基于篮球运动的避障系统开发设计

蔡 伟

(郑州工业应用技术学院，郑州 451100)

0 引言

现代研究者们对机器人的研究已经开始逐步深化，研究的机器人从人工遥控控制避障深化到机器人可以自主避障，即通过让机器人具有一定的自主意识来躲避障碍。在篮球运动比赛中，个人的进攻防守意识是队伍战术的重要部分，是在自身防守战术的基础上有预见地通过手臂动作和脚步移动，躲避对方队员的进攻，并抢占有利位置；个人防守意识经过训练不必教练指挥，可根据自身的条件采取有效的防守进攻，并在对方队员进攻时可自主分析其进攻动作，根据其动作自主避开。篮球运动中的个人防守意识是指运动员在复杂且不断变化的环境中主动地应变，以求争取到进攻的有利位置，同时还能实施自己的防守和进攻行为的一种主动意识。篮球运动的个人防守意识很突出地体现了运动员对球场上具体情况的实时把握，通过运动员自己的感觉、观察和判断，采取相应的动作[1-5]。以篮球运动中运动员进攻时碰到对方球员采取的主动防守避开以达到进球目的的措施为思考方向，设计机器人的避障系统为：识别判断移动障碍物，分析障碍物的运动轨迹，避开障碍物到达目的地。农业机器人的自主避障系统的的工作内容：设定了起点和终点后，通过避障系统的识别功能识别工作环境的信息，并根据安装的视觉传感器采集实时地图；在最初根据起点终点规划出来的路径的基础上，避障系统根据避障算法模块来避开环境中的移动障碍物或先行识别到的障碍物，到达设定的终点。避障系统的设计方法中有行为控制法、人工势场法、气泡带方法及模糊算法等[6-9]。行为控制法是这些方法中应用最广泛的，其计算量小、实时性强，可以适用多种复杂的工作环境避障计算，是一种比较传统的动态算法。模糊算法[10-12]属于智能控制算法，适用于自主避障系统的应用。具有自主避障能力的机器人可以感应工作环境并及时修改前进路线，为保证避障系统的正常运行，避障系统设计时应考虑到系统避障算法运行的鲁棒性和快速识别感应能力。避障系统的实现是通过传感器采集工作环境信息，将环境信息通过算法模块计算，计算结果输出，指挥机器人动作。

本文基于篮球运动避障系统的开发设计，借鉴篮球运动进攻防守中的自主识别避障的原理，设计出可自主识别移动或未知的障碍物，并及时计算出可行的行进轨迹，完成操作的农业机器人。

1 避障系统结构

基于篮球运动的避障系统主要由三大模块组成：传感器模块、算法模块和收发电路控制模块。其中，收发电路控制模块主要包括电源、显示器和电路，是比较易于控制的一个模块，可为系统工作电源、行为控制提供良好的硬件环境。算法模块中，采用模糊算法进行行为控制。

传感器模块采用多传感器器融合的策略。农业机器人避障系统中所运用的传感器可分为被动式和主动式：被动式传感器(如视频传感器)通过采集环境中的图像信息分析工作地图，图像信息常常会被干扰，无法搜索到完整正确的信息，易对机器人的路径规划造成误差；主动式传感器有红外线传感器及超声波传感器等，是通过发射光线或声波到工作环境中，根据光线或声波遇到障碍物反射回来获得的信息来分析环境地图结构。

1)红外线传感器：红外线传感器测距范围最大可达到80cm，其元件采用了光敏三极管，故可调节检测范围的灵敏度。这类传感器优点为测距范围比较大，受工作环境中可见光的影响比较小，检测范围的盲区小，安装简单，价格便宜，可在许多环境中使用。

2)超声波传感器：超声波传感器中发射的是振动频率比较高的机械波，穿透力很强，不管是固体还是液体都有很好的穿透效果，在固体障碍物中的穿透距离可以达到几十米远。虽然超声波的穿透效果好，但是在机械波遇到障碍物时会产生非常明显的反射现象，当工作环境中存在移动的物体时，超声波遇到就会发生多普勒效应。超声波传感器的检测范围可达到450cm。

考虑到性价比和避障效果，本避障系统设计将上述两种传感器融合使用，可以更好地弥补红外线传感器检测时由于距离比较远和障碍物移动造成的无法实时检测到的问题。

2 模糊控制器

模糊控制是一种智能控制方法。美国科学家Zadeh在1965年提出了模糊集合论，在此基础上结合模糊语言变量和模糊逻辑推理，提出了模糊控制这种计算机数字控制技术。根据模糊控制技术，人们很快研究出了非常实用的模糊控制器。

模糊控制器由以下4部分组成：

1)模糊化。模糊化的作用主要是选定输入量，并将输入量转变成为控制系统可以识别的输入量。即先选定已经处理合格并满足模糊控制要求的输入量，将处理过后的输入量进行转换，并确定输入量的取值与合适的隶属度函数。

2)模糊规则库。模糊控制规则库是根据众多研究经验来建立的，是从经验转变为模糊控制操作的关键。

3)模糊推理。基于知识经验推理出来的决策。

4)去模糊化。将推理的决策转变为控制输出。

模糊控制器的使用解决了传统控制器依赖系统参数来设计避障系统的问题。模糊控制根据经验来建立规则库，适用于处理非线性问题，在无法建立数学模型时，模糊控制可以直接使用规则库中的规则，且规则库中的规则是由人输入的，易于实现人机交互。这可以说是一种人工智能控制方法，且计算量小，适应性非常广，可以用于多种领域。

3 行为控制

系统的行为基本可分为避障行为、目标行为及紧急行为，这些行为可以根据机器人的使用需要设定优先级。当两个或多个行为同时被激活时，根据事先设定的优先级别。优先级别高的行为先执行，优先级别低的放在后面。机器人行进过程中会在各行为中进行切换，以 [r1,r2,…rn]为输入变量，以[z1,z2,…,zn]为决策行为状态，当输入r1时，相应的行为被激活，并输出决策z1；当两个行为同时被激活时，则融合输出决策M。

3.1 避障行为

避障行为是避障系统是否有效实时运行的表现。采用VFH+算法来计算避障行为， VFH+算法是通过假设机器人为圆形，在遇到移动物体时考虑到运动学的问题，设定机器人以圆弧形路径避开障碍物。

3.2 目标行为

目标行为是机器人向目的地行进，是传感器在识别到机器人作为障碍物比较少被激活的。当障碍物比较少或是没有时，模糊控制器会加快机器人的移动速度向目标行进，这个过程中会根据传感器采集的环境信息并不断地优化设定路径，且可以通过调整隶属度函数转变目标，满足机器人目的地变换等要求。

3.3 紧急行为

紧急行为的启动取决于事先设定的安全距离，传感器在机器人移动过程中会不断地检测机器人周围障碍物的距离；当机器人与障碍物的距离小于安全距离时，激活紧急行为，控制农业机器人停止前进或进行转向。

4 仿真试验

仿真试验采用四轮摇杆机器人为实验对象，机器人的每个轮子可驱动也可转向，车体中间安装超声波传感器，车体前方、后方、左右方各安装两个红外传感器，共9个传感器。实验场所为一个6m×3m平台，试验中动态的障碍物为3个篮球，固定障碍物为2个篮球框。仿真试验结果如图1所示。

在仿真试验进行过程中，农业机器人根据篮球滚动的方向自主避开。在实行避障措施时，还应考虑机器人前方路径的尺寸是否能够通过及在转弯时的稳定性问题。这些都是机器人实现自主避障的前提条件，也是避障系统设计时需要考虑到的约束条件。

图1 移动机器人自主避障仿真试验Fig.1 Mobile robot autonomous obstacle avoidance simulation test

5 结论

借鉴篮球运动中个人防守意识，将自方篮板和对方篮板比喻为机器人行走的起点和终点，队员从起点出发，中间需要避开众多对手拦截，到达终点(对方篮板)进行投球，与机器人自主避开进行过程中出现的移动障碍物一样，需要自身识别障碍物并判断障碍物的运动方向，自主避开达到终点。

本自主避障系统可适用于复杂多变的环境，采用模糊控制器对采集工作环境信息进行融合处理，并做出自主避障决策，实现避障系统的智能化。通过仿真试验，验证了该系统的有效性和实时性。避障系统的智能避障为机器人使用的范围扩大提供了更多可能性。