|
作者：
申純太 譚福生 楊軍
上海電氣集團股份有限公司中央研究院
挑戰：
需要 CompactRIO 同時控製多個設備運動。2 根 5 自由度機械臂運動，頭部 1 自由度旋轉運動，雙主動輪底盤運動控製。CompactRIO 內要部署機械臂運動控製算法，LIDAR 數據采集和導航避障算法，基於編碼器和光雷達數據以及 FPGA的移動位置控製算法等。
應用方案：
將機器人的功能進行劃分為兩部分。將雙 5 自由度機械臂運動，頭部 1 自由度的旋轉運動，雙主動輪底盤的運動，光雷達數據采集處理和編碼器數據采集，自主導航，輪椅模式切換判斷，機器人體表 LED 狀態情感或信息顯示，電池電源管理等基本行為和設備層控製歸為一部分，由“小腦”控製；將家庭智能家居網絡交互，其他智能機器人監控，語音識別對話和人臉識別的人機交互功能等歸為一部分，由“大腦”控製。
使用的產品：
NI-cRIO9024
cRIO-9113
NI 9403
NI 9205
NI 9264
NI 9485
LabVIEW 2009 RT，FPGA
介紹：
本方案的背景是國家 863 多(duo)機(ji)器(qi)人(ren)係(xi)統(tong)控(kong)製(zhi)項(xiang)目(mu)的(de)一(yi)個(ge)主(zhu)角(jiao)，家(jia)居(ju)監(jian)控(kong)機(ji)器(qi)人(ren)，它(ta)的(de)設(she)計(ji)概(gai)念(nian)主(zhu)要(yao)是(shi)麵(mian)向(xiang)未(wei)來(lai)老(lao)年(nian)家(jia)庭(ting)，負(fu)責(ze)通(tong)過(guo)網(wang)絡(luo)監(jian)控(kong)家(jia)居(ju)環(huan)境(jing)中(zhong)的(de)各(ge)種(zhong)家(jia)電(dian)，具(ju)有(you)語(yu)音(yin)和(he)人(ren)臉(lian)識(shi)別(bie)等(deng)人(ren)機(ji)交(jiao)互(hu)功(gong)能(neng)，具(ju)有(you)雙(shuang)機(ji)械(xie)臂(bi)完(wan)成(cheng)一(yi)些(xie)取(qu)物(wu)、遞送等任務，並且可以作為智能輪椅載人移動。在 2010 世博會滬上生態家案例館中展出。
正文：
選用 NI CompactRIO作為機器人的“小腦”。NI CompactRIO是美國 NI公司的工業級嵌入式控製器，集成以太網接口和 RS232串行接口，具有體積小，高可靠性，高性能，低功耗等優點。
圖 1主控製器Compact RIO 的安裝位置
將各種設備的控製算法例如機械臂運動控製，頭部運動控製，導航算法，基於以太網的光雷達數據采集，與大腦通訊等程序部署在 RT 中；將數字信號采集，例如限位開關和緊急停止邏輯還有編碼器數據采集和處理，地盤運動伺服控製等算法部署在 FPGA中。
選用工業嵌入式觸摸平板電腦 IPC 作為機器人的“大腦”。部署 WinCE，具有人機界麵功能以及觸摸屏交互功能，部署控製人臉識別模塊以及語音識別算法，智能家居監控管理算法等。
用 FSM來封裝每個設備對象：
Finite-state machine (FSM)稱為有限狀態機廣泛用於數字電路和計算機程序。我們使用了兩種狀態機來封裝設備。String Based Queued State Machine基ji於yu字zi符fu串chuan隊dui列lie狀zhuang態tai機ji和he普pu通tong基ji於yu枚mei舉ju的de狀zhuang態tai機ji。使shi用yong狀zhuang態tai機ji作zuo為wei一yi種zhong機ji製zhi來lai處chu理li單dan個ge設she備bei的de狀zhuang態tai轉zhuan換huan，或huo者zhe說shuo，用yong狀zhuang態tai機ji這zhe種zhong行xing為wei模mo型xing來lai用yong於yu單dan個ge設she備bei的de事shi件jian處chu理li。
圖 2 LIDAR 狀態機
例如光雷達的狀態機框圖，它具有 4個狀態，Idle，Start，Running，Stop。在 Running狀態中，程序不斷向光雷達發送指令讀取數據，然後由一個 Shared Variable來傳出數據。使用一個 LIRAR.vi來封裝這個狀態機。
圖 3是一個遠程控製指令解析狀態機，它使用 String Based Queued State Machine 來實現。這樣的好處是，可以使用隊列來組織動作，較為靈活地實現各種不同組合以及複雜度。
每一個設備的狀態機都用一個獨立的 vi來封裝，並且單獨進行測試，這樣也有利於工程化。
多狀態機的協作：
單個狀態機隻能完成部分功能，我們需要把所有設備狀態機集成起來，按照一定的通訊機製拚裝成一個完整的機器人。
由於所有的設備狀態機都由一個 VI 來封裝，隻需要把他們拖入一個主 vi 中，就能調用他們。如圖所示：
圖 4狀態機集成
狀態機之間是通過 Shared Variable 來實現接受外部指令輸入以及自身狀態輸出的。同樣，這些Shared Variable都用一個 VI進行封裝以便進行管理。
這樣，一個狀態機便可視為一個子係統。既然是係統，自然有係統的輸入和輸出，通過 get，set 等方法的 vi，外部係統便可對這些子係統進行操作或者交互。如圖所示，底盤狀態機使用 getCommand.vi方法獲取外部命令。
圖 5 getCommand.vi
使用 setCommand.vi方法讓外部係統傳輸命令給地盤狀態機。
圖 6 MobileBase.lvlib:setCommand.vi
底盤使用 sendState.vi發送底盤狀態機狀態信息。如圖所示：
圖 7 MobileBase.lvlib.sendState.vi 使用 getState.vi方法獲取地盤狀態機信息。
圖 8 getState.vi
圖 9 家居監控機器人定位導航軟件控製框圖
總體設計
針對移動機器人家居環境下的定位問題，提出了一種結合平直線段匹配、角匹配和裏程計的組合定位方法。該係統采用了 Labview 開發平台和 CompactRIO 控製器，得到了很好的實時性效果。機器人首先通過二維激光測距儀通過 TCP/IP 得到環境點信息，然後通過迭代適應點（IEPF）算(suan)法(fa)得(de)到(dao)環(huan)境(jing)線(xian)段(duan)及(ji)最(zui)小(xiao)二(er)乘(cheng)法(fa)得(de)到(dao)線(xian)段(duan)參(can)數(shu)。在(zai)基(ji)於(yu)線(xian)段(duan)基(ji)礎(chu)上(shang)，得(de)到(dao)局(ju)部(bu)的(de)平(ping)直(zhi)線(xian)段(duan)和(he)角(jiao)特(te)征(zheng)，再(zai)與(yu)已(yi)知(zhi)平(ping)直(zhi)線(xian)段(duan)和(he)角(jiao)特(te)征(zheng)做(zuo)匹(pi)配(pei)，通(tong)過(guo)平(ping)直(zhi)線(xian)段(duan)和(he)角(jiao)匹(pi)配(pei)算(suan)法(fa)實(shi)時(shi)更(geng)新(xin)機(ji)器(qi)人(ren)位(wei)置(zhi)和(he)姿(zi)態(tai)。分(fen)析(xi)裏(li)程(cheng)計(ji)定(ding)位(wei)、平直線段匹配定位和角匹配定位的誤差，分配不同的權重得到優化的組合定位算法。
軟件控製框圖
基於以上的設計，定位導航的軟件控製模塊設計如圖 7所示。中心模塊為定位導航模塊，該模塊讀取起點、目標點、運動模式數據及編碼器數據，同時讀取激光測距儀數據提取角、平直線段特征和已知特征做匹配，其匹配算法輸出機器人位姿 。對於給定的目標位姿，該模塊將計算出驅動指令
（Forward Speed、Delta angle、Turnspd Right、Turnspd Left對應前進速度、方向轉角、左轉、右轉）和狀態信息如（bPos, bAngle）來判斷機器人是否到達目標位置和姿態。
圖 10 家居監控機器人定位導航的輸入輸出信息部分
圖 10 為wei定ding位wei導dao航hang模mo塊kuai部bu分fen的de輸shu入ru輸shu出chu部bu分fen，上shang半ban部bu分fen的de輸shu入ru信xin息xi中zhong的de已yi知zhi角jiao特te征zheng和he全quan局ju線xian段duan為wei為wei已yi知zhi地di圖tu信xin息xi，下xia半ban部bu分fen的de部bu分fen輸shu出chu信xin息xi包bao括kuo直zhi線xian段duan提ti取qu示shi意yi圖tu，路lu徑jing任ren務wu數shu組zu信xin息xi圖tu，實shi時shi顯xian示shi的de機ji器qi人ren當dang前qian位wei置zhi信xin息xi、速度信息等。
線段特征提取
為得到環境的幾何線段信息，需要對激光測距儀的點集進行分割，其分割算法可分為下列步驟：坐標變換、區域分割、IEPF 線段提取和最小二乘法計算線段參數。其中區域分割：從初始點 i=0 開始檢測兩相鄰點 的距離，如距離值小於閾值 D，則認為屬於同一區域點集，否則開始一個新的區域。該過程遍曆所有點集。如果某區域點數目小於 4 個，則認為噪聲區域，舍棄這些噪聲點。
圖 11 IEPF 線段提取
IEPF提取線段：對於上述得到區域可能含有多條線段，IEPF線段提取算法是一種有效的線段提取
方法。如圖 11所示， Pm點到線段 PsPe的距離大於閾值 T，該方法把點集
  IEPF為迭代算法，對於 重複上述的算法知道 小於閾值T。該算法也有分割過細的時候，如圖 9youbanbuzhongjianliangtiaoxianduanketongguojianzhaxianduancanshudebanfa，duiyuxielvqingjiaowuchaxiaoyuyidingyuzhidexianduanjiayihebingchuli。xianduancanshuketongguozuixiaoerchengfajisuanqiude。
如圖 12所示為通過Labview實現的 IEPF算法的區域分割算法，其中子 VI 為 IEPF算法分割出的子區域。
圖 12 包含 IEPF 算法的區域分割算法
具體組合定位算法可參考作者的另一篇發表在 IEEE ICIA2010 題為《A Corner and Straight line Matching Localization Method for Family Indoor Monitor Mobile Robot》的論文。
原型機照片：
圖 13 家居監控機器人在世博滬上生態家
總結：
使用 CompactRIO作為機器人主控製器配有集成的 FPGA的支持，具有性能優越，體積小，安全可靠，低功耗等特點，並且，數據采集能力和通訊能力強大，非常適合移動機器人的原型開發。
可以基於 LabVIEW 來開發機器人程序，相比字符代碼程序，圖形 G語言程序可以用圖形來閱讀，有利於理解和調試，再者 LabVIEW仍舊可以運用很多軟件工程方法，使得它具有自己獨特的優勢。
|
