移动机器人的智能循迹控制系统研究

吴健 任海东 雷志强

【摘要】移动机器人平台主要用于搭载各类光电设备、靶标设备、机械手臂等任务载荷，并且按照设定的路径轨迹完成军警侦察、训练任务，移动机器人平臺的运动控制可根据应用环境选择采用GPS、图像、超声、雷达等多传感器组合，完成平台的室内外的运动的导航控制。该采用CCD摄像头作为循迹传感器，通过两路CCD摄像头计算的车辆方向及位置偏差，通过循迹控制算法计算出控制量，控制车辆平台的两个驱动轮进行车辆的位置。测试结果表明无轨车辆平台能够很好的跟踪设定路径行驶，具有较高的控制精度及稳定性。

【关键词】移动机器人平台;曲线循迹控制;图像识别

Research of control system for Unmanned Target Vehicle

Wu Jian，Ren Haidong，Lei Zhiqiang

（Nanjing Research Institute on Simulation Technology，Nanjing 210016，China）

Abstract：Unmanned target vehicle platform is used to carry kinds of devices，such as optical devices、target device、mechanical paw，and can run in route for different missions.Multiple sensors，such as GPS、CCD sensors、supersonic sensors、and radar etc，are installed for the Unmanned vehicle platform navigation and controlling in indoor or outdoor applications.CCD cameras is used as the route cruiser sensors in the design，the direction and the position error is calculated through two CCD camera，the control value could be calculated by the route cruiser control law and used to adjust the position error.The test result show that the unmanned target vehicle platform has good control accuracy and stability in route cruising and velocity controlling.

Key Words：Unmanned Vehicle Platform;Automatic Tracking;Imagine Recognition

引言

移动机器人平台主要利用车载传感器来感知车辆的位置、方向、速度等信息，并且根据所感知的信息控制车辆的方向、速度，从而使车辆能够按照预先设定路径可靠的行驶或运动。

移动机器人智能循迹控制系统要求主要包括：

（1）轨迹控制要求需满足直线、曲线高精度循迹要求;

（2）速度控制要求需满足速度闭环控制要求，实现定速、变速控制;

（3）协同控制要求需满足多移动机器人的协同控制与编队运动。

本文根据警用训练装备需求设计的履带式移动车辆，通过两路CCD导航采集计算车辆的位置和行驶方向，通过航迹跟踪算法和双轮差速控制，实施调节车辆的行驶方向和位置，通过速度闭环控制实现机器人的调速控制;通过无线组网通信控制，可实现多辆机器人可在预设路径上完成各类协同智能运动任务。

1.机器人平台系统设计

移动机器人平台主要由履带式车体、电机控制模块、传感器模块、运动控制模块、通信模块、电源模块、照明模块、以及搭载任务设备等系统组成，系统组成如图1所示。

图1 移动机器人系统组成图

1.1 传感器设计选型

图2 摄像头安装与视场角

机器人主要通过车载CCD传感器实时测量车辆与预定路径的航向偏差与侧向偏差，由于CCD图像采集易受环境光影响，本系统中传感器的安装方式主要采用传感器内置结合主动光照明的方式;由于安装位置限制，传感器离地面的距离较近（一般为5～10cm），考虑到CCD摄像头的可视角度，采用广角镜头的方式，将CCD的可视角控制在120度，在10CM的安装高度，可视宽度范围约为35CM，满足移动机器人的视觉检测要求。

同时考虑到对军警训练系统对循迹路面信息的要求可选择采用普通光源或特殊光谱光源，结合CCD摄像头上安装的滤镜，可实现在特殊地面背景下的视觉导航要求。

1.2 驱动控制系统设计

移动机器人选用两个24V/150W直流有刷电机作为履带的驱动机构，驱动模块采用的H全桥驱动模块，每路电机采用一片驱动模块控制;直流电机通过加装光电编码器，电机的转速信息通过控制器采集，并传输给运动控制模块。

图3 电机驱动与控制结构

1.3 测控通信设计

移动机器人的控制系统采用网络通信的方式，每台移动机器人通过WIFI连接用户控制中心;控制中心通过点对多点的集总控制方式，通过下发指令的方式控制各移动机器人运动和任务设备;移动机器人通过WIFI网络上传机器人运动信息和任务设备信息。

图4 基于wifi环境局域网通信控制

2.循迹控制系统设计

移动机器人的循迹控制系统设计主要包括轨迹图像采集和识别、循迹控制算法设计、差速驱动控制设计等方面。

2.1 轨迹图像采集算法

（1）移动机器人航向和侧偏的测量

机器人的前部和后部分别安装有CCD摄像头，地面的轨迹线采用黑底白线的方式，在主动光照明的情况下，通过设定合理的阈值和自适应曝光条件下，两个摄像头通过定时20ms采集地面轨迹信息。通过对采集到的数据进行二值化处理、动态阈值计算、中心线提取等算法等计算，中心线提取算法除通常采用的阈值检测白线边沿算法外，还采用固定宽度像素峰值检测的算法对整个采样值进行循环计算得出中心线位置，这种算法可避免由于采样点的噪声引起的边缘误检测，甚至在不滤波的基础上直接进行中心线提取。

图5 移动机器人航向偏差角和侧偏距计算

通过前后摄像头中心线提取，可计算机器人航向偏差角α和横向偏距d。

2.2 循迹控制算法设计

考虑到移动机器人的运动速度范围为1m/s ～5m/s的范围，结合国内外循迹控制策略研究方法，在低速且伴有大转角的场合选用基于预瞄点轨迹控制算法或补偿跟踪控制算法，具有控制系统鲁棒性好、转向超调小、稳态精度良好等特点。

（1）基于预瞄点的车辆转向几何学横向控制算法

主要利用移动机器人当前位置与预瞄点处轨迹之间的关系计算横向控制量的方法，该方法通过测量预瞄点处横向循迹误差Ep，如图6所示，由图可知预瞄点（gx，gy）处的路径曲率半径R与预瞄距离Ld、角α的关系为：

此时期望的机器人转向控制量为：

通过上述两式可得：

图6 预瞄点循迹控制算法

其中：

预瞄点距离Ld大小与车速相关，假设：Ld=k*v（k：比例系数）

可得机器人横向控制量：

（2）基于补偿跟踪控制的车辆转向几何学横向控制算法

主要利用车辆当前航向角与期望航向角之间的偏差，以及车辆当前位置与跟踪轨迹之间的偏离量计算车辆横向循迹控制量的方法。

图7 补偿跟踪控制循迹算法

机器人当前航向角为θ，期望轨迹航向角为θp，则θe=θ-θp;通过车辆横向位置偏差与速度的关系，再将横向偏差换算至航向控制量，可得机器人横向控制量：

（3）移动机器人速度控制算法

移动机器人的速度控制算法主要采用PID控制算法实现，机器人可接收来自上位机的循迹指令中的速度指令，指令中的速度信息作为给定速度，同时采集电机的速度信息作为反馈速度，通过设定合理的比例系数和积分系数计算控制量，同时引入机器人的加速度信息作为系统的阻尼，使系统具有较好的速度调节特性。

由于机器人的转向控制量为量驱动轮的速度差，最终机器人驱动轮的控制量速度等于速度控制量叠加大小相等、方向相反（正负）的差速控制量，采用此种方式计算简单，转向控制量对机器人的纵向速度控制性能影响不大。

3.循迹控制精度与分析

通过实验分析，预瞄点的车辆转向控制在同一车速下横向循迹误差随调整系数k的增大而增大;对于同一调整系数，随着车速的提高，循迹误差也越来越大。预瞄距离越短，对应的循迹精度越高，预瞄距离越长，循迹的收敛速度变慢，基于预瞄点的循迹控制算法对道路的瞬态曲率变化较非预瞄算法的鲁棒性要强。补偿跟踪控制轨迹跟踪算法的精度在同一曲率道路情况下，随着速度的提高增大而降低;随着系数k的增大而提高，非预瞄循迹算法适合低速循迹应用场合。

移动机器人分别采用本文所述两种算法在同一设定的循迹进行了循迹实验速度为1m/s，3m/s，5m/s，等多个速度下实验，航迹控制精度可达到±2cm（车身宽度为50cm），直线段速度跟踪精度为±0.1m/s.存在不足主要在设计的驱动控制未能达到驱动速度要求，未能在更宽的速度范围内测试控制系统性能。

4.结语

本文主要根据移动机器人对曲线循迹需求，对传感器选型安装、电机驱动控制、系统通信控制、循迹算法等进行了系统的设计。针对室内移动机器人循迹需求，分析了基于预瞄点的循迹控制算法和基于补偿跟踪控制的循迹算法进行了计算分析，并在实物样机上进行了实验，对不同的循迹控制算法的横向循迹控制精度和速度控制精度进行了分析。实验结论显示在低速循迹情况下，两种控制算法均具有较好的控制性能。

同时针对于此类机器人的室外应用环境，上述两种循迹控制算法同样可应用于采用基于GPS和视觉导航的方式移动机器人或机器人系统中。

参考文献

[1]Jeffrey S.Wit.Vector Pursuit Path Tracking for Autonomous Ground Vehicles[D].Florida：University of Florida，2010：13-19.

[2]Sebastian Thrun，Mike Montemerlo，et al.Stanley：The Robot that Won the DARPA Grand Challenge[J].Journal of Field Robotics，2006，23（9）：661-692.

[3]Tu Kuo-Yang.A Linear Optimal Tracker Designed for Omnidirectional Vehicle Dynamics Linearized Based on Kinematic Equations[J].Robotica，2010：1-11.

[4]陳无畏，李进，王檀彬.视觉导航智能汽车的路径跟踪预瞄控制[J].机械工程学报，2008，44（10）：277-282.

[5]管欣，崔文锋，贾鑫.车辆纵向速度分相控制[J].吉林大学学报（工学版），2013，43（2）：273-277.

[6]李以农，卢少波，郑玲，杨柳.汽车弯道变速行驶时的纵横向耦合控制研究[J].系统仿真学报，2007，19（23）：5524-5528.

[7]祖莉，王华坤，范元勋，户外小型智能移动机器人运动轨迹跟踪控制[J].南京理工大学学报，2003，27（l）：56-59.

[8]李以农，卢少波，郑玲，杨柳.汽车弯道变速行驶时的纵横向耦合控制研究[J].系统仿真学报，2007，19（23）：5524-5528.

[9]李庆中，顾伟康，叶秀清等.移动机器人路径跟踪的智能预瞄控制方法研究[J].机器人，2002，24（3）：252-255.

[10]刘富强，田敏，胡振程.智能汽车中基于视觉的道路检测与跟踪算法[J].同济大学学报（自然科学版），2007，35：1535-1537.

作者简介：吴健（1979—），男，南京模拟技术研究所工程师。