RFID技术在移动机器人同步定位中的应用

［编纂简介］：本文采取RFID技能和粒子滤波器实现移动机器人自立定位和舆图建立。操纵RFID的高速数据传输的特色，加强移动机器人数据获得才能，增加了机器人定位的服从。但今朝，RFID技能还有待进一步进步，阅读器与此同时接受多个标签数据时的碰撞题目要进一步办理完善。与此同时SLAM 算法取RFID使用的联合将匡助机器人更好的定位及节制。

［关键词］：RFID 挪动机械 同步定位

　　在室内移动机器人的导航中，机器人的定位取舆图建立是机器人研讨中一个根底且主要的题目。机器人只有实时明白本身当前的方位，才可以快速正确地抵达终点。自打移动机器人出生以来，已知环境舆图的定位题目和已知定位的舆图建立题目已被普遍研讨，提出了多种有用的办理门路。而当舆图和机器人的位置皆事前未知时，定位题目就变得愈加庞杂。

　　正在这类情况下，规定机械人正在一个完整未知的环境中从一个未知的位置动身，正在递增地竖立环境的导航舆图取此同时，哄骗已竖立的舆图来同步刷新本身的位置，终究构成完好的环境舆图并正在此基础上供应精确的定位。正在上述题目中，机械人位置和舆图二者的估就算是高度相干的，任何一方皆没法自力获得。那样一种相辅相生，不时迭代的进程，被学术界简称为同步定位取舆图竖立( SLAM )题目。该题目能够表述为：机械人正在未知环境中，从一个未知位置最先挪动，正在挪动进程中依据位置预计和传感器开展本身定位，取此同时竖立环境舆图。现正在利用的主如果含糊逻辑和几率的方式，如Bayes预计，Kalman滤波，扩大Kalman滤波和Markov推理等。

　　射频辨认(RFID)手艺是近年来鼓起的一门自动辨认手艺。取传统的条形码体系、接触式卡等不一样，射频辨认体系是哄骗无线射频方法非接触供电，并举行非接触双向数据通信，以到达辨认并交流数据的目标。辨认事情不必人工干预，可事情于各类卑劣环境。将RFID手艺应用于机械人中，能够更好地发扬其手艺特性，使机械人更多地猎取外在信息。

　　很多学者正正在研讨将RFID适用于机器人定位体系中，把RFID作为机器人的一种传感器来开展数据收集和处置惩罚。标签为机器人的外部信息量，机器人根据阅读器来收集各个标签中的位置信息，根据获得的信息操纵同步定位取舆图创立算法来对机器人开展有用的定位，进而获得更精确地掌握。本文的研讨工作中提出了一种基于RFID 体系的有用SLAM 算法。该算法能够办理2维环境下的机器人定位题目。实验证实，根据已知的RFID数据，该算法能成功地正在2维环境中实现移动机器人的跟踪定位。

　　1 RFID 环境设置

　　将RFID标签如图1所示均匀分布正在地面上，标签的间距为0．5m。每一个标签牛皆寄存该标签所正在位置的绝对坐标数据。以便稍后为机器人给予外部位置信息。

　　将RFID 阅读器安装于机械人的底部，适用于读取安排正在地面上的标签中的信息。机械人正在挪动过程中进入标签局限时，标签进入阅读器的磁场局限，吸收阅读器收回的射频旌旗灯号，凭仗感应电流所得到的能量发送出存储正在标签中的坐标信息。实验中RFID阅读器的正面朝下读取地面的标签卡。

　　当移动机器人颠末标签时，阅读器读取标签中的坐标信息并将其传回电脑存储，并读取阅读器的磁场范畴的下一个标签．反复这一进程直到阅读器吸收其射频场内全部标签信息。正在本文的研讨中，只斟酌RFID阅读器一次只处置一个标签坐标信息的情形。

　　2 定位算法

　　上文曾经描写了经过RFID体系猎取机器人根基位置的方式。然而，同步定位的精度取RFID标签的间距和硬件设备的性能密切关系。文中提出的基于RFID体系的同步定位取舆图建立算法经过一些根基坐标信息来展望移动机器人的活动轨迹并定位。列国研究者曾经提出了多种舆图表现方式，大抵可分为3类：栅格舆图、多少特点舆图和拓扑舆图。本文运用多少特点舆图，用多少特点表现传感器网络中的一个传感地标。舆图中的地标和机器人的位置用直角坐标系表现。

　　当RFID标签进入阅读器的磁场范畴时，阅读器读取其坐标数据X( x，y )，并依据该坐标值盘算机器人到各个已知路标间的间隔，已知路标用标签透露表现。

　　是以Tagl的影响力最大，对阅读器的位置有最大决定权。Tag3的影响力最小，对阅读器位置的决定权最小。依据三角定位道理，只与影响力较大的3个信息标签来干定位盘算。

　　按照Tagl，Tag2，Tag4到阅读器的间隔d1，d2，d4 可求出待定位的机器人测算坐标St =(xs，ys )：

　　2．3 活动模子

　　活动模子展望下个时间段机器人的活动状况和环境特点。移动机器人正在t时刻的位置为St (X s，ys)，St是 t 时刻移动机器人的输入节制Ut和前一时刻位置S t-1 的一个函数，移动机器人的位置信息可以用活动模子:

　　来默示

　　因为环境特点是静止的点，活动模子能够如下表现：

　　此中(xi (t)，yi (t))是t 一1时刻标签 i 的坐标。

　　由活动模子中采样M 条途径，每条途径全是一个粒子。对每一个粒子来讲，机器人活动途径是肯定的，每一个粒子划分采取N个卡尔曼滤波器预计用N个环境特点的位置。

　　和辨别暗示第i个粒子的N个环境特点的高斯均值和协方差。

　　2．4 SLAM 中的粒子滤波器

　　粒子滤波算法的迭代进程为：

　　① 初始Ⅳ 个粒子，透露表现机器人的位置；

　　② 求上一步中每一个粒子的活动模子；

　　③ 对每一个默示机器人的粒子，猜测观察值，并按照观察值盘算粒子权值；

　　④ 运用每一个粒子对应的K个卡尔曼滤波求各个环境坐标位置的估计值；

　　⑤ 重采样；

　　机器人途径粒子重采样所需求的权值测算如下：

　　3 仿真成果

　　机器人活动速度为0．5m／s，节制旌旗灯号工夫间隔为0．025s，观察最远间隔30m．摹拟2O个工夫步来测试算法的稳定性．实验根据Matlab编程举行参数设置，用鼠标操纵划出机器人的行走线路．

　　4 结语

　　本文采纳RFID手艺和粒子滤波器实现移动机器人自立定位和舆图创立。哄骗RFID的高速数据传输的特性，加强移动机器人数据猎取本领，增加了机器人定位的效力。但现在，RFID手艺还有待进一步进步，阅读器与此同时接受多个标签数据时的碰撞题目要进一步处理完善。与此同时SLAM 算法取RFID利用的融合将资助机器人更好的定位及节制。

参考资料