摘要：自定位是移動機器人在完成路徑規劃、自主導航等行為的基礎。它的解決是移動機器人完成任務的前提。本文構建了一種基于Kinect深度視覺傳感器和超聲波的室內定位系統，對三邊定位算法進行了改進與完善。移動機器人可以通過自身傳感器對人工信標的感知、分析，精確的得到自己的位置信息，

關鍵詞：移動機器人，自定位，kinect傳感器，信標；

1引言

由于移動機器人在軍事、航天、工業等諸多領域以及日常生活中越來越廣泛的應用，人們對機器人的智能程度要求越來越高，機器人被應用到各種人類不能執行或難以執行的任務、“苦力工作”或重復性的工作等。移動機器人只有知道自己在哪里，以及如何從一個位置到達另一位置后，才能夠有目的運動，從而有效地完成特定的任務。這個過程也被形象的稱作導航問題：“我在哪里？（Where am I？）”、“我要去哪里？（Where do I want to go？）”、“我如何到達該處？（How do I get there？）”。機器人自定位問題是需要解決的第一個問題，它的解決是其他兩個問題得以解決的關鍵和基礎。

基于信標的定位系統依賴于一系列環境中已知特征的信標，通過安裝在移動機器人上的傳感器對信標進行觀測。可用于觀測路標的傳感器有很多種，包括超聲波傳感器、激光傳感器、視覺傳感器等，信標定位方式主要有三邊測量、三角測量和場景分析等[1]。合肥工業大學的學生提出基于Zigbee的超聲波室內定位系統，在該系統中，超聲波發射器和Zigbee無線模塊安裝在移動機器人上，在天花板上以一定間隔安裝超聲波接收模塊，且作為信標的接收模塊的全局坐標已知。通過獲取接收模塊與發射器之間的距離利用三邊定位原理對機器人本體進行定位。這種定位方式可以達到很好的定位效果，可是定位區域需要安裝大量的接收模塊，增加了定位系統的成本，對安裝及維護造成極大的不便。哈爾濱工業大學的學生針對超聲波網絡需要鋪設大量硬件設施的問題，研究一種稀疏超聲波網絡下的室內機器人定位方法，但是這種定位方法需要確定機器人的初始位姿，在定位過程中需要大量時間。

本文提出基于Kinect深度視覺傳感器的定位方法，設計了便于識別的人工信標，通過邊緣檢測等方法對信標進行配準、識別，然后應用Kinect視覺傳感器對機器人本體到信標的距離進行精確測量，最后應用改進的三邊定位原理實現移動機器人的自定位。

2 機器人硬件系統

MobileRobots的先鋒機器人比大多數機器人小，但是它內部高度集成了智能移動機器人技術，而它的能力完全可以與那些體積笨重價格昂貴的設備相匹敵，本文使用的移動機器人為MobileRobots公司設計生產的Pioneer3-DX型機器人，該型機器人配備隨車的PC計算機，使其成為一個完全自治的智能移動機器人系統。

2.1 聲納環

Pioneer3-DX機型上的聲納環位置是固定的：兩側各有一個，另外6個以20度間隔分布在前后側邊。這種聲納陣的布置可以為機器人提供360度無縫檢測。如圖1所示。

圖1 Pioneer3聲納環

基于ARCOS的MobileRobots機器人最多可以支持4個聲納環，每個環最多有8個換能器，使用聲納客戶端命令可以起動或者關閉全體或者單個的聲納陣列。命令串參數由一系列1到32的聲納數組成。1到8的聲納數與聲納陣列1的輪循次序相對應。9到16的聲納數與聲納陣列2的輪循次序相對應；17-24規定了聲納陣列3的次序；25-32規定了聲納陣列4的次序。每一次輪循中每一個聲納可以重復兩次或者更多次。如果一個聲納數沒有出現在其他已經改變的順序中，該聲納環不會被起動。

2.1 Kinect

Kinect傳感器是由微軟公司于2010年6月發布的具備RGB彩色相機、紅外線發射器、紅外線CMOS攝像頭的深度視覺傳感器。可用于測量空間三維點數據，RGB 彩色攝像頭，負責彩色信息捕捉，紅外線發射器、紅外線 CMOS 攝像頭相結合構成了三維結構光深度傳感器，負責深度圖像的捕捉[2]。

Kinect的測距使用的是光編碼技術(Light coding)，即使用光源給待測量的空間進行編碼，,Kinect使用的光源叫做激光散斑，是激光照射到粗糙物體或穿透毛玻璃后形成的隨即衍射斑點。這些散斑具有高度的隨機性，而且會隨著距離的不同而變換圖案，也就是說空間中任意兩處的散斑圖案都是不同的[3]。只要在空間中打上這樣的結構光，整個空間就都被做了標記，把一個物體放進這個空間，只要看看物體上面的散斑圖案，就可以知道這個物體在什么位置了，當然，在這之前要把整個空間的散斑圖案都記錄下來，所以要先做一次光源的標定，在PrimeSense的專利上，標定的方法是這樣的[4]，每隔一段距離，取一個參考平面，把參考平面上的散斑圖案記錄下來。假設規定的用戶活動空間是距離電視機1米到4米的范圍，每隔10cm取一個參考平面，那么標定下來我們就已經保存了 30幅散斑圖像，需要進行測量的時候,拍攝一副待測場景的散斑圖像，將這幅圖像和我們保存下來的30幅參考圖像依次做互相關運算，這樣我們會得到30幅相關度圖像，而空間中有物體存在的位置，在相關度圖像上就會顯示距離值。

圖2 Kinect外觀圖

本文在Pioneer3-DX型機器人上安裝云臺，將Kinect深度視覺傳感器置于云臺之上，通過設置控制系統，可實現Kinect視覺傳感器對周圍環境的360度檢測。具體的定位思想可用如下流程圖3所示。通過邊緣檢測、圖像配準等方法對人工信標進行識別，具體的方法可以參考論文《《基于sobel算子的邊緣檢測算法研究》》，本文只對確定人工信標之后的定位部分進行論證。

圖3 機器人自定位流程圖

3改進三邊定位法

傳統三邊定位法如圖4所示。A、B、C三個點的坐標是已知的，假設分別為

圖4 三邊定位原理示意圖

在沒有誤差的情況下，式3-1方程組有唯一的解，即在水平面上的投影的圓有唯一的交點，但是在實際測量中，誤差是不可避免的，三個圓并不能相交于同一點，而是形成一個區域[6]。如圖5所示。

圖5 測量誤差形成區域

從求解三邊測量法方程的過程中我們可以發現，如果方程組沒有相交于一點，則三邊測量法求得待測節點的坐標為兩條直線的交點，這兩條直線分別為過圓B與圓A的交點的直線L1和過圓A與圓C的交點的直線L2，三邊測量法的解法并沒有完全利用已知的3個節點的坐標值，而是根據2條直線的交點來計算待測節點的位置，這樣計算出的坐標會存在比較大的誤差[7]。如圖6所示。

圖6 誤差情況下的三邊定位算法

為了使計算出的移動節點的坐標更精確，在測量有誤差的情況下，前人提出用三個圓圍成的區域的質心來計算待測節點的位置[8]。將 3-1方程組中的方程表示為如下函數：

本文采用上述算法進行了多次的獨立實驗，獲取了較為豐富的實驗結果。實驗數據顯示：在多數情況下，上述方法可以準確的對機器人實現自定位，但是仍然存在定位點與實際機器人位置相差甚遠的情況，筆者篩選出一組有代表性的數據進行論證說明，并且提出了解決這個問題的方法，對上述算法進行了完善。、

4實驗與仿真

本文選取路標位置隨機記錄了十組機器人的準確位置分別為1（180，80，45）2（200，60，45）3（220，70，45）

4（240，80，45）5（260，90，45）6（280，100，45）

7（300，110，45）8（320，120，45）9（340，130，45）

10（360，140，45）（單位：cm），以及應用Kinect傳感器測得在該位置到以上三個路標的距離信息分別為如表1所示，應用上文提到的改進三邊定位算法對機器人實現自定位，并且將自定位得到的機器人坐標位置與之間記錄的機器人實際位置進行仿真對比，驗證本文的定位效果。

表1 數據信息

在進行仿真實驗過程中，筆者發現隨著機器人到路標之間距離測量誤差的增大，的確存在三個圓不能交于一點的情況，但是卻不能完全滿足時，就能夠得到所需點的要求。如圖7所示。

圖7 matlab仿真圖

在實際應用過程中，可將兩種方法進行融合，針對不同的路標位置，采用相應的改進方法，以實現機器人的精確定位。圖8為采用本文的融合算法對機器人的自定位仿真圖。

圖8機器人定位對比圖

上圖中藍色曲線為機器人實際位置，紅色曲線為應用本文融合算法得到的機器人自定位位置，從仿真圖像中我們可以清晰的看到，應用本文算法的機器人自定位效果明顯，定位精度高，誤差在2cm之間，可以應用于室內結構化環境中，可以準確的實現機器人的自定位。

5結論

本文構建了一種基于Kinect深度視覺傳感器的室內定位系統，對三邊定位算法進行了改進與完善。移動機器人可以通過自身傳感器對人工信標的感知、分析，精確的得到自己的位置信息，并且通過Matlab仿真實驗，驗證了本文的算法定位的高精度、可以準確的實現機器人的自定位。

參考文獻

[1]孫利民，李建中，陳 渝. 無線傳感器網絡[M]. 北京：清華大學出版社，2005，140

[2]閔華松，楊 杰. 融合 IMU 和 Kinect 的機器人定位算法的研究[D]. 武漢：武漢科技大學，2014，5

[3]夏路易，賀 超. 基于Kinect的移動機器人同時目標跟蹤與避障[D]. 太原：太原理工大學，2013，5

[4]徐向民，李輝憲，葉日藏. 基于Kinect深度傳感器的三維重建技術應用研究[D]. 廣州；華南理工大學，2013，10

[5]孫寶江，徐 躍. 基于超聲波測距的機器人定位與避障[D]. 濟南： 齊魯工業大學，2013，5

[6]張樹剛. 基于超聲波的移動機器人局部避障算法及應用[D]. 哈爾濱：哈爾濱工業大學，2013，12

[7] 盧惠民，張 輝，鄭志強. 基于視覺的移動機器人自定位問題[J]. 中南大學學報(自然科學版)，2009，9第40卷增刊，128—129

[8]周 倫. 室內移動機器人超聲波網絡定位方法研究[D]. 哈爾濱： 哈爾濱工業大學，2013，7

[9Ibraheem M. Gyroscope-enhanced dead reckoning localization system for an intelligent walker[C]//Information Networking and Automation (ICINA), 2010 International Conference on. IEEE, 2010, 1: V1-67-V1-72.]

[10] Cho B S, Moon W, Seo W J, et al. A dead reckoning localization system for mobile robots using inertial sensors and wheel revolution encoding[J]. Journal of mechanical science and technology, 2011, 25(11): 2907-2917.

作者簡介：

郭彤穎（1974-），女，副教授，碩士生導師

陳 策（1990-），男，控制工程專業碩士研究生