunu artırır.
Bu makale, decaWave şirketi tarafından üretilen DWM1000 modülünü kullanarak, konumlandırma için Asimetrik Çift Taraflı İki Yönlü Menzil (ADS-TWR) teknolojisini kullanarak, baz istasyonu ile etiket arasında ve baz istasyonu ile baz istasyonu arasında saate ihtiyaç duymadan UWB teknolojisine dayanmaktadır. Senkronizasyon, sistem tasarımının zorluğunu büyük ölçüde azaltır. Pratik uygulamalarda görüş hattında olmayan yayılmanın neden olduğu ölçüm hatasını hedefleyen Kalman filtre algoritması, aralığı optimize etmek ve konumlandırma doğruluğunu iyileştirmek için kullanılır. Son olarak, yüksek hassasiyetli, yüksek gerçek zamanlı bir mobil robot iç mekan konumlandırma sistemi gerçekleştirildi.
1 Sistemin genel tasarımı
Mobil robot iç mekan konumlandırma sistemi temel olarak UWB kablosuz sensör ağı ve ana bilgisayar görüntüleme yazılımından oluşur.Sistem diyagramı Şekil 1'de gösterilmiştir. Sistemin donanım kısmı, bir baz istasyonu ve mobil robotun üstüne takılı bir etiket içerir. Baz istasyonları, sıradan baz istasyonlarına (baz istasyonu 2, baz istasyonu 3 ve baz istasyonu 4) ve iletişim baz istasyonlarına (baz istasyonu 1) bölünmüştür. Hem etiket hem de baz istasyonu, tek bir çipli mikro bilgisayar ve DWM1000'den oluşan bir iletişim modülünden ve yazılım yapılandırma modülünün (etiket veya baz istasyonu) rolünden oluşur. DWM1000, UWB sinyal iletimi ve alımının zaman noktasını doğru bir şekilde ölçebilir.Etiket ile her baz istasyonu arasındaki mesafe ADS-TWR teknolojisi ile ölçülür.UWB iletişim işlevi, iletişim baz istasyonuna mesafe bilgisi göndermek için kullanılır ve son olarak mesafe WiFi aracılığıyla iletilir. Bilgiler, konumlandırma ve görüntüleme için üst bilgisayara iletilir. İletişim baz istasyonunun donanım yapısı Şekil 2'de gösterilmektedir (etiket ve sıradan baz istasyonun bir WiFi modülü yoktur).
2 ADS-TWR teknolojisine dayalı aralık ve optimizasyon
Kablosuz konumlandırma sisteminin konumlandırma doğruluğu, aralığın doğruluğuna bağlıdır. Görüş hattının olmamasından kaynaklanan hatalara ek olarak, UWB konumlandırma sistemi aralıklandırma hataları ayrıca kristal osilatörün saat kaymasından kaynaklanan hataları da içerir. Kristal saatin kayması, sinyal gönderme ve alma zaman noktalarının ölçümünü etkileyecek ve ardından aralığın doğruluğunu etkileyecektir. UWB konumlandırma sisteminin en basit menzilleme yöntemi Tek Yönlü Değiştirme (OWR) yöntemidir, ancak bu, düğümler arasında son derece sıkı saat senkronizasyonu gerektirir ve İki Yönlü Aralık (TWR) düğümleri ortadan kaldırabilir. İkisi arasındaki eksik senkronizasyonun etkisi, ancak kristal saat kaymasının etkisi ortadan kaldırılamaz. Simetri Çift Taraflı İki Yönlü Aralık (SDS-TWR), kristal osilatör saat kaymasının etkisini ortadan kaldırabilir, ancak sinyal yanıt süresinin kesinlikle eşit olması gerekir, bu da konumlandırmanın gerçek zamanlı performansını büyük ölçüde azaltır. ADS-TWR aralığı teknolojisi burada kullanılmaktadır.
ADS-TWR menzil süreci Şekil 3'te gösterilmektedir. Şekilde, pollTX, pollRX, answerTX, answerRX, finalTX, finalRX, UWB sinyali etiketten ve baz istasyonu anteninden ayrıldığında zaman noktalarını temsil eder. Aralık süreci şu şekildedir: İlk olarak, etiket baz istasyonundan bir çerçeve ister; baz istasyonu istek çerçevesini aldıktan sonra zamanlamaya başlar ve Treply1 gecikmesinden sonra etikete bir yanıt çerçevesi gönderir; etiket yanıt çerçevesini aldıktan sonra zamanlamaya başlar ve sinyal zamanını gönderir ve alır Bir sonlandırma çerçevesi yazmak için üzerine gelin ve Treply2'nin bir gecikmesinden sonra baz istasyonuna gönderin; baz istasyonu sonlandırma çerçevesini aldıktan sonra, aralığın sonunu gösterir.
Mesafe hesaplama formülü, formül (1) ve (2) 'de gösterilir:
Bunların arasında kt ve ka, her ikisi de 1'e yakın olan etiket ve baz istasyonu saat ofset katsayılarıdır. 20 ppm saat için (en kötü spesifikasyon saati), hem kt hem de ka 0.99998 veya 1.00002 olabilir. 100 m gibi nispeten geniş bir aralık için, Ttof yalnızca 333 ns'dir ve uçuş süresi ölçüm hatası 6,7 ps'dir, bu da yalnızca 2,2 mm'lik bir mesafe hatası anlamına gelir. Bu nedenle, ADS-TWR aralığı, saat kaymasının etkisini iyi bir şekilde sınırlayabilir.
ADS-TWR aralığı, Treply1 ve Treply2 yanıt sürelerinin eşit olmasını gerektirmez. Bu nedenle, etiket birden çok baz istasyonuyla iletişim kurduğunda, her düğümün yanıt süresi, etiket aralığı süresini azaltmak ve konumlandırma sisteminin gerçek zamanlı doğasını sağlamak için ayarlanabilir.
Şekil 4, bu makalede kullanılan çoklu baz istasyonu menzil mekanizmasını göstermektedir. Etiket, istek çerçevelerini 4 baz istasyonuna gönderir.İstek çerçevesini aldıktan sonra, baz istasyonu, ayarlanan yanıt süresine göre sırayla etikete yanıt çerçeveleri gönderir.Etiket yanıt çerçevesini aldıktan sonra, sonlandırma çerçevesine mesafe parametrelerini hesaplamak için 4 baz istasyonu kullanılır ve Tüm baz istasyonlarına gönderilir; aralık, her baz istasyonu sonlandırma çerçevesini aldıktan sonra sona erer. Baz istasyonu, mesafeyi hesaplamak için (1) ve (2) denklemlerini kullanır ve ardından bunu UWB yoluyla iletişim baz istasyonuna gönderir. Pratik uygulamalarda, dört baz istasyonlu bir konumlandırma sistemi için, her bir baz istasyonunun yanıt süresini optimize ederek, tek tekerlek aralığı süresi yaklaşık 2 ms'de kontrol edilebilir ve bu, mobil robot konumlandırmanın gerçek zamanlı gereksinimlerini tam olarak karşılayabilir.
3 Kalman filtresine dayalı konumlandırma algoritması
İç mekanda hareket eden mobil robotlar, kaçınılmaz olarak tıkanmadan etkilenir. Etiket ile baz istasyonu arasında insanlar veya koltuklar gibi engellerin varlığı nedeniyle, UWB sinyalleri şu anda düz bir çizgide iletilemez, ancak görüş hattı olmayan iletim (NLOS) olan kırınım, iletim ve yansıma yoluyla alıcı uca ulaşır. Bu sırada sistemde uçuş süresi ölçümünde hatalar olacak ve konumlandırma doğruluğunda da hatalar olacaktır. Görüş hattında olmayan hata, iç ortamdan etkilenir ve gerçek zamanlı olarak değişen bir değerdir. Görüş hattında olmayan yayılma, sinyalin yayılma süresini ve mesafesini arttırdığından, görüş hattı olmayan hata, pozitif bir ortalama değeri olan rastgele bir sürece uyar.
T zamanında etiketten baz istasyonuna olan mesafenin di (t) olduğunu, ri (t) 'nin ikisi arasındaki gerçek mesafeyi temsil ettiğini, Ni (t) gözlem sırasında çevresel faktörlerin neden olduğu görüş hattı dışı hatayı temsil ettiğini ve ni (t)' nin sıfır olduğunu varsayalım. Ortalama Gauss gürültüsü için, aralarındaki ilişki aşağıdaki formülle ifade edilebilir:
Bu makalede, Kalman filtre algoritması mesafeyi optimize etmek ve konumlandırma hatasını azaltmak için NLOS hata değerini yinelemeli olarak işlemek için kullanılmıştır. İlk olarak, NLOS hata değerini Ni (t) tahmin etmek için mesafe sinyali üzerinde Kalman filtrelemesi gerçekleştirmek için durum vektör denklemini kullanın ve ardından doğru bir mesafe değeri elde etmek için görüş hattı olmayan hatayı ilk aralık değeri olan di (t) 'den kaldırın. Sistemin durum denklemi ve ölçüm denklemi aşağıdaki gibidir:
Bunlar arasında t örnekleme aralığıdır; d (t) ve N (t) ölçüm sürecinde gürültü hata bileşenleridir; deneysel parametredir; vi (t) ölçüm hatasıdır. Durum vektörünün t zamanındaki ilk değerini ve tahmin hatasının kovaryansını verdikten sonra, farklı zamandaki durum vektörü yinelemeli işlemle tahmin edilebilir. Görüş alanı dışı hata negatif olmadığından, yineleme sırasında Ni (t) negatif görünürse sıfıra zorlanır.
Baz istasyonu koordinatlarına ve etiketten baz istasyonuna olan mesafeye göre aşağıdaki denklemler elde edilebilir:
(Xi, yi, zi) i baz istasyonunun koordinatlarıdır ve di, Kalman filtre optimizasyonundan sonra etiketten i baz istasyonuna olan mesafedir. J-inci formülünü i-inci formülden çıkarın:
4 Sistem testi
Deney sahası, Nankai Üniversitesi'nin 12 m × 8 m × 6 m boyutlarında bir mikro-nano işleme laboratuvarıdır ve NLOS girişim fenomeni bu ortamda ciddi boyuttadır. Gerçek yolun manuel olarak ölçülmesinden kaynaklanan hatayı azaltmak için bu yazıda yer alan deneysel sonuçlar, laboratuvardaki QUALISYS video tabanlı 3 boyutlu hareket edinme sisteminin konumlandırma sonuçlarıyla karşılaştırılmıştır. QUALISYS sisteminin konumlandırma sonucu, etiket üzerine pasif işaretler yapıştırılarak elde edilir ve konumlandırma doğruluğu milimetre altı seviyeye ulaşabilir. Test sahnesinin fotoğrafı Şekil 5'te gösterilmektedir ve etiket mobil robotun üstüne yerleştirilmiştir.
Sistem testi, sırasıyla statik noktalar ve dinamik noktalar üzerinde konumlandırma deneyleri gerçekleştiren iki bölüme ayrılmıştır. Sabit nokta deney pozisyonları olarak test bölgesinde rastgele 10 nokta seçin ve sırasıyla konumlandırma deneyleri yapın ve her nokta için 500 konumlandırma verisi toplayın. Deneysel sonuçlar Şekil 6'da gösterilmektedir, burada kutu QUALISYS sistemi tarafından ölçülen sonucu temsil etmektedir ve küçük siyah nokta sistemin konumlandırma sonucudur.
Deneysel verileri analiz etmek için kök ortalama kare hatasını (RSME) kullanın ve hesaplama sonuçları Tablo 1'de gösterilmektedir. İç mekan NLOS ortamında Kalman filtrelemeye dayalı konumlandırma yönteminin sabit nokta konumlandırmada 13 cm içinde hatayı kontrol edebildiği görülmektedir.
Ayrıca, mobil robotun gerçek konumlandırma gereksinimlerine göre, belirlenen rota boyunca 1 m / s hızında hareket etmek için rastgele bir etiket seçilir.Test sonucu Şekil 7'de gösterilmektedir. Karanlık iz, QUALISYS sisteminin konumlandırma sonucudur ve açık renk Yörünge, tasarlanan sistemin konumlandırma sonucudur. Etiketin hedeften maksimum tahmini mesafesinin 20 cm olduğu görülebilmektedir, bu da hareket halindeyken mobil robotun konumlandırma doğruluğunu sağlamaktadır.
5. Sonuç
Mevcut mobil robot iç mekan konumlandırma yöntemlerinin zayıf esnekliği ve düşük doğruluğu sorunlarını hedefleyen bu makale, yüksek hassasiyetli bir mobil robot iç mekan konumlandırma sistemi tasarlamak için UWB teknolojisini kullanır. Bir yandan konumlandırma sisteminin gerçek zamanlı performansını ve aralık doğruluğunu sağlamak için ADS-TWR aralık teknolojisi kullanılırken, diğer yandan sistemin konumlandırma doğruluğunu sağlamak için görüş hattı dışı hataları filtrelemek için konumlandırma için Kalman filtre yöntemi kullanılır. Deneyler, sistemin yüksek hassasiyet ve yüksek stabilite özelliklerine sahip olduğunu ve mobil robot iç mekan konumlandırma ihtiyaçlarını tam olarak karşılayabildiğini göstermektedir.
Referanslar
CHUNG H, OJEDA L, BORENSTEIN J. Hassas kalibre edilmiş fiber optik jiroskop ile hassas mobil robot ölü hesaplama Robotik ve Otomasyon IEEE İşlemleri, 2001, 17 (1): 80-84.
Wang Weiqiang Görsel Konumlandırmaya Dayalı Harita Oluşturma Yöntemi Araştırması Zhejiang: Zhejiang Üniversitesi, 2010.
Fang Bingyi. Ultra geniş bant teknolojisine dayalı iç mekan konumlandırma sistemi Elektronik Teknoloji Uygulaması, 2006, 32 (7): 124-127.
Tao Si. UWB tabanlı iç mekan SDS-TWR değişen algoritma optimizasyonu ve konumlandırma algoritması füzyonu üzerine araştırma. Wuhan: Orta Çin Normal Üniversitesi, 2016.
Zhang Yanlong.İç mekan konumlandırmanın temel teknolojileri üzerine araştırma Hefei: Çin Bilim ve Teknoloji Üniversitesi, 2014.
ZHANG L, ZHANG H, CUI X R, ve diğerleri.Kalman filtreleri kullanarak ultra geniş bant iç mekan konumlandırma. Advanced Materials Research, 2012, 433-440: 4207-4213.
yazar bilgileri:
Lu Jingyu 1, 2, Yu Wentao 1, 2, Zhao Xin 1, 2, Sun Guangyi 1, 2
(1. Bilgisayar ve Kontrol Mühendisliği Okulu, Nankai Üniversitesi, Tianjin 300350; 2. Akıllı Robot Teknolojisi Tianjin Anahtar Laboratuvarı, Tianjin 300350)
İş teklifleri
