《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
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。
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.

Design of indoor positioning system for mobile robot based on ultra-wideband

Lu Jingyu1,2,Yu Wentao1,2,Zhao Xin1,2,Sun Guangyi1,2
(1.College of Computer and Control Engineering,Nankai University,Tianjin 300350,China; 2.Tianjin Key Laboratory of Intelligent Robotics,Nankai University,Tianjin 300350,China)
Abstract: In order to solve the problem of poor flexibility and low precision in the indoor localization of mobile robot, a high precision mobile robot indoor positioning system based on Ultra Wideband(UWB) is designed. The system consists of UWB module for wireless sensor networks, including of a UWB radio frequency module, with base station(Anchor) and the tag mounted on the top of the mobile robot(Tag). The system uses the technology of Asymmetric Double Sided Two-Way Range(ADS-TWR) to obtain the distance information between label and each base station, without needing the clock synchronization between base station and Tag. The distance information is transmitted from the base station to the PC through WiFi, and then located after being optimized by using the Kalman filter algorithm. The test results show that the system has the characteristics of simple layout, high precision and high real-time performance. The average positioning error of Static position is less than 13 cm and dynamic position error is less than 20 cm.

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.



作者信息:

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)

继续阅读>>