鄒風山1,2，趙彬1,3
（1.沈陽新松機器人自動化股份有限公司，遼寧 沈陽 110168；2.中國科學院沈陽自動化研究所，遼寧 沈陽 110016；3.東北財經大學 工商管理學院，遼寧 大連 116025）
摘要：針對服務機器人導航和調度系統問題進行了研究。首先根據事先確定的任務進行自主全局路徑規劃，移動機器人在執行路徑跟蹤時，還要不斷感知周圍的局部環境信息；其次，移動機器人不僅要避開附近的移動障礙物，而且要進行局部規劃或局部路徑修正；然后，完成了地圖創建、機器人全局定位、規劃局部路徑并控制車體運動；最后，介紹了服務機器人調度系統終端軟件。實現了機器人與調度系統的結合，完成通過調度系統進行機器人運動控制的功能。
關鍵詞：移動機器人；地圖創建；定位；調度系統
中圖分類號：TP242.3文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2017.07.017
引用格式：鄒風山，趙彬.服務機器人導航與調度系統技術研究［J］.微型機與應用，2017,36（7）：56-58，62.
0引言
*基金項目：國家科技重大專項（2014ZX02103）服務機器人作為機器人行業的主打產品系列之一，其適用范圍越來越廣，在酒店引領、商場導購、餐廳送餐、展示講解等領域已成熟應用［1］。智能服務機器人在我國先進制造技術的發展中起著關鍵的作用，將機器人技術與信息技術相結合，面向家庭的智能服務機器人應用程序將成為未來數字家庭的關鍵角色。移動機器人心臟的中央處理單元RC接收多個傳感器融合信息，使機器人能夠理解它們的周圍和外部環境信息［2］。利用這一方法實現實時運動控制決策，找到最優路徑。由于傳感器和控制器的作用,一方面，移動機器人在沒有人工干預的條件下,完成自主運動規劃實現自主避礙；另一方面，可以采取多種控制方式實現半自動運行。如操作者通過鍵盤和鼠標發送控制命令，使得機器人能夠理解人類語言［3］。同時，機器人還可以根據聲音命令，實現云數據學習和網絡訪問，遠程服務使得機器人不僅可以從遠程位置環境中獲取信息，還可以幫助運動和控制決策等［4］。
本文以自主移動機器人可以模擬人類自我學習的過程為目的，將其功能研發分為理解自己的狀態和外部環境信息，從而實現實時運動控制決策、避障、找到最優路徑；在柵格地圖表征環境下，采用Wavefront方法進行路徑規劃、自主移動和軌跡跟蹤。對服務機器人實現服務機器人調度系統調度服務器功能，完成系統內機器人的整體調度規劃和命令下發。實現服務機器人調度系統PC終端軟件，完成PC端的機器人調度申請功能。打破國外發達國家在智能服務機器人領域的相關技術封鎖，提高我國智能服務機器人的技術水平，促進我國智能機器人產業的發展。
1移動機器人導航定位
本系統將利用通用激光雷達數據預處理方法對數據進行預濾波，有效提取信息中的有效部分，降低數據量［5］。同時，采用通用預處理方法可以降低定位與地圖創建系統對環境先驗知識的要求，極大提高系統可靠性和廣泛適用性。
1.1可靠環境感知方法
如圖1所示，環境感知是地圖創建的基礎。二維激光雷達對環境離散化程度高，受遮蔽等影響大。面向定位的激光雷達數據通用特征提取方法利用環境的先驗知識可以很容易地解決這些問題，提高特征提取的精度，但在環境不符合先驗知識的情況下，將產生大量不穩定的特征，嚴重影響定位系統的魯棒性。
為了解決這些問題，在對數據進行濾波、分割的基礎上提取這些離散點構成的網格的結構張量，如圖2所示。這些信息穩定且可以廣泛地應用于多邊形、弧形及叢狀物體（Blob）的激光雷達觀測之中。通過解決噪聲問題、離散化問題和結構張量正規化（Normalization）問題，可以成功地對二維激光雷達進行特征提取，經過實驗驗證，這種方法提取的特征比基于環境先驗知識所提取的特征更加穩定、精確。
1.2粒子濾波
利用粒子濾波思想，用粒子來表示機器人的位姿，在整個地圖分布粒子，利用觀測計算粒子的權值，對權值進行歸一化處理，根據粒子權值進行重采樣。重采樣就是舍棄權值小的粒子，讓權值大的粒子分裂出新的粒子，然后再重新計算粒子的權值，如此迭代，直到收斂。
在地圖創建后（或在已知環境中），利用數據關聯的方法，可以對移動機器人進行定位。這個問題稱作全局定位問題。由于數據關聯的復雜性和數據關聯具有的指數復雜度，全局定位問題被看做是一個復雜的問題。傳統的數據關聯方法要求移動機器人對位置先驗信息具有很高的確定度。但是，在一般的定位應用中，這是難以滿足的。同樣地，利用基于后驗概率的數據關聯方法，可以在位置先驗信息不確定度較差的情況下，準確地獲取數據關聯結果。
1.3移動機器人定位與地圖匹配
地圖匹配與合并可以將創建的局部地圖合并入全局地圖中，或將多個局部地圖合并創建全局地圖。地圖匹配與合并的核心是計算正確的地圖轉移量。在二維環境中，這個地圖轉移量包含在X和Y方向的平移距離以及一個旋轉角。地圖轉移量的計算需要找到地圖之間的相似目標，進而驗證地圖根據該相似目標進行合并后的似然函數。圖3給出了一個地圖合并的例子。地圖合并的核心在于有效特征的提取與數據關聯。
2移動機器人路徑規劃
要研究機器人路徑規劃首先構建一張地圖，取定位點，通過PAD操作創建如圖4所示的地圖。地圖創建完成后，手動遙控實驗平臺運動，并使用PC端軟件的地圖顯示功能實時監控實驗平臺運行，確認實驗平臺實際運行位置和地圖上顯示位置是否一致。
2.1移動機器人路徑規劃
將全局路徑規劃方法與局部路徑規劃方法相結合，將基于反應的行為規劃與基于慎思的行為規劃相結合，解決路徑規劃算法的合理性、完備性、最優性、實時性以及對環境變化的適應性問題，同時保證機器人在動態不確定環境下，能夠在滿足自身運動學約束的前提下，以最短路徑代價運動到目標點。
2.2Wavefront法
由于室內環境規模較小，環境內障礙物相對較多，一般室內環境都采用柵格地圖或拓撲度量地圖標示。本系統擬采用柵格地圖表征環境。在柵格地圖中，采用Wavefront方法進行路徑規劃是一種簡潔、可靠的選擇。Wavefront方法將地圖看做一個可導熱的物體，環境中的障礙物為熱絕緣體；出發點被看做熱源，熱量從熱源擴散出去。當熱量到達目標點時，熱量停止擴散，同時產生有效路徑。利用這種方法，可以確保有效路徑的探測率達到100%，同時，可以根據應用需求，在安全性和能量效率之間進行平衡，產生定義的最優路徑。然而，由于計算復雜度的原因，Wavefront方法不適用于大規模環境之中。
3機器人調度系統
3.1服務機器人調度系統
圖5基于ICE中間件的分布式軟件系統多個機器人能夠協調工作是服務機器人提高自身應用價值、推廣市場和提高用戶體驗的必備功能。因此需要一套調度系統，在多臺機器人協同作業時進行統一規劃和調度，使機器人能夠高效地配合完成較為復雜的任務。圖5所示為基于ICE中間件的分布式軟件系統。該系統由以下模塊構成：PC、移動終端，其作為任務下發構件；調度服務器，其作為任務處理、路徑規劃構件；機器人，作為任務執行構件。
3.2系統功能結構
系統功能結構包括：機器人狀態信息采集和處理(位姿、運行狀態、電量)；地圖管理功能(地圖編輯、下載、上傳、派發、切換)；任務管理功能(任務生成、分解、排序、下發)；路徑規劃功能(靜態規劃、動態規劃、二次規劃)；充電管理功能(低電量充電、空閑充電、充電站管理)；日志記錄功能(任務日志、調度日志)。
3.3規劃策略
規劃策略：基于關鍵點的路徑生成和使用代價計算。
規劃步驟：（1）關鍵點及其關聯關系創建；（2）基于關鍵點的有向圖模型建立；（3）使用Dijkstra算法計算，并保存關鍵點之間的路徑及其靜態代價；（4）機器人關鍵點使用優先級處理、沖突處理及等待代價計算；（5）所有機器人路徑優先級排列遍歷，計算總體代價最小值；（6）依據代價最小的機器人路徑組合，計算沖突關鍵點的使用次序；（7）監視器依據關鍵點的使用次序，調度機器人。
4結論
本文首先系統地描述了移動機器人導航定位中躲避障礙物、可靠環境感知、魯棒數據關聯和基于位姿的粒子濾波方法，在柵格地圖表征環境中，采用Wavefront方法進行路徑規劃。其次，機器人可以通過環境感知傳感器采集環境信息，實現自主路徑規劃并運動到預先設定的目標點，無需人工干預。移動機器人具體工作時根據事先確定的任務自主進行全局路徑規劃，在執行此路徑的跟蹤時，還要不斷感知周圍的局部環境信息，避開附近的移動障礙物，即要進行局部規劃或局部路徑修正。最后，多個機器人協同作業時進行統一規劃和調度，使機器人能夠高效地配合完成較為復雜的任務。鑒于此，對服務機器人導航與調度系統技術研究不僅滿足我國對未來多種類的高性能智能服務機器人需求，而且對占領市場具有重要的戰略意義。
參考文獻
［1］ 沈友建, 黃孝鵬, 肖建.基于STM32的機器人自主移動控制系統設計［J］. 微型機與應用, 2016,35(18): 12-14.
［2］ Wang Bingfeng, Cui Shigang, Zhao Li, et al. Mobile robot map building based on grid arrangement［J］. Artificial Intelligence and Computational Intelligence, 2009, 09(2): 288-291.
［3］ LEE Y C, CHRISTIAND, YU W, et al. Satellite image based topological map building method for intelligent mobile robots［C］. Intelligent Vehicles Symposium, 2012,7(2272): 867-872.
［4］ 李建軍. 國產化嵌入式實時操作系統軟件測試方法研究［J］. 微型機與應用, 2016,35(24): 24-29.