基于声纳环传感器的机器人避障研究

段丙涛，杨 平，翟志敏

（电子科技大学机械电子工程学院，四川成都 611731）

0 引言

经过近几十年的研究与探索，移动机器人避障算法已初具规模，主要包括人工势场法、栅格建模法、遗传算法、快速随机树搜索等［1］。虽然这些能比较好地在一些良好环境下工作，但也存在一些问题，比如:避障比较缓慢、适应环境能力弱、存在避障盲区等。

在未知环境中，机器人必须通过传感器获取外界环境信息，以指导其行为，否则，机器人只能盲目在未知环境中移动，传感器是自主机器人获得环境信息的重要部件，因此，设计与实现一种性能优良的传感器系统也就成为自主机器人的重要课题之一［2］。目前，移动机器人采用的测距传感器主要包括声纳、红外和激光测距系统。相比而言，声纳测距在近距离范围内有不受外界光线影响、结构简单、成本低等优点，也因此在高性能自主移动机器人上获得了广泛应用［3，4］。

一般来说，超声波发生器可分为两大类:电气方式产生超声波、机械方式产生超声波。电气方式包括压电式、磁致伸缩型和电动型;机械方式有加尔统笛、液硝和气流旋笛等［5］。它们所产生的超声波频率、和声波特性各不相同，因为用途也不一样，目前较为常用的是压电式超声波发生器。

1 超声波测距基本原理

常用的超声波传感器大都采用圆片换能器作为信号源。圆片换能器发出的超声波不是一条直线，而是有一定的方向性开角。由图1可知，换能器所发出的能量主要集中在主瓣部分，而副瓣部分的能量非常少，因此，换能器发出的超声波就有了方向性。θ是方向性开角，它的大小和具体的超声器件有关［4］。

图1 超声波的方向性Fig 1 Directionality of ultrasonic wave

本实验旅行家II采用的是集成的超声测距传感器，使用简单，操作方便。首先将超声传感器的INIT信号拉到高电平，此时超声传感器换能器将发出超声波。INIT信号高电平的时间可以由自己设定。如图2所示的INIT信号的高电平时间是32 ms。高电平的时间与需要测量的最长距离有关。当超声波遇到障碍物时，超声波将被返回，超声传感器检测到回波信号后，将ECHO置为高电平。当INIT信号变为低电平时，ECHO同时也变为低电平。因此，可以计算障碍物的距离，障碍物的距离=（INIT高电平时间－ECHO 高电平的时间）×c/2［8～10］。

图2 超声传感器的时间计算Fig 2 Time calculating of ultrasonic sensor

测距声纳的参数如表1。

表1 测距声纳参数Tab 1 Sonar parameter of distance measurement

在距离地面高度为45 cm、相隔为15°的同一环上均布安装了24只超声传感器，其编号为1～24（逆时针布置），如图3所示。超声传感器波速角为15°，超声传感器的最小作用距离为0.15 m。

因为超声传感器之间的安装位置相差15°，而超声传感器的波速角为15°，如果超声波同时反射，有可能会有干扰。如果采用轮循方式，即一个接一个地发射超声波，虽然可以消除串扰回波的影响，但24只超声传感器循环一次周期较长，降低了采集频率。为了不降低采集频率的同时消除超声的相互干扰，本系统将24只超声传感器分为A（1#，4#，7#，10#，13#，16#，19#，22#），B（2#，5#，8#，11#，14#，17#，20#，23#），C（3#，6#，9#，12#，15#，18#，21#，24#）三组，通过计算可以知道，这种情况下超声传感器同时工作不会产生干扰，因而，每一组的超声传感器同时工作，组与组直接采用轮询方式工作。这样既可以达到很高的采集频率，同时也满足系统的实时性要求。

图3 超声波传感器分布Fig 3 Distribution map of ultrasonic wave sensor

2 超声信息采集扩展卡

超声信息采集卡的功能是获取完整的超声波回波数字信号，然后送到CPU进行信号处理以精确计算障碍的距离。其基本工作原理:信息处理电路主控制芯片为AVR系列单片机Mega16，其通过8路锁存器芯片74HC573分时使能24路超声传感器，每次使能一个;接收到超声波得发射信号后停止计时器，将超声波的发射时间简单计算后存入缓存区，在接到PC查询指令后通过RS—485总线转RS—232总线反馈给机载PC，其程序基本流程图如图4。

图4 信息采集程序流程图Fig 4 Flow chart of information collecting process

3 声纳数据测试

在实验中，为了避免入射角引起的误差，超声波都是垂直射向干燥墙面（超声波对于表面材料等因素十分敏感）。实验测量范围从40～640 cm（距离为20，30 cm时，超声波读数无显示），实验数据如表2所示。

表2 声纳精度测试Tab 2 Precision test of sonar

由表2可知，测出的读数普遍比实际距离大，误差在1%左右，此外声纳盲区与给定的参数出入比较大，因此，选择较大的障碍距离来完成实验。

声纳读数存在两大缺陷:“盲区”与“错误读数”。“盲区”指的是为了消除超声波换能器发射超声波后的振铃现象，本声纳给定参数中驱动电路将信号屏蔽0.9 ms，这对应的距离值就是15cm，即在小于15 cm的范围内的障碍物，声纳传感器是感受不到的。要解决这个问题，只有在启动机器前，将机器人放置在与障碍物距离至少要大于20 cm（保险起见）的地方，也就是安全启动位置，但实际上旅行家II机器人与障碍物得距离至少要35cm。“错误读数”是由入射角引起的，实验发现当入射角大于一个临界数值的时候，声纳读数就会产生错误，这是由于当超声波入射角过大的时候，声纳传感器接收不到回波信号而导致的。由于“错误读数”是个别现象，可以通过以前的记录来排除突然跳变的数据。

4 机器人避障实验

本实验研究的机器人是双轮差动机器人，如图5所示。其超声波传感器系统有24只超声传感器，可以获得机器人前后左右全方位的障碍物信息，具有操作方便、数据显示实时等特点。

图5 机器人结构图Fig 5 Structure diagram of robot

在本实验系统中，机器人是由北京博创兴盛机器人技术有限公司开发生产的旅行者II号，车载计算机采用联想Y450A-tsi。在实验场景中，有四排办公桌和刚性椅子的静态障碍物，以及人作为动态障碍物。软件方面，采用VC++6.0编译环境来编写控制程序。

避障行为控制算法最少需要用3只声纳（3#，21#，24#）来完成避障任务，基本思想是，当声纳读数小于某一预设数值时，说明前方有障碍物，机器人就转向，否则，继续向前走，比如:右方障碍物比较近，那么，控制机器人左转。避障流程如图6所示。

当场景中存在静态和动态障碍物的时候，机器人不仅要探测静态障碍物的位置，同时也要探测动态障碍物的位置与运动方向，然后实行自主避障［8～10］。图7描述了同时存在2个静态障碍物和1个动态障碍物（走动的人）的机器人场景。运动过程中，机器人逐渐接近静态障碍物，并且通过自身调整避过障碍物。在某一时刻，人突然出现在机器人行进轨迹中，机器人通过声纳传感器感知到前方有障碍物，及时地做出避障，最终到达终点。

图6 避障流程Fig 6 Obstacle avoidance process

图7 机器人静态和动态避障Fig 7 Static and dynamic obstacle avoidance of robot

避障行为是在室内进行的，其中两次的实验模拟过程如图8、图9。

图8 静态避障示意图Fig 8 Schematic diagram of static obstacle avoidance

由图8、图9可知，避障算法的可行性得到验证，具有较好的实时性和鲁棒性。但在实验过程中，机器人的避障速度比较慢，偶尔在感知椅子这样的非完全实体障碍物时，避障停止，机器人原地打转，这也是这一算法的缺陷。可以采用基于栅格的方法或视场法来改进避障行为。

5 结束语

图9 动态避障示意图Fig 9 Schematic diagram of dynamic obstacle avoidance obsta cle

本文为了避免入射角和固体材料引起的误差，直接将超声波垂直射向干燥的墙壁，检验了声纳的准确性与可应用性。同时运用一种比较有效的避障算法来让机器人进行静态和动态避障，降低了机器人自主移动的经济成本与危险性，为将来轮椅式机器人的开发和改进提供了一定的理论参考和实验数据。然而，在艰苦的道路表面和复杂多变的环境中，机器人系统需要进一步改进和完善。

［1］日本机器人学会.机器人技术手册［M］.新版.北京:科学出版社，2007:123 －124.

［2］蔡自兴，贺汉根，陈 虹.未知环境中移动机器人导航控制理论与方法［M］.北京:科学出版社，2009:498－499.

［3］姜道连，宁 延，袁世良.用 AT89c205l设计超声波测距仪［J］.国外电子元器件，2000（12）:2－3.

［4］Suksakulchai T S，Wilkes D M.Sonar behavior-based fuzzy control for a mobile robot［C］//2000 IEEE International Conference on Systems，Man and Cybernetics，2000，5:3532 －3537.

［5］廖小翔.基于超声波传感器的移动机器人避障算法研究［D］.浙江:浙江理工大学，2005:15－16.

［6］Siegwart R，Nourbakhsh I R.自主移动机器人导论［M］.李人厚译.西安:西安交通大学出版社，2006:231－250.

［7］张 飞，陈卫东.具有声纳环的移动机器人及其自主行为研究［J］.测控技术，2003，22（6）:1 －2.

［8］Huang Jie，Supaongprapa T，Terakura I，et al.A model-based sound localization system and its application to robot navigation［J］.Robotics and Autonomous Systems，1999，27:199 －209.

［9］Borenstein J，Koren Y.Obstacle avoidance with ultrasonic sensors［J］.IEEE Journal of Robotics and Automation，1988，4（2）:134－137.

［10］徐 德，皱 伟.室内移动式服务机器人的感知、定位及控制［M］.北京:科学出版社，2008:256－258.