《电子技术应用》

基于超宽带的移动机器人室内定位系统设计

2017年电子技术应用第5期 作者:卢靖宇1,2,余文涛1,2,赵 新1,2,孙广毅1,2
2017/6/5 14:00:00

卢靖宇1,2,余文涛1,2,赵  新1,2,孙广毅1,2

(1.南开大学 计算机与控制工程学院,天津300350;2.天津市智能机器人技术重点实验室,天津300350)


    摘  要: 针对目前移动机器人室内定位方式灵活性差和精度不高的问题,设计了一种基于超宽带(UWB)的高精度移动机器人室内定位系统。系统以UWB射频模块组成无线传感器网络,包括基站(Anchor)和安装在移动机器人顶端的标签(Tag)。采用非对称双边双向测距技术(ADS-TWR)获得标签到各基站之间的距离信息,无需基站与标签、基站与基站之间的时钟同步。距离信息通过WiFi由基站传输到上位机,利用卡尔曼滤波算法对距离信息进行优化后进行定位。测试结果表明,该系统具有布设简单、高精度、高实时性的特点,定点定位误差在13 cm以内,动态点定位误差小于20 cm。

    关键词: 超宽带;室内定位;移动机器人;系统设计

    中图分类号: TN914

    文献标识码: A

    DOI:10.16157/j.issn.0258-7998.2017.05.005


    中文引用格式: 卢靖宇,余文涛,赵新,等. 基于超宽带的移动机器人室内定位系统设计[J].电子技术应用,2017,43(5):25-28.

    英文引用格式: Lu Jingyu,Yu Wentao,Zhao Xin,et al. Design of indoor positioning system for mobile robot based on ultra-wideband[J].Application of Electronic Technique,2017,43(5):25-28.

0 引言

    移动机器人定位是其自主导航中的最基本环节,也是移动机器人完成任务必须解决的问题。对定位的要求是定位精度高(亚米级精度),实时性好。目前移动机器人室内定位主要分为两大类:(1)相对定位法,即航迹推算法[1]。利用机器人所装备的各种传感器获取机器人的运动动态信息,通过递推累计公式获得机器人相对初始状态的估计位置。使用的传感器主要是码盘和惯性传感器。但是他们都有一个共同的缺点:存在累积误差,随着行驶时间、距离的不断增加,误差也不断增大,不适合长时间长距离的精确定位。(2)绝对定位法,即机器人通过获取外界一些位置等已知的参照信息,通过计算自己与参照信息之间的相互关系解算出自己的位置。绝对定位法主要采用同步定位与建图[2](Simultaneous Localization and Mapping,SLAM)、视觉定位方法以及基于信标定位等方法。其中SLAM定位法和视觉定位数据量大,价格昂贵,目前只适宜试验研究使用。而且,这两种方法只适用于一些结构简单的环境,对移动机器人一般工作的复杂室内环境并不能提供很好的定位精度。因此,本系统选用基于UWB的信标定位的方法来实现复杂室内环境下的移动机器人室内定位。

    UWB信号具有超高分辨率、抗多径效应、穿透力强以及结构简单的优点,成为目前室内高精度定位的最佳技术[3]。常用的UWB定位方式为基于到达时间法(Time of Arrival,TOA)以及到达时间差法(Time Difference of Arrival,TDOA)。但是,这TOA法需要标签与基站之间时钟同步,TDOA法需要基站与基站之间的时钟同步,这增大了系统设计难度。

    本文基于UWB技术,采用decaWave公司生产的DWM1000模块,应用非对称双边双向测距(Asymmetric Double Sided Two-Way Range,ADS-TWR)技术进行定位,无需基站与标签之间和基站与基站之间时钟同步,大大缩减系统设计难度。针对实际应用中由非视距传播引起的测量误差,采用卡尔曼滤波算法对测距进行优化,提高定位精度。最终实现一种高精度、高实时性的移动机器人室内定位系统。

1 系统总体设计

    移动机器人室内定位系统主要由UWB无线传感器网络和上位机显示软件两部分组成,系统示意图如图1所示。系统硬件部分包括基站和安装在移动机器人顶端的标签。其中基站分为普通基站(基站2、基站3和基站4)和通信基站(基站1)。标签和基站均由单片机和DWM1000组成的通信模块构成,并由软件配置模块的角色(标签或者基站)。DWM1000可以精确地测量UWB信号发送和接收的时间点,通过ADS-TWR 技术测得标签到各个基站之间的距离,利用UWB通信功能,各基站将距离信息发送给通信基站,最终通过WiFi将距离信息传送给上位机进行定位并显示。通信基站的硬件结构图如图2所示(标签和普通基站没有WiFi模块)。

jsr5-t1.gif

jsr5-t2.gif

2 基于ADS-TWR技术的测距及优化

    无线定位系统定位的准确性取决于测距的精度。UWB定位系统测距误差的来源除了非视距引起的误差外,还包括晶振的时钟漂移引起的误差。晶振时钟漂移会影响对信号发送和接收时间点的测量,继而影响测距的准确性。UWB定位系统最简单的测距方式是单程测距(One Way Ranging,OWR),但是这对节点之间的时钟同步要求极其严格,而双程测距(Two Way Ranging,TWR)虽能消除节点之间未能完全同步的影响,但无法消除晶振时钟漂移的影响。而对称双边双向测距(Symmetry Double Sided Two-Way Range,SDS-TWR)可以消除晶振时钟漂移的影响,但是要求信号回复时间严格相等,这样大大降低了定位的实时性[4]。在此采用ADS-TWR测距技术。

    ADS-TWR测距过程如图3所示,图中pollTX、pollRX、answerTX、answerRX、finalTX、finalRX代表UWB信号离开标签和基站天线的时间点。测距过程如下:首先标签向基站请求帧;基站收到请求帧后启动计时,经过延时Treply1后向标签发送应答帧;标签收到应答帧后启动计时,并将发送和接收信号时的时间点写入终止帧,经延时Treply2后发送给基站;基站收终止帧后表示测距结束。

jsr5-t3.gif

    距离计算公式如式(1)和(2)所示:

jsr5-gs1-5.gif

其中,kt和 ka为标签和基站时钟偏移系数,二者都接近于1。对于20 ppm的时钟(最坏规格的时钟),则kt和ka都可以是0.999 98或1.000 02。对于相对较大的测距范围如100 m,Ttof仅为333 ns,飞行时间测量误差为6.7 ps,换算为距离误差仅为2.2 mm。因此,ADS-TWR测距能很好地抑制时钟漂移的影响。

    ADS-TWR测距不要求应答时间Treply1和Treply2相等。因此,在标签与多个基站进行通信时,可以通过设定各节点的应答时间来减少标签测距的时间,保证定位系统的实时性。

    图4为本文所采用的多基站测距机制。标签向4个基站发送请求帧,基站接收到请求帧后按照设定的应答时间依次向标签发送应答帧,标签接收到应答帧后,将4个基站用于计算距离参数写入终止帧,并发送给所有基站;各基站接收到终止帧后测距结束。基站利用式(1)和(2)计算出距离,然后通过UWB发送给通信基站。实际应用中,对于四基站定位系统,通过优化各基站应答时间,可使单轮测距时间能控制在2 ms左右,完全可以满足移动机器人定位对实时性的要求。

jsr5-t4.gif

3 基于卡尔曼滤波的定位算法

    移动机器人在室内活动,不可避免地受到遮挡的影响。标签与基站之间由于存在人或座椅等遮挡物,这时UWB信号不能进行直线传播,而是利用衍射、透射和反射的方式到达接收端,就是非视距传播(NLOS)。这时系统对飞行时间的测量就是会出现误差,而定位精度也就有了误差。非视距误差受到室内环境影响,是一个实时变化的值。由于非视距传播增加了信号的传播时间和传播距离,因此非视距误差服从一个正均值的随机过程[5]

    假设t时刻标签到基站的距离为di(t),ri(t)表示二者之间的真实距离,Ni(t)表示观测时由环境因素引起的非视距误差,ni(t)为零均值高斯噪声,则可用下式表示它们之间的关系:

    jsr5-gs6.gif

    本文采用卡尔曼滤波算法对距离进行优化,对NLOS误差值进行迭代处理,以此来减小定位误差。首先利用状态向量方程对距离信号进行卡尔曼滤波,估计出NLOS误差值Ni(t),然后从最初的测距值di(t)中除去非视距误差,得到精确地距离值[6]。系统的状态方程和测量方程如下:

     jsr5-gs7-8.gif

其中,Δt为采样间隔;ωd(t)和ωN(t)分别为测量过程中的噪声误差分量;β为实验参数;vi(t)为测量误差。再给出t时刻的状态向量和估计误差的协方差的初始值之后,就可以通过迭代运算对不同时刻的状态向量做出估计。由于非视距误差具有非负性,因此在迭代过程中如Ni(t)出现负值就强制置零。

    根据基站坐标和标签到基站的距离可以得到以下方程组:

    jsr5-gs9.gif

其中(xi,yi,zi)为基站i的坐标,di为经过卡尔曼滤波优化后标签到基站i的距离。用第i个式子减去第j个式子得:

     jsr5-gs10-16.gif

4 系统测试

    实验地点为12 m×8 m×6 m的南开大学微纳加工实验室,该环境下NLOS干扰现象比较严重。为减小人工对真实路径测量所带来的误差,本文实验结果与实验室内QUALISYS视频式三维运动采集系统的定位结果进行对比。通过在标签上粘贴被动标记获得QUALISYS系统的定位结果,其定位精度可达到亚毫米级。试验场景照片如图5所示,标签安装在移动机器人的顶端。

jsr5-t5.gif

    系统测试分为两部分,分别对静态点和动态点进行定位实验。在试验场地内随机选择10个点作为定点实验位置,分别做定位实验 ,每个点采集500次定位数据。实验结果如图6所示,其中方框代表 QUALISYS系统测出的结果,小黑点为本系统定位结果。

jsr5-t6.gif

    利用均方根误差(RSME)对实验数据进行分析,计算结果如表1所示。可以看出,在室内NLOS环境下,基于卡尔曼滤波的定位方法在定点定位中误差能控制在13 cm以内。

jsr5-b1.gif

    进一步根据移动机器人实际定位的需求,随机选择一个标签以1 m/s的速度在沿着设定路线进行移动,测试结果如图7所示,其中深色轨迹为QUALISYS系统的定位结果,浅色轨迹为所设计系统定位结果。可以看到标签偏离目标估计的最大距离为20 cm,保证了移动机器人移动时的定位精度。

jsr5-t7.gif

5 结语

    本文针对目前移动机器人室内定位方式灵活性差和精度不高的问题,利用UWB技术,设计了一种高精度移动机器人室内定位系统。一方面采用ADS-TWR测距技术保证定位系统的实时性和测距精度;另一方面采用卡尔曼滤波方法进行定位,滤除非视距误差,保证系统的定位精度。实验表明,系统具有高精度、高稳定性的特点,满全能满足移动机器人室内定位的需求。

参考文献

[1] CHUNG H,OJEDA L,BORENSTEIN J.Accurate mobile robot dead-reckoning with a precision-calibrated fiber-optic gyroscope[J].Robotics & Automation IEEE Transactions on,2001,17(1):80-84.

[2] 王炜强.基于视觉定位的地图构建方法研究[D].浙江:浙江大学,2010.

[3] 房秉毅.基于超宽带技术的室内定位系统[J].电子技术应用,2006,32(7):124-127.

[4] 陶偲.基于UWB的室内SDS-TWR测距算法优化和定位算法融合的研究[D].武汉:华中师范大学,2016.

[5] 张宴龙.室内定位关键技术研究[D].合肥:中国科学技术大学,2014.

[6] ZHANG L,ZHANG H,CUI X R,et al.Ultra wideband indoor positioning using Kalman filters[C].Advanced Materials Research,2012,433-440:4207-4213.

继续阅读>>