当前位置：文档之家 › 移动机器人导航中激光雷达测距性能研究

移动机器人导航中激光雷达测距性能研究

  • 格式：pdf
  • 大小：1.19 MB
  • 文档页数：5

第19卷　第2期2006年4月传感技术学报CHINESEJOURNALOFSENSORSANDACTUATORSVol.19　No.2Apr.2006

ResearchonRangingPerformanceofLaserScannerintheNavigationofMobileRobotYUJin2xia1,2,CAIZi2xing1,ZOUXiao2bing1,DUANZhuo2hua1,31.CollegeofInformationScience&Engineering,CentralSouthUniversity,Changsha410083,China;

2.CollegeofComputerScience&Technology,HenanPolytechnicUniversity,JiaozuoHenan454003,China;

3.DepartmentofComputerScience,ShaoguanUniversity,ShaoguanGuangdong512003,China

Abstract:Rangedetectionisacrucialproblemforthenavigationofmobilerobot.Theoperationprincipleof2DlaserscannerLMS291isintroducedsimply,whichisbasedontimeofflight.Then,itserrorfactorsofrangingperformanceareanalyzed.Withthestatisticanalysisofdataalignment,rangingaccuracyoflaserscannerundertheinfluenceofvarioustargetsurfacepropertyisstudied.Atthesametime,theangularresolutionisdeterminatedbythemeasuringmethodofmixedpixelandtheerrormodelisbuiltbytheex2perimentsonrangingperformanceoflaserscanner.Theconclusionscanprovidethesupportforobstaclesdetection,environmentmapandself2localizationinthenavigationofmobilerobotundercomplexandun2structuredenvironment.Keywords:laserscanner;rangingperformance;dataalignment;targetsurfaceproperty;mixedpixelEEACC:6320C;7320C

移动机器人导航中激光雷达测距性能研究

于金霞1,2,蔡自兴1,邹小兵1,段琢华1,31.中南大学信息科学与工程学院,长沙410083;2.河南理工大学计算机科学与技术学院,河南焦作454003;3.韶关学院计算机科学系,广东韶关512003

收稿日期:2005206228

基金项目:国家自然科学基金重点项目资助(60234030)作者简介:于金霞(19742),女,博士研究生,从事智能控制、移动机器人环境建模与定位技术等;

蔡自兴(19382),男,博士生导师,教授,纽约科学院院士,从事人工智能、机器人学、智能控制等,

melissa2002@163.com。

摘　要:

距离检测是移动机器人导航的一个关键问题。文章介绍了基于飞行时间法测距的二维激光雷达LMS291的工作原

理,分析了影响LMS291测距性能的误差因素,通过统计分析对测距数据进行标定,研究了不同物体表面属性对测距精度的影响;通过混合像素测定方法确定LMS291的角度分辨率;通过对激光雷达测距性能的试验,建立测距误差模型。所得结论可以为复杂非结构化环境下移动机器人导航中障碍检测、环境建模及自定位提供支持。关键词:

激光雷达;测距性能;数据标定;物体表面的属性;混合像素

中图分类号:TN958.98 文献标识码:A 文章编号:100421699(2006)0220356205

激光测距因其具有探测距离远,测量精度高等优点,被广泛应用于移动机器人自主导航系统[1]。激光测距方法主要分为二类:一类是脉冲测距方法;另一类是连续波测距法[2]。连续波测距一般针对合作目标,通过调频法(Frequency2ModulatedContin2uous2Wave,FMCW)或调幅法(Amplitude2Modu2latedContinuous∃Wave,AMCW)进行测距。脉

冲测距也称为飞行时间测距(TimeofFlight,TOF),应用于反射条件变化很大的非合作目标。传感器可以采用在平面上进行线扫描的二维激光雷达或者能够进行面扫描的三维激光雷达。面向移动机器人实时自主导航的需求,二维TOF激光雷达是最佳选择[3]。二维TOF激光雷达在移动机器人导航中的应用,包括障碍检测[4]、环境建模[5]以及自定位[6]等多方面。然而,针对此类激光雷达性能特征的研究却很少。为了实现精确实时地自主导航,需要对激光雷达的测量误差进行实验与分析,建立误差模型,消除测量噪声。为此,针对德国SICK公司生产的激光测距系统LMS291,本文分析了其测量误差的产生原因,在移动机器人MORCS21上利用LMS291进行了测试和分析。为了检验激光雷达的测距精度与线性度,在测试台上标定出20～248cm的距离刻度;通过实验获取不同测量距离下激光雷达测距数据的的统计特性,为设计测距数据的噪声滤波器奠定了基础;针对不同材质的表面属性以及混合像素等影响测距精度的因素,也通过实验确定了LMS291的测距数据的标准差。研究结果可以为复杂非结构化环境下的移动机器人导航提供支持。1　激光雷达LMS291的工作原理LMS291激光雷达测距仪采用飞行时间法测距(cm模式时测距远至80m,mm模式时测距为8m),其工作原理见图1[7,8]。激光器发射的激光脉冲经过分光器后,分为2路,一路进入接受器;另一路则由反射镜面发射到被测障碍物体表面,反射光也经由反射镜返回接受器。发射光与反射光的频率完全相同,通过测量发射脉冲与反射脉冲之间的时间间隔并与光速的乘积来测定被测障碍物体的距离。LMS291的反射镜转动速度为4500r/min,即每秒旋转75次。由于反射镜的转动,激光雷达得以在一个角度范围内获得线扫描的测距数据。图1　LMS291工作原理2　LMS291测距性能的误差分析LMS291可以采用1°/0.5°/0.25°等3种扫描解析度。扫描角度范围为180°(解析度为1°/0.5°)和100°(解析度为0.25°)。采用1°解析度模式时,

完成一次线扫描的周期为13.33ms,在180°范围内得到181个测量数据。采用0.5°模式时,通过0.5°相位差的2次扫描得到361个测量数据。因此,采用0.5°模式时完成一次线扫描的时间为26.67ms,

同理采用0.25°解析度时的线扫描周期为53.33

ms。有关LMS291测量精度的几个指标[7]如下:

(1)系统误差:针对物体位置在1～20m范围

,

表面反射率在10%～10000%(柯达公司标准)变化条件下的系统误差为35mm(mm测量模式);5cm

(cm测量模式)。

(2)统计误差:在1～20m范围内,反射率为

>

10%的某个固定值时,环境照度≤5000Lux条件下,统计误差的1倍标准差为10mm。(3)数据接口:LMS291采用RS232或

RS422

通讯接口,采用RS232接口时的通讯速率为9600

波特率或38400波特率;采用RS422接口,通讯速率可以达到500k波特率。(4)测量数据的输出格式:测量数据的字长为

2byte,其中第D13,D14,D15位用来表示设定的保护区域(分别对应A,B,C保护区)的状态;D0～D12

位为距离信息,最大输出值为:2

13

-1=8191。当采

用mm输出模式时,最大测距值为8191mm;当采用cm输出模式时,最大测距值为8191cm。但激光测距仪的实际测量距离与被测物体表面的反射率相关。不同材质的反射率存在差异,激光测距仪的有效测量距离随激光反射率的增加而增加。LMS291在10%的反射率时,有效测量距离为30m;反射率为74%时,最大测量距离接近80m。有效测量距离与反射率之间的关系见图2。

图2　物体表面反射率与检测距离表1列出了几类典型材质的反射率(按照KO2DAK公司标准):

753第2期于金霞,蔡自兴等:移动机器人导航中激光雷达测距性能研究表1　典型材质的反射率单位%

材质反射率无光泽的黑色纸板10

无光泽的灰色纸板20

木板(原质的松木)40

灰色PVC板50

无光泽的白纸80

阳极氧化为黑色的铝板110～150

钢板,自然的金属色泽120～150

钢板,抛光处理140～150

反射镜>2000

3　测距性能实验与分析3.1　测距数据的标定LMS291的系统误差是针对不同反射率的目标,在不同入射角的情况下测量统计出来的,针对相近反射率的目标进行测量时的误差要小于系统误差。为了检验激光雷达的测距精度与线性度,在测试台上标定出20～248cm的距离刻度。被测物体每次平移3cm,在每个刻度值测量100次。获得20

～248cm之间的77组共计7700个测量数据。将测量数据在各个测量点的平均值数据曲线绘制在图3中,分别标出了各个测量点的平均误差、测量数据组中的最大正向偏差(上限)与最大负向偏差(下限)。该测试表明针对某固定反射率的物体(反射率约20%),测量数据的最大偏差在-3～3cm范围内,测距误差的均值为0.34cm,对全部7700个数据统计出误差分布的标准差为0.94cm。

图3　LMS291在0～248cm范围的测量误差采用线性最小二乘方法对20～248cm范围的数据进行校正[9],设:

^xi=kdi+b(1)式中^xi为对真实距离的估计值,di为激光雷达在第i个测量位置的均值,k,b为常系数。它们的取值以公式(2)的值最小化为优化目标。

∑ni=1(xi-^xi)2=∑ni=1(xi-kdi-b)2(2)

为了计算k与b,用标尺确定的测量点距离作为xi,

根据线性最小二乘法的计算公式,得到公式(3),其中x是xi的均值,d是di的均值:

k=∑n

i=1(xi-x)(di-d)

∑ni=1(di-d)2

(3)

b=x-kd(4)通过计算,得到20～248cm的校正参数,k=

1.000416,b=-0.45cm。通过具有不同表面特性的物体(如铝板、纸板与木板)的测距分析表明该校正模型具有较理想的效果。3.2　不同测量距离下的统计特性分析采用反射率较高的金属铝板,放置在实验室走廊上不同的距离处进行测量。获得距离为251cm,

合集下载

基于深度强化学习的室内移动机器人导航研究

基于深度强化学习的室内移动机器人导航研究

基于深度强化学习的室内移动机器人导航研究随着人工智能技术的不断发展，机器人的应用越来越广泛。

其中，移动机器人在日常生活中已经开始发挥重要的作用，例如清洁机器人、物流机器人、家庭助理机器人等。

特别是，在室内环境中，移动机器人也被广泛应用于智能家居、医院、办公室等场所。

其中，机器人的导航技术是其应用中的重点。

面对日益复杂的室内环境，如何提高机器人导航的效率和准确性是当前研究的热点之一。

本文将介绍基于深度强化学习的室内移动机器人导航技术的研究现状和发展趋势。

一、机器人导航技术的研究现状在传统的机器人导航技术中，通常采用激光雷达、相机等传感器来获取环境信息，然后结合自身的运动控制策略来进行路径规划和控制。

但是，由于室内环境的复杂性和不确定性，这种方法存在一些缺陷，如容易受到光照和噪声等干扰，无法应对复杂的交通情况，且无法预计未来环境变化的情况下难以完成精确的路径规划和控制。

近年来，随着深度学习技术在机器人领域的应用，深度强化学习作为一种新兴的机器人导航技术也受到了越来越多的关注。

其基于神经网络的优势使得机器人能够更加高效地执行复杂的任务。

二、基于深度强化学习的机器人导航技术原理及优势基于深度强化学习的机器人导航技术，需要通过传感器来获取环境信息，然后将其转换成机器人能够理解的形式，进而使用深度神经网络来学习机器人的控制策略。

在这种技术中，机器人控制器通过不断地与环境进行交互，学习到了一种高效的行为策略，从而能够更好地完成导航任务。

相较于传统机器人导航技术，基于深度强化学习的机器人导航技术的主要优势如下：1. 更高的自适应性。

深度强化学习技术能够学习到复杂环境中的非线性关系，使机器人能够更加灵活地应对不同的环境和任务。

2. 更高的准确性。

基于深度强化学习的机器人导航技术能够通过自我纠正和优化来提高准确性，从而能够更加准确地完成路径规划和控制任务。

3. 更高的泛化能力。

深度强化学习能够学习到抽象的状态表示，从而能够实现对于不同环境的泛化。

激光雷达SLAM技术的研究与应用

激光雷达SLAM技术的研究与应用

激光雷达SLAM技术的研究与应用近年来，激光雷达(SLAM)技术得到了广泛应用，并已成为自主导航等领域的核心技术之一。

本文将针对激光雷达SLAM的相关内容进行深入的讨论和分析。

前言激光雷达SLAM技术即同时定位与地图构建技术，其主要目的是通过激光雷达扫描物体轮廓，进行定位和建图。

本文将从激光雷达SLAM的现状、工作原理、应用领域三个方面进行探讨。

一、激光雷达SLAM技术现状作为自主导航中的关键技术，激光雷达SLAM技术在国内外得到了广泛的关注。

目前，激光雷达SLAM技术的发展呈现出以下几个趋势：1. 传感器成本逐渐下降，性能逐渐提高。

目前，激光雷达的价格越来越低，一些低配激光雷达甚至已经低于1000美元，同时，激光雷达的测距精度和稳定性也有了较大的提升。

2. 算法不断优化，效果逐步提高。

激光雷达SLAM算法的优化可以使机器人在更短的时间内建立更为准确的地图和位置估计，比如NDT配准算法、LOAM算法和LeGO-LOAM算法等。

目前，一些商用的机器人已经可以实现实时建图和定位。

3. 应用场景逐渐拓展，覆盖领域逐步扩大。

目前，激光雷达SLAM技术已经广泛应用于无人车、机器人定位、军事领域、工业应用等领域。

二、激光雷达SLAM技术的工作原理激光雷达SLAM技术的工作原理主要包括三个部分：激光雷达的数据采集、数据处理以及建图与定位。

在数据采集阶段，激光雷达会通过向周围扫描发出激光束,将激光束反射回来的数据信息收集起来，然后通过分析数据，可以获取环境几何结构的信息。

在数据处理阶段，激光雷达会把已经采集到的数据发送到计算机进行处理。

然后通过SLAM算法，提取数据中的特征并建立地图，同时对机器人的位置进行估计。

在地图与定位阶段，机器人通过结合激光雷达的数据和已有地图的信息，实现了自身位置的精确定位。

实时的位置信息和地图信息在机器人的控制和导航中发挥了重要作用。

三、激光雷达SLAM应用领域激光雷达SLAM技术在自主导航、机器人制造、智能仓储、工业应用等领域都得到了广泛应用。

激光雷达在测距中的应用

激光雷达在测距中的应用

激光雷达在测距中的应用激光雷达技术是近年来发展迅速的一种技术，它以高精度、高速度、高分辨率的优势，被广泛应用于自动驾驶、智能安防等领域，在测距方面也有着重大的应用。

本文主要介绍激光雷达在测距中的应用。

一、激光雷达测距原理激光雷达测距的原理是通过激光束的发射和接收来实现。

激光雷达通过向目标发射一个短脉冲激光束，然后测量激光束反射回来所需的时间，根据光的速度和时间计算出目标的距离。

激光雷达在测距中的应用非常广泛，比如在机器人、自动驾驶、无人机等领域中都有着很重要的作用。

它可以帮助用户准确测量距离，同时也可以提高系统的安全性和可靠性。

二、激光雷达的优势与其他传统的测距设备相比，激光雷达具有许多优势。

其中最明显的一点就是激光雷达具有高精度、高速度和高分辨率。

这些优势使得激光雷达具有更广泛的应用范围，并且能够帮助人们更好地实现测距和监测。

首先，激光雷达可以实现非接触式测距，避免了物理接触带来的影响，同时也提高了安全性。

其次，激光雷达具有较高的精度和稳定性，可以准确地测量目标的位置和距离。

三、激光雷达测距的应用1.自动驾驶在自动驾驶领域，激光雷达被广泛应用，它可以帮助自动驾驶汽车实现精准、高速的行驶，提高行驶的安全性和可靠性。

通过激光雷达测距可以实现车辆的实时位置、速度和方向的精确掌控，从而可以更好地避免交通事故。

2.智能安防在智能安防领域中，激光雷达可以用于安装在建筑物周围或者重要设备周围作为入侵侦测的辅助手段，可以快速、准确地判断是否有人或动物进入禁区，提高安保水平。

3.机器人激光雷达在机器人领域中也有着重要的应用，可以用于指导机器人的扫描、定位和轨迹规划。

通过激光雷达测距可以实现机器人在无人区的自主导航，同时也可以提高机器人的精准度和稳定性。

4.3D测绘激光雷达测距也可以进行三维地图的测绘，可以对建筑物、地形、森林、桥梁等各种场景进行精确地测量和建模，帮助人们更好地了解所研究区域的环境和地理特征。

四、总结激光雷达技术在测距领域中有着十分重要的应用，其高精度、高速度、高分辨率和非接触式测距等特点，使其成为自动驾驶、智能安防、机器人等众多领域不可或缺的测距手段。

基于激光雷达的移动机器人室内定位与导航

基于激光雷达的移动机器人室内定位与导航

• 144•器算计群体提供类似操作系统应有的功能，提供了操作系统本该具有的一些服务。

以及硬件抽象和底层设备控制。

ROS 操作系统主要目标是对机器人研发提供功能代码包的支持。

ROS是一个非常复杂分布式的进程框架，并且支持一种类似于代码储存库的联合系统，进程被封装在易于被分享和发布的程序包和功能包中，这些设计可以使一个完整工程的开发和实现从文件系统到用户接口完全独立决策，独立的工程都可以被ROS的一些基础工具全部整合在一起，形成一个庞大的体系。

图1 整体设计方案ROS其实是由底层和高层两大部分组成，低层使用是BSD 许可证,也就是操作系统层，能免费用于研究和商业用途。

高层则是广大用户群体上传用户代码实现不同功能的各种软件包，例如定位绘图，行动规划，感知，模拟等等。

3.2 基于激光雷达SLAM建图技术激光雷达是本项目中最核心的传感器，激光雷达其实就是一种采用非接触激光测距技术的扫描式传感器，它由激光发射端和光学接收端两大核心部分组成，工作时会通过自身的旋转，激光发射端向目标发射激光束，对障碍物进行感知之后，会反射一个信号，光学接收端就会接收目标返回来的信号，发射信号与接收的信号进行比较，然后在做相应的处理，然后就会获取目标的有关信息。

ROS为机器人导航提供了非常强大的支持，这可以让我们在不了解细节和具有海量复杂无比的科学计算的情况下就可以对机器人导航，定位，路径规划。

第一步就是要建立一个封闭环境的地图，这个过程叫做SLAM。

项目组采取gmapping包构建二维地图。

上文中提到了激光雷达的工作原理。

通俗的讲，激光雷达在工作时就是测量自身到障碍物之间的距离。

机器人初始化完成之后，会有一个对应的世界坐标和自身的朝向信息，然后根据激光雷达的探测信息，估算出的障碍物的相对坐标。

我们采用bresenham算法直线段扫面的算法：通过激光雷达的扫描后，会得到机器人自身到障碍物之间的距离，那么我们把障碍物所处的栅格标注为occupy，机器人所处的栅格与障碍物所处的栅格之间之处都为free。