基于RFID系統(tǒng)的有效SLAM算法是如何的

在室內(nèi)移動(dòng)機(jī)器人的導(dǎo)航中，機(jī)器人的定位與地圖創(chuàng)建是機(jī)器人研究中一個(gè)基礎(chǔ)且重要的問題。機(jī)器人只有實(shí)時(shí)明確自己當(dāng)前的方位，才能快速準(zhǔn)確地到達(dá)目的地。自從移動(dòng)機(jī)器人誕生以來，已知環(huán)境地圖的定位問題和已知定位的地圖創(chuàng)建問題已經(jīng)被廣泛研究，提出了多種有效的解決途徑。而當(dāng)?shù)貓D和機(jī)器人的位置都事先未知時(shí)，定位問題就變得更加復(fù)雜。

在這種情況下，要求機(jī)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(dǎo)航地圖同時(shí)，利用已建立的地圖來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(chǔ)上提供準(zhǔn)確的定位。在上述問題中，機(jī)器人位置和地圖兩者的估算是高度相關(guān)的，任何一方都無法獨(dú)立獲取。這樣一種相輔相生，不斷迭代的過程，被學(xué)術(shù)界簡(jiǎn)稱為同步定位與地圖創(chuàng)建（ SLAM ）問題。該問題可以表述為：機(jī)器人在未知環(huán)境中，從一個(gè)未知位置開始移動(dòng)，在移動(dòng)過程中根據(jù)位置估計(jì)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(jì)，Kalman濾波，擴(kuò)展Kalman濾波和Markov推理等。

射頻識(shí)別（RFID）技術(shù)是近年來興起的一門自動(dòng)識(shí)別技術(shù)。與傳統(tǒng)的條形碼系統(tǒng)、接觸式卡等不同，射頻識(shí)別系統(tǒng)是利用無線射頻方式非接觸供電，并進(jìn)行非接觸雙向數(shù)據(jù)通信，以達(dá)到識(shí)別并交換數(shù)據(jù)的目的。識(shí)別工作無須人工干預(yù)，可工作于各種惡劣環(huán)境。將RFID技術(shù)應(yīng)用于機(jī)器人中，可以更好地發(fā)揮其技術(shù)特點(diǎn)，使機(jī)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(jī)器人定位系統(tǒng)中，把RFID作為機(jī)器人的一種傳感器來進(jìn)行數(shù)據(jù)采集和處理。標(biāo)簽為機(jī)器人的外部信息量，機(jī)器人通過閱讀器來采集各個(gè)標(biāo)簽中的位置信息，通過獲取的信息利用同步定位與地圖創(chuàng)建算法來對(duì)機(jī)器人進(jìn)行有效的定位，從而得到更準(zhǔn)確地控制。本文的研究工作中提出了一種基于RFID 系統(tǒng)的有效SLAM 算法。該算法可以解決2維環(huán)境下的機(jī)器人定位問題。實(shí)驗(yàn)證明，通過已知的RFID數(shù)據(jù)，該算法能成功地在2維環(huán)境中實(shí)現(xiàn)移動(dòng)機(jī)器人的跟蹤定位。

1 RFID 環(huán)境設(shè)置

將RFID標(biāo)簽如圖1所示均勻分布在地面上，標(biāo)簽的間距為0.5m。每個(gè)標(biāo)簽牛都存放該標(biāo)簽所在位置的絕對(duì)坐標(biāo)數(shù)據(jù)。以便稍后為機(jī)器人提供外部位置信息。

將RFID 閱讀器安裝于機(jī)器人的底部，用于讀取放置在地面上的標(biāo)簽中的信息。機(jī)器人在移動(dòng)過程中進(jìn)入標(biāo)簽范圍時(shí)，標(biāo)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(hào)，憑借感應(yīng)電流所獲得的能量發(fā)送出存儲(chǔ)在標(biāo)簽中的坐標(biāo)信息。實(shí)驗(yàn)中RFID閱讀器的正面朝下讀取地面的標(biāo)簽卡。

當(dāng)移動(dòng)機(jī)器人經(jīng)過標(biāo)簽時(shí)，閱讀器讀取標(biāo)簽中的坐標(biāo)信息并將其傳回電腦存儲(chǔ)，并讀取閱讀器的磁場(chǎng)范圍的下一個(gè)標(biāo)簽。重復(fù)這一過程直到閱讀器接收其射頻場(chǎng)內(nèi)所有標(biāo)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(biāo)簽坐標(biāo)信息的情況。

2 定位算法

上文已經(jīng)描述了通過RFID系統(tǒng)獲取機(jī)器人基本位置的方法。然而，同步定位的精度與RFID標(biāo)簽的間距以及硬件設(shè)備的性能密切相關(guān)。文中提出的基于RFID系統(tǒng)的同步定位與地圖創(chuàng)建算法通過一些基本坐標(biāo)信息來預(yù)測(cè)移動(dòng)機(jī)器人的運(yùn)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：柵格地圖、幾何特征地圖和拓?fù)涞貓D。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(biāo)。地圖中的地標(biāo)和機(jī)器人的位置用直角坐標(biāo)系表示。

當(dāng)RFID標(biāo)簽進(jìn)入閱讀器的磁場(chǎng)范圍時(shí)，閱讀器讀取其坐標(biāo)數(shù)據(jù)X（ x，y ），并根據(jù)該坐標(biāo)值計(jì)算機(jī)器人到各個(gè)已知路標(biāo)間的距離，已知路標(biāo)用標(biāo)簽表示。

2.1 不確定性信息處理

作為SLAM 的信息來源，機(jī)器人本體的運(yùn)動(dòng)模型及其攜帶的傳感器的準(zhǔn)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(dǎo)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處理不確定性。用概率表示SLAM 中2個(gè)重要模型：觀測(cè)模型和運(yùn)動(dòng)模型。

2.2 觀測(cè)模型

觀測(cè)模型P（ x t ，y t ）是已知t時(shí)刻機(jī)器人位置和路標(biāo)位置集合M 的條件下求t時(shí)刻觀察值五的條件概率。離散時(shí)間t=1，2，3，。。.;s = （ x s ， y s ）表示通過RFID獲得的機(jī)器人位置;

表示t時(shí)刻得到的整個(gè)系統(tǒng)總觀測(cè)值。

t 時(shí)刻機(jī)器人到某一路標(biāo)的距離d是路標(biāo)坐標(biāo)f i （ x f i ，y f i ）與機(jī)器人位置坐標(biāo)st （ x s ，ys ）的函數(shù)，f i （ x f i ，y f i ）表示第i個(gè)路標(biāo)的實(shí)際位置。模型中的噪聲用q表示。觀測(cè)模型可以表示為：

在定位算法中，信息標(biāo)簽對(duì)未知閱讀器的位置都有影響力，標(biāo)簽到閱讀器的距離越近，其影響力越大，對(duì)閱讀器位置有更大決定權(quán)。本文中的閱讀器放在移動(dòng)機(jī)器人底部。所以閱讀器的位置也是機(jī)器人的位置。如圖2，閱讀器收到了4個(gè)信息標(biāo)簽的信號(hào)，4個(gè)標(biāo)簽的坐標(biāo)分別為（ x1，y1），（x2，y2），（ x3，y3），（ x4，y4），它們到移動(dòng)機(jī)器人的距離分別為d1 ，d2，d3，d4。可以看出d1《d2 《d4 《 d3。

因此Tagl的影響力最大，對(duì)閱讀器的位置有最大決定權(quán)。Tag3的影響力最小，對(duì)閱讀器位置的決定權(quán)最小。根據(jù)三角定位原理，只取影響力較大的3個(gè)信息標(biāo)簽來做定位計(jì)算。

根據(jù)Tagl，Tag2，Tag4到閱讀器的距離d1，d2，d4 可求出待定位的機(jī)器人計(jì)算坐標(biāo)St =（xs，ys ）：

2.3 運(yùn)動(dòng)模型

運(yùn)動(dòng)模型預(yù)測(cè)下個(gè)時(shí)間段機(jī)器人的運(yùn)動(dòng)狀態(tài)和環(huán)境特征。移動(dòng)機(jī)器人在t時(shí)刻的位置為St （X s，ys），St是 t 時(shí)刻移動(dòng)機(jī)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(shù)，移動(dòng)機(jī)器人的位置信息可以用運(yùn)動(dòng)模型：

來表示

由于環(huán)境特征是靜止的點(diǎn)，運(yùn)動(dòng)模型可以如下表示：

其中（xi （t），yi （t））是t 一1時(shí)刻標(biāo)簽 i 的坐標(biāo)。

從運(yùn)動(dòng)模型中采樣M 條路徑，每條路徑都是一個(gè)粒子。對(duì)每個(gè)粒子來說，機(jī)器人運(yùn)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(jì)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。

2.4 SLAM 中的粒子濾波器

粒子濾波算法的迭代過程為：

① 初始Ⅳ 個(gè)粒子，表示機(jī)器人的位置;

② 求上一步中每個(gè)粒子的運(yùn)動(dòng)模型;

③ 對(duì)每個(gè)表示機(jī)器人的粒子，預(yù)測(cè)觀測(cè)值，并根據(jù)觀測(cè)值計(jì)算粒子權(quán)值;

④ 使用每個(gè)粒子對(duì)應(yīng)的K個(gè)卡爾曼濾波求各個(gè)環(huán)境坐標(biāo)位置的估計(jì)值;

⑤ 重采樣;

機(jī)器人路徑粒子重采樣所需要的權(quán)值計(jì)算如下：

3 仿真結(jié)果

機(jī)器人運(yùn)動(dòng)速度為0.5m/s，控制信號(hào)時(shí)間間隔為0.025s，觀測(cè)最遠(yuǎn)距離30m.模擬2O個(gè)時(shí)間步來測(cè)試算法的穩(wěn)定性。實(shí)驗(yàn)通過Matlab編程進(jìn)行參數(shù)設(shè)置，用鼠標(biāo)操作劃出機(jī)器人的行走線路。

4 結(jié)語

本文采用RFID技術(shù)和粒子濾波器實(shí)現(xiàn)移動(dòng)機(jī)器人自主定位和地圖創(chuàng)建。利用RFID的高速數(shù)據(jù)傳輸?shù)奶攸c(diǎn)，增強(qiáng)移動(dòng)機(jī)器人數(shù)據(jù)獲取能力，提高了機(jī)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(biāo)簽數(shù)據(jù)時(shí)的碰撞問題要進(jìn)一步解決完善。同時(shí)SLAM 算法與RFID應(yīng)用的結(jié)合將幫助機(jī)器人更好的定位及控制。

責(zé)任編輯：ct