基于多传感器融合的餐厅服务机器人定位技术的研究

苏春芳

摘要：针对餐厅服务机器人移动定位不准确的特点，该文提出基于多传感器融合的移动定位方法，通过融合机器人实际的移动距离与BLE定位技术，有效克服了BLE定位不准确的特点，从而提高了室内定位的准确性。实验证明，机器人的移动距离是一种对BLE定位方法有效的修正，当服务机器人距离餐桌位置1米之内，定位准确率可达到99.6%，从而实现对服务机器人的准确定位。

关键词：室内定位；低功耗蓝牙；光电传感器；电子罗盘；

中图分类号：TP249 文献标识码：A 文章编号：1009-3044（2018）19-0295-03

Abstract： For the accuracy of the indoor positioning of restaurant service robot is not so high， this paper combined the technology of indoor positioning basing on BLE with the moving distance of the robot， which is the relative distance between the current position and the start point of every delivering task. The method applied in this paper effectively overcomes the inaccuracy of the indoor positioning basing on BLE .The experiment shows that the moving distance of the robot is an effective correction method to calibrate the result of indoor positioning classify model. When the distance between the robot and target position of table is within 1 meter， the accuracy rate is 99.6%. Its proved that the proposed method can accurately locate the robot in the indoor environment.

Key words： indoor positioning； Bluetooth low energy； photoelectric sensor； electronic compass

1 引言

随着物联网技术以及人工智能的发展，服务机器人走进了人们的生活，目前主要以集群的形式呈现，由多个服务机器人组成，协同工作、共同完成特定的任务。机器人在室内的位置信息是集群服务机器人协同工作、高效完成工作任务的基础。实时、准确地确定机器人所处的位置是完成餐厅服务机器人任务分配、调度的关键，是该文研究的重点。

目前，全球定位系统（Global Positioning System）被广泛应用到定位、导航中，在室外环境中实时、准确的进行位置定位。但是由于在室内环境中，建筑物的遮挡会引起卫星信号的衰减，甚至丢失，因此GPS不能应用在室内定位中。目前两大主流的室内定位方法是基于图像处理的室内定位方法[1]和基于传感器信息融合的室内定位方法[2]，所使用的传感器主要包括低功耗蓝牙BLE（Bluetooh Low Energy）、 RFID、无线Wi-Fi、 ZigBee、运动传感器（Motion-Sensor）等，其中随着蓝牙技术的发展，凭借BLE低功耗的特点，被广泛应用到室内定位中。[3]

由于蓝牙信号容易受到室内金属材料、无线设备、室内结构的干扰，这些干扰因素都会引起RSSI数据的不稳定性，因此目前基于BLE的室内技术，仍然无法做到准确的定位，信号的不稳定性是室内定位方法面临的挑战。该文融合机器人在室内的移动距离与BLE定位技术，有效地提高了室内定位的准确性，实验结果表明，该方法能够快速、准确的定位机器人的位置。

2 BLE定位

蓝牙技术解决了移动设备、固定设备之间的无线通信问题，是一种短距离的无线通讯技术，其中传统蓝牙是指蓝牙3.0之前的BR/EDR蓝牙，而低功耗蓝牙BLE则是指蓝牙4.0规范下的蓝牙。BLE的通信设备分为中心设备（Central）和外围设备（Peripheral）两种，通常情况下，外围设备通过不断的广播，被中心设备扫描到后，该外部设备就被中心设备发现，在广播包中（Advertising Data）包含外围设备自身的识别标识，利用这些“通告帧”（Advertising）的内容，就可判断外围设备距离中心设备之间距离[4]。

每一个服务机器人都是一个独立的BLE外围设备，为了让中心设备发现自己，以10毫秒到20毫秒的時间间隔发送数据包，通过在这种通告帧的有效负载部分嵌入特定格式的数据来实现。通过个体机器人定时向外发送广播包的方式，中心设备（Central）接收蓝牙广播数据包，并上传到云端服务器，通过收集蓝牙信号的强度RSSI（Received Signal Strength Indicator）数据，建立RSSI训练样本集，从而分析集群机器人中的个体距离中心设备之间的距离。

餐厅送餐机器人送餐的目的地是以餐桌的位置来划分的，因此对于送餐机器人的定位问题就演变成机器人距离餐桌的位置问题。如图1所示，在每个餐桌的正上方天花板位置安装BLE接收器，记作Sj，其中j={0，1……6}， S0是厨房，{S1，S2……S6}是餐桌；送餐机器人记为Ri， 其中i={1，2……4}。由于在室内环境下，遍布着无线wifi以及来自顾客手机的蓝牙等无线信号，除此之外还有来自人体的遮挡等干扰因素，以上这些因素都会干扰BLE信号，从而影响基于BLE技术的室内定位方法的准确性，为了减少对信号的干扰，该文将蓝牙接收器安装在开花板上。为了实现对送餐机器人的实时定位，送餐机器人以20ms的时间间隔向外发送数据包，由于蓝牙接收器Sj的采样频率是60Hz， 因此BLE接收器每秒钟都向云端服务器传送一次蓝牙数据，数据包的格式如图2所示，主要包括接收器、服务机器人的标识以及RSSI数值，云端服务器会依据RSSI的值，判断服务机器人距离哪个接收器最近，从而定位到服务机器人的位置是Sm位置，其中m?{0，1，2….6}。

3 移动定位

由于信号干扰，造成的BLE定位信号的衰减、甚至丢失，是引起BLE室内定位不准确的主要原因，相比之下，服务机器人在室内的移动距离是比较可靠的定位信息，对于轮式机器人，移动距离可以通过动力轮的转速以及半径r计算得到[5]。在机器人的左、右动力轮上安装光电传感器，车轮转动会触发光电传感器，通过采集光电传感器的数据，就能得到车轮的转速，同时将收到的数据上传到云端器。本系统是基于STM32平台开发的，硬件结构如图3所示，融合电子罗盘、光电传感器的数据，基于移动距离与方向角之间的关系，实时计算机器人的相对坐标，从而获知机器人的位置。另一方面，通过收集RSSI数据，应用机器学习方法（随机森林），建立基于BLE室内定位的分类模型，将实时收集到的RSSI数据作为该分类模型的输入，从而得到机器人的位置信息。最后在云端服务器，融合前面所述的两种定位方法，以及环境传感器的信息（灰度传感器、超声传感器）进行综合决策，从而得到服务机器人在室内所处的位置。

机器人的运动机构采用的是轮式结构，主要包括两个动力轮和一个支撑轮，其中运动轮由步进电机驱动，光电传感器固定在左右轮上。电子罗盘主要用来采集机器人当前的方位角，由于电子罗盘测量单位是0.1度，故方位角θ?[0，3600]。服务机器人融合超声传感器和灰度传感器，实现自主循迹和自主避障，在整个机器人的运动过程中，共包括3种运动状态，分别为直行、左转、右转，如图4所示。左、右光电传感器信号分别记为Pl，Pr ，基于机器人的运动状态，左、右光电传感器信号也有三种关系，分别为Pl=Pr、Pl>Pr、Pl

4 定位算法

该文融合基于BLE的定位技术与基于距离的定位方法，实现对机器人的准确定位。假设时间i，j的时间间隔为Δt，机器人的移动距离为sij，x，y的相对位移增量记为xΔt、yΔt，，j时刻机器人与起始点的相对坐标记为xi、yj，计算公式如（1）-（5）所示。

当服务机器人完成一次送餐任务时，也就完成了一轮位置的转换，可定义为{厨房--->餐桌--->厨房}，即从初始位置厨房出发，将餐点送到特定餐桌，然后再回到厨房的起始位置。将厨房S0设置为运动的起点，坐标记为（xs0，ys0），其中xs0=0，ys0=0，融合光电传感器和电子罗盘信息，计算服务机器人在j时刻的相对坐标xj，yj，然后将当前坐标（xj，yj）作为分类模型的输入，应用k近邻算法，得到机器人当前所在的位置。

对机器人的室内定位主要包括两个部分，即离线机器学习阶段和在线测试两个阶段。首先通过机器学习建立室内位置的分类模式，该分类模型融合了BLE室内定位与距离定位两个分类模型。首先收集BLE传感器以及光电传感器、电子罗盘数据，分别建立RSSI数据集与位置坐标数据集，其中基于RSSI数据集，应用机器学习算法（随机森林）建立分类模型，建立RSSI与位置的映射关系，共包含S0，S1……S6共7个类；而对于位置坐标数据集，刚采用k近邻算法，得到相对坐标与位置之间的关系，建立分类模型；在线测试阶段，一方面将收集到的BLE蓝牙数据作为定位分类模型的输入，得到在j时刻室内位置的分类结果Cbj；另一方面，基于距离分类模型和当前机器人相对坐标（xj，yj），得到机器人的位置分类Cdj，最后融合Cbj，Cdj两个分类结果，并融合j时刻环境信息，由综合控制单元进行决策分析，输出服务机器人在j时刻的位置，算法流程如图5所示。

位置信息是集群机器人资源共享、分配的一个重要参数，也是综合决策、任务调整的重要依据，当机器人检测到自己接近目的地，综合控制单元控制机器人进行语音提示，提醒顾客餐点送达，并控制机械手臂送餐；另一方面当机器人回到厨房起始点，自动对环境信息进行初始化，进行等待状态。

5 结束语

移动服务机器人室内定位的挑战在于室内环境的复杂性，尤其是在服务场所，遍布着各种干扰因素，不仅包括来自无线电信号的干扰还包括顾客的阻挡。顾客手机的wifi、蓝牙信号会造成BLE信号的绕射、衰减，致使收到的RSSI值上下波动，从而影响基于BLE技术的室内定位方法的准确率，为了解决以上问题，该文将基于移动距离的定位方法与基于BLE的室内定位方法进行融合，有效的修正定位的结果，从而提高了室内定位的准确率。准确的位置定位是对服务机器人调度、任务分配的基础，今后可以将室内定位应用到服务机器的综合决策中，实现集群机器人任务分配、调度的最优化。

参考文献：

[1] Gupta R. Image-based indoor position determination[J]. Qualcomm Incorporated California， 2017.

[2] Chiu C C， Hsu J C， Leu J S. Implementation and analysis of Hybrid Wireless Indoor Positioning with iBeacon and Wi-Fi[C]// Ultra Modern Telecommunications and Control Systems and Workshops （ICUMT）， 2016 8th International Congress on， 2016： 80-84.

[3] Faragher R， Harle R. Location Fingerprinting With Bluetooth Low Energy Beacons[J]. IEEE Journal on Selected Areas in Communications， 2015， 33（11）： 2418-2428.

[4] 蘇春芳， 杨立志. 安防监控机器人的移动定位技术研究[J]. 江苏理工学院学报， 2015， 8（15）： 22-25.

[5] 刘志昆. 基于蓝牙4.0和位置指纹的室内定位技术研究和实现[D].北京： 中央民族大学， 2017： 18-22.