当前位置:首页 >> 建筑/土木 >>

基于激光雷达的移动机器人环境建模与避障

杨明等,基于激光雷达的移动机器人环境建模与避障

《清华大学学报(自然科学版) 》2000 年 Vol.40  No.7  P.112-116

基于激光雷达的移动机器人环境建模与避障*
杨 明,王 宏,何克忠,张 钹
(清华大学 智能技术与系统国家重点实验室,北京 100084)



摘: 为了提高自主移动机器人运行的安全性和可靠性,

提出了一种基于激光雷达的距离信息进行环境建模和避障的 方法。首先简要描述了激光雷达的工作原理,比较了几类常 用的激光雷达,并介绍了激光测量系统(laser measurement system,LMS) 。然后给出了一种用于移动机器人环境建模和 避障的算法-时变势场法,在此基础上提出了改进算法-多 分辨率势场法,实验表明其性能优于原算法。最后讨论激光 雷达在实际应用中的一些问题。目前,该方法已成功地应用 于清华室外移动机器人 THMR-V。

1 激光雷达的选择
激光雷达的基本工作原理是测量从发送激光束 到接收反射光的时间间隔(time-of-flight,TOF) ,其 中,反射光是从被测物体表面反射回来的,时间间隔 TOF 与被测距离成正比。目前,有 3 种常用的测量 该时间间隔的方法[2]:TOF 法,直接测量发射光束和 反射光束离散脉冲的时间间隔;AMCW 法,通过测 量 调 幅 连 续 波 ( amplitude-modulated continuous-wave, AMCW)发射光束和反射光束的相 位差来测量该时间间隔;FMCW 法,通过测量调频 连 续 波 ( frequency-modulated continuous-wave , FMCW) 发射光束和反射光束的差频来测量该时间间 隔。在上述 3 种方法中,由于 FMCW 方法对激光二 极管的要求很高,因此很少使用。实际中常用的是 TOF 激光雷达和 AMCW 激光雷达。 与二维激光雷达不同,三维激光雷达所获得的 距离信息是完全三维的。因此,原始数据经过预处理 后可以用来构造 CAD 模型或三维立体模型。然而, 三维激光雷达在实际应用中也存在一定的问题。 激光 雷达的三维信息通常是通过两个机械控制的反射镜 扫描场景获得的,但是这将带来机械问题。此外,由 于三维激光雷达采集的数据量远远大于二维激光雷 达,因此通常需要更多的采集时间。在自主导航中, 数据采集时间是保证实时性的关键, 而在多数的导航 应用中,系统只需要知道物体的位置,而无需知道它 的精确外形。因此,二维激光雷达更适用于移动机器 人的导航应用。 与 TOF 激光雷达相比较, AMCW 激光雷达具有 较高的精度,这是因为它应用差频技术来测量相位。 然而,由于原理上的缺陷,AMCW 激光雷达主要存 在以下两个问题。第一个问题是二义性间隔。对于 AMCW 激光雷达来说,距离与相位差成正比关系, 如下式

关键词: 移动机器人;激光测距雷达;时变势场法;环境
建模;避障

中图分类号:TP 242.6

文献标识:A

文 章 编 号 : 1000-0051(2000)07-0116-05 环境感知是移动机器人研究的关键技术之一。 机器人周围的环境信息可以用来导航、 避障和执行特 定的任务。 获取这些信息的传感器既需要足够大的视 场来覆盖整个工作区, 又需要较高的采集速率以保证 在运动的环境中能够提供实时的信息。 近年来,激光雷达在移动机器人导航中的应用 日益增多[1]。这主要是由于基于激光的距离测量技术 具有很多优点,特别是其具有较高的精度。通过二维 或三维地扫描激光束或光平面, 激光雷达能够以较高 的频率提供大量的、准确的距离信息。激光雷达与其 它距离传感器相比, 能够同时考虑精度要求和速度要 求,这一点特别适用于移动机器人领域。此外,激光 雷达不仅可以在有环境光的情况下工作, 也可以在黑 暗中工作,而且在黑暗中测量效果更好。

收稿日期:1999-07-07 作者简介:杨明(1975-) ,男(汉) ,江苏,博士研究生 基金项目:九五国防科技预研项目(16.10.1.6)和国家 “八六三”高技术项目(863-512-20-02)

1

杨明等,基于激光雷达的移动机器人环境建模与避障

《清华大学学报(自然科学版) 》2000 年 Vol.40  No.7  P.112-116

r ? ? ? ? 4? ,

(1)

其中 ? 是调制波波长。由于相位的模为 2? ,因此距 离的模为 ? 2 ,称之为二义性间隔。原理上的内在缺 陷导致了AMCW激光雷达无法唯一地确定所测量的 距离,即它自身无法分辨距离 r 和 r ? ? 2 ,同时也 无法分辨两种不同调制频率的激光束。AMCW激光 雷达只能测量二义性间隔以内物体的距离。 由此可以 看出,AMCW激光雷达的最大测距范围受调制波波 长限制。第二个问题是混合象素问题。混合象素是指 测量结果中接收到来自不同物体表面反射光的象素, 而且这些物体之间的距离又比较大。 该问题将导致激 光雷达所测到的距离不是任一物体表面的真实距离, 而是两个物体中间某处的距离甚至两个物体之外某 处的距离。这也是AMCW激光雷达所固有的问题, 无法完全消除。因此,AMCW激光雷达很难分辨出 杂乱环境中的多个物体。除此之外,由于AMCW激 光雷达采用差频测相方式工作,因此测量速度慢于 TOF激光雷达。而且,AMCW激光雷达对于环境的温 度和物体的反射率也十分敏感。 在移动机器人的自主导航中,感兴趣的区域大 多在机器人前方 20 m 到 150 m 之间的区域。因此, 与感兴趣的距离范围相比,距离精度不是十分重要, 10 cm 的距离分辨率就完全能够满足实际应用的需 求。与此相反,在这种情况下激光雷达的最大测距范 围却十分重要。因此,TOF 激光雷达更适合于移动 机器人的自主导航。 通过上述比较,可以得出结论:在移动机器人 的自主导航中二维 TOF 激光雷达是最佳选择。一般 来说,三维 AMCW 激光雷达更适于环境或器具的静 态建模[3]。使用的激光雷达是德国 SICK 光电子公司 生产的激光测距系统 LMS。LMS 220 是脉冲式 TOF 激光雷达,其最大测距范围为 50~150 m,距离分辨 率为 10~50 mm,水平视场为 100? ~180? ,角度分辨率 为 0.25? ,采集周期为 13~80 ms。 ~1?

精度与速度的权衡中,采用定性定量相结合的方法, 寻求一个最优或满意的方案。

2.2 时变势场法
在实际环境中移动机器人是运动的,它周围障 碍物也可能是运动的。因此,移动机器人的环境势场 应该是动态时变的而不是静态的, 它不仅是空间位置

?x, y ?的函数,而且也应该是时间 t 的函数。可以借

助 Maxwell’ 方程来描述移动机器人的时变环境势场 s [4] ,根据下面的公式可以计算移动机器人环境的动态 势场

? k 1 k 2 ?Vm ? Vi ?d i ? ? ? ? , (2) ?d ? d i2 1 ? i ? 其中: Vm 是机器人的速度, Vi 是第 i 个障碍物的速 度,d i 是第 i 个障碍物与机器人之间的距离, n 是激 光雷达扫描线的数目, k1 , k 2 是定常系数。 U ?x, y, t ? ?

?

n

该时变势场法与其它势场法不同之处在于: 1) 考虑了移动机器人的动态环境, 提出了时变势场 动态位的概念; 2) 移动机器人的速度是自适应控制的。 当自由空间 变大时,机器人的速度提高;相反则降低。机器人的 运动方向直接由动态势场控制,而不是由势的和控 制; 3) 该方法不考虑实际环境中障碍物和自由空间的 形状,而是根据传感器检测的距离信息,将采集的信 息点看作为障碍点或自由空间点, 从而提高行为控制 的实时性。 以车体纵向几何中心线为基准,将机器人运动 方向上的环境划分为左、 右两大区域, 分别计算势能, 最后给出二区域势能差与势能和的归一化形式, 它可 以定性地描述机器人周边环境的障碍物分布情况。 大 量实验表明, 由于这种描述形式简捷, 算法速度很快, 对于实时的自主移动机器人的导航非常有效。 根据式(2),可以将移动机器人的左右部分的势 场定义为

2 环境建模与避障算法
2.1 环境建模与避障问题
环境描述是实现机器人导航控制算法的基础。 针对室外环境目前已有不少环境建模方法, 评价这些 模型好坏的标准, 不是其反映客观现实的精确性或数 学描述的完美性,而是解决导航控制问题的效果。一 味地追求精度,往往会导致问题的复杂化,影响算法 的实时性、稳定性和鲁棒性。因此,环境描述应当在
2

?k k ? ? V ?d V U L ?x, y, t ? = ? ? 1 ? 2 m 2 i i ?d di 1 ? i
n2

n ?k k ? ? V ?d V U R ?x, y, t ? = ? ? 1 ? 2 m 2 i i ?d di n2 ? i

? ?, ? ? ? ? ,(3) ? ?

将势场归一化,并计算左右势场势能和与差

A?t ?? C L ?t ? ? C R ?t ?, A?t ?? ?? 1,1?, B?t ? ? CL ?t ?? CR ?t ?, B?t ?? ?0,2?,
(4)

杨明等,基于激光雷达的移动机器人环境建模与避障

《清华大学学报(自然科学版) 》2000 年 Vol.40  No.7  P.112-116

CL ?t ? ? CR ?t ??

U L ?x, y, t ?? U L ?d max , t ? , U L ?d min , t ?? U L ?d max , t ? U R ?x, y, t ?? U R ?d max , t ? , U R ?d min , t ?? U R ?d max , t ?

3.3 实验 3
实验 2 中所存在的问题, 主要是因为势场的计算 是每条激光雷达扫描线所测量结果的累加, 而激光雷 达的扫描线较多, 每一条扫描线表示的势场分量对最 终结果所产生的影响相对较小。 移动机器人躲避障碍 物的过程中, 障碍物在激光雷达探测区域中所占的比 例越来越少。此时,尽管障碍物距离机器人比较近, 但由于其在整个探测区域中所占的比例较小, 它对整 个势场所起的影响也较小。 一旦障碍物从激光雷达的 探测区域中消失, 机器人则会在另一侧的障碍物或道 路的作用下向原障碍物方向靠拢, 从而造成与障碍物 的侧面碰撞。 该问题可以通过使用多分辨率的时变势场法来 解决。由于激光雷达的探测结果的角度分辨率过高, 大大超出了实际的要求,反而带来了负面的影响,可 以通过降低角度分辨率来提高避障的可靠性。 将激光 雷达的 n 个测量结果划分为 n ' 个区域, 每个区域的距 离取为该区域中测量结果的最小值。 改进的势场法表 示如下

其中: C L ?t ?表示归一化后的左势能, C R ?t ?表示归 一化后的右势能, A?t ?表示左右势能差, B?t ?表示 左右势能和。

2.3

避障算法

由此,得到了移动机器人的环境模型的简单的 表示形式。在此基础上,可以设计相应的避障算法, 即通过计算动态势场来求得移动机器人的驾驶速度 和驾驶角

其中:Q?t ?是移动机器人在 t 时刻的转角,V ?t ?是移 动机器人在 t 时刻的速度, max 是移动机器人的最大 Q 转角, Vmax 是移动机器人的最大速度, d max 是激光 雷达的最大检测距离, d min 是避障的最小距离,

, ? Q?t ? ? Qmax ? A?t ? (5) ? 1 1 ?V ?t ? ? Vmax ? ? ? k3 ? A?t ??? ? ? k 4 ? B?t ??,

U ?x, y, t ? ?

?

n'

k 3 , k 4 是定常系数。

1

3 实验与算法改进
3.1 实验 1
在动态的真实环境中运用时变势场法进行环境 建模和避障实验。在图 1 中,黑色区域即为 LMS 激 光雷达检测到的障碍物区域, 用圆圈标志的物体是一 个运动的障碍物。使用式(3)~(5),可以计算出该时刻 移动机器人的驾驶角和速度。 计算结果在图中以矢量 的方式表示。由图 1a 可以看出,当该运动障碍物位 于车辆的左部时, 根据计算可知, 左势场大于右势场, 结果是机器人向右拐。类似地,图 1b 表示该运动障 碍物在右方,因此机器人向左转。

d 'j ?

n ? j ?1?? i ? n' j n' n

' ? k V ? 1 ? k 2 ? m ? V j ?d j 2 ? ' 2 d 'j ? dj min ?d i ? ,

? ?

? ?

? ?, ? ?
(6)

该方法可以在障碍物距离机器人很近, 而且其在 扫描区域中所占比例很小的情况下, 仍能对车体产生 较大的排斥作用。而且,算法的计算量随着 n ' 的减 小得到了不同程度的降低。 采用了多分辨率势场法的 避障实验结果如图 3 所示, 其避障效果明显优于实验 2。

3.4 实验 4

3.2 实验 2
为了检验时变势场法的避障效果,进行了如下 仿真实验。首先,在仿真环境下构造了一条道路和三 个障碍物。然后,使用时变势场法进行仿真,实验结 果如图 2 所示。从实验结果的轨迹中可以看出,在躲 避障碍物的过程中,由于距离障碍物过近,使得当障 碍物从激光雷达的探测范围中消失后, 在道路及其它 环境物体的作用下车体向还未完全越过的障碍物方 向靠近,从而容易与障碍物发生侧面碰撞。

(a) 障碍物在左 (b) 障碍物在右 图 1 时变势场法实验

图2

势场法避障仿真实验

3

杨明等,基于激光雷达的移动机器人环境建模与避障

《清华大学学报(自然科学版) 》2000 年 Vol.40  No.7  P.112-116

图3

多分辨率势场法避障仿真实验

量,其干扰性质类似于标定问题所产生的干扰。该问 题的最佳解决方法是设计具有特殊光斑形状的光束。 例如水平方向窄而垂直方向宽的光斑就可以解决该 颠簸问题。然而,由于光斑在扫描过程中是绕自身旋 转的,因此这种光束很难实现。LMS 激光雷达的光 束是圆形的, 因此该问题的解决只能依赖于使用软件 上的方法进行补偿。

图4

修正的势场法避障仿真实验

4.3 物体表面的光学属性
一般而言,待测物体表面的反射率越高,激光 雷达的测距范围就越大。但是,对于镜子这类物体, 由于其表面非常光滑,反射率非常高。这种情况下, 由于发射光很难返回进入接收器, 从而可能导致该物 体无法被激光雷达所检测。而对于玻璃这类物体,其 反射率非常低, 因此很少能有足够的光束反射回接收 器。然而,虽然这类物体无法被激光雷达所检测到, 但由于它们具有较高的透射率, 因此激光雷达可以检 测到位于它们后面的物体。

进一步分析不难发现, 势场法在避障时仅把注意 力集中在当前的探测结果上, 这势必会导致机器人行 为的短视。而人在驾驶车辆躲避障碍物时,不仅要考 虑前方的路况, 而且要考虑到车体是否可以安全越过 障碍物。如果还不能马上脱离障碍物区域,则需要保 持一段车体原先的运动状态。基于这种思想,考虑当 前和过去时刻的控制信息, 将当前势场法计算出的控 制量与前一次的控制量进行加权平均得到综合的控 制量。即

u0 ? Au ? ? Bu ?1 , A ? B ? 1 , 0
(7)
' 其中: u0 是根据当前环境信息计算出的控制量, u? 1

4.4 杂散光
激光雷达接收信号为脉冲光信号,对于稳定的 背景光,只要不引起光电探测器的饱和,一般不会对 测量产生影响。然而,大多数光源为宽带光源,其发 光强度也往往并不稳定。 如果其入射角恰好同瞬时视 场相符,就有可能引入干扰信号,这就是阳光下目标 的测量结果不及背阴处的原因。所以,应尽量避免强 光直接(或经镜面反射后)照射激光雷达的透光孔。 实践表明,提出的方法完全可以满足移动机器 人环境建模和避障的需要。目前,该方法已经成功地 应用于清华大学自主开发的室外移动机器人- THMR-V。由于激光雷达数据测量周期短,而且上述 的环境建模和避障算法的速度也较快,故在 40ms 内 就能发出一次控制指令,实时性非常好。此外,激光 雷达探测盲区几乎不存在,便于紧急避障和刹车。这 些使移动机器人可以根据环境的瞬时变化作出灵活、 快速的反应。

是前一次的控制量, u0 是综合的控制量。实验结果 如图 4 所示,车体与障碍物之间距离有所增加,控制 效果明显提高。

4 问题讨论
本节主要讨论激光雷达在实际应用中的几个问 题, 这些问题的存在将有可能影响距离信息的获取质 量和激光雷达的工作。

4.1 LMS 的标定
由于 LMS 激光雷达是二维激光雷达,其扫描的 结果是平面,因此,标定的目的就是使该平面保持水 平。如果不采取标定,将导致测量数据的严重失效。 由于 LMS 激光雷达所使用的激光是近红外光,肉眼 无法看见, 因此需要专门的设备来检测激光束。 SICK 公司为此专门生产了 TOPCON Level Sensor LS-70B, 使用该设备可以定位到激光束,从而可实现 LMS 的 标定。

参 考 文 献
[1] Yang M, Wang H, He K, et al. Obstacle avoidance using range data in autonomous navigation of mobile robot[A]. T.d. Wen. Proc of the 1999 International Symposium On Test and Measurement[C]. Xi'an, China: International Academic Publishers, 1999. 929-933 Martial Hebert, Eric Krotkov. 3D measurement from imaging laser radar: how good are they?[J] Image And Vision Computing, 1992, 10(3): 170-178 John Hancocka, Dirk Langern, Martial Heberta, et al. Active laser radar for high-performance measurements[A].

4.2 移动机器人的颠簸
对于移动机器人而言,在行驶过程中颠簸是无 法避免的。如果道路不平,颠簸将影响距离信息的质

[2]

[3]

4

杨明等,基于激光雷达的移动机器人环境建模与避障

《清华大学学报(自然科学版) 》2000 年 Vol.40  No.7  P.112-116

[4]

Proc of The IEEE International Conference On Robotics & Automation[C], Leuven, Belgium: IEEE, 1998. 1465-1470 Wang T, Zhang B. Time-varying potential field based ‘ perception-action’behaviors of mobile robot[A], Proc of The 1992 IEEE International Conference on Robotics and Automation[C], Nice, France: IEEE, 1992. 2549-2554

Laser radar based environmental modeling and obstacle avoidance of mobile robots
YANG Ming, WANG Hong, HE Kezhong, ZHANG Bo (State Key Laboratory for Intelligent Technology and Systems, Tsinghua University, Beijing 100084, China) Abstract: A method for environment modeling and obstacle avoidance based on range data from laser radar is proposed to improve the safety and reliability of autonomous mobile robots,. The merits of several kinds of laser radars are discussed along with each laser radar’ operating principle. Then the Laser s Measurement System (LMS) made by SICK is introduced. The time-varying potential field algorithm is presented, with some improvements to model the environment and avoid obstacles. Experiments show that its performance is improved. Some problems that are specific to this class of sensors are then described. This algorithm has been successfully tested on an outdoor mobile robot the Tsinghua Mobile Robot V. Keywords mobile robot; laser radar; time-varying potential field; environment modeling; obstacle avoidance

5