一种基于多传感器的自主避障导航系统技术方案

一种基于多传感器的自主避障导航系统，包括传感器处理层，局部算法处理层，错误探测层和中心处理层；传感器处理层包括若干个传感器处理节点，局部算法处理层包括若干个算法运算节点，错误探测层用于探测系统的硬件和软件错误，确定上述传感器处理节点和/或算法运算节点出现错误时，屏蔽出现错误的节点；中心处理层对局部算法处理层中若干个算法运算节点的结果进行全局优化。本发明专利技术采用了非集中式的融合设计，极大提高了系统的鲁棒性和容错性。

【技术实现步骤摘要】

本专利技术属于机器人和无人飞机自主避障导航
，特别涉及一种可根据外在环境的变化自动选择不同传感器组合的自主避障导航系统设计及其方法。
技术介绍
随着科技的进步，机器人和无人飞机的应用领域越来越广泛。它们不仅可以提供各种服务(如家用服务型机器人，扫地机等)，还可以在复杂危险的环境下执行各种任务(如机器人进入日本福岛核电站事故现场探查内部的破坏情况，无人机航拍灾后现场等)。然而，相当多的应用依然是在人工远程遥控下完成的。要想机器人和无人机在复杂环境下完成复杂的任务，就必须要让它们具备在未知环境下的自主避障导航能力。自上世纪60年代，美国斯坦福大学就开始研究人工智能技术应用于机器人的自主推理、规划和控制，90年代以来，随着各类高精度传感器的产品化和信息处理技术的飞速发展，高适应性的移动机器人控制技术，真实环境下的自主导航等领域的研究进入到了新的阶段。进入本世纪，随着计算机技术，多传感器集成和控制技术的进一步成熟，机器人和无人飞机在真实环境里的自主避障导航开始成为可能。自主避障导航系统可以分解为三个基本的子系统：绘图和定位子系统，避障子系统和路径规划子系统。绘图和定位模块是通过机器自身携带的各种传感器来感知周围的环境，快速绘制周围环境的地图，并计算出自身相对于环境地图的位置，速度和姿态等运动状态的最佳估计。避障子系统可以通过机器所携带的传感器来实时计算出自身到障碍物的距离，通过模糊逻辑或者人工智能的算法得到一个可靠的避障状态估计。路径规划模块有局部运算和全局运算两个功能，局部运算可以为机器如何绕开障碍物提供最佳的路径，全局运算则可以在周围环境已知的情况下计算出到达目的地的最佳路径。机器人和无人机由于负载载荷，运动方式和使用环境不同，会采用不同的避障导航系统设计，主要是绘图和定位子系统的不同设计。比如，机器人上可以搭载较重的激光雷达，而无人飞机负载不够。又比如在室外环境下，可以采用全球卫星定位导航系统(GNSS)来获取绝对位置，而在室内环境是无法使用的。同样，在室内环境里，可以采用射频识别(RFID)技术来定位，而在室外环境里，这种方案是不现实的。主流的避障导航系统会采用激光雷达，视觉传感器，惯性导航传感器，超声波传感器和RGB-D传感器等。但是，这些传感器都存在一定的局限性。激光雷达可以快速获得周围环境的三维信息，广泛用于各种尺度的三维模型重建。近年来，激光雷达也被用于机器人避障定位导航。基于激光雷达的运动状态估计是通过连续帧的点云匹配，从而计算出相对运动变化。但是，由于每次点云匹配的时候总是会带有一些误差，经过一段时间之后，这种累计误差会导致定位精度严重降低。为了解决这种问题，往往需要采用闭环检测纠正技术(Loop Closure)。另外，激光雷达可以快速大范围扫描周围的环境，从而直接获得与前方障碍物的距离，避障算法简单有效。然而，激光雷达设备往往价格昂贵，体积大，重量沉，这大大限制了它在机器人和无人机避障定位导航上的应用。视觉传感器由于造价便宜，体积小，重量轻，被广泛用于机器人和无人机的定位导航。视觉定位导航是通过对连续帧上的特征点跟踪匹配，从而计算出相机的相对运动。这类基于视觉的运动估计技术又称为视觉里程计技术，主要包括了单目视觉和双目视觉。单目视觉的问题在于无法无法提供绝对的尺度信息，仅能计算出相对的运动，无法获得实际的周围环境的深度信息。双目视觉中两个相机间的基线提供了绝对尺度信息，从而可以计算出真实的深度信息，但其运算往往复杂。视觉里程计技术的关键在于可以稳定可靠地跟踪特征点，这就要求环境的光线条件稳定和物体表面有丰富的纹理。这种要求大大限制了视觉里程计技术的应用场景。惯性导航传感器的价格变化范围很大，在机器人和无人机上采用的往往是价格便宜，重量轻，体积小的MEMS惯性传感器。惯性传感器可以在短时间里提供可靠的加速度和角速度信息，从而计算出机器人和无人机的位置，速度和姿态。然而MEMS惯性传感器也存在较大的随机系统误差和时间漂移量，因此必须和其它传感器的测量值通过滤波技术来进行融合，以改正误差，提高运动状态的估计精度。超声波传感器价格便宜，体积小，重量轻，广泛用于机器人和无人机避障。它是靠发射声波信号，利用物体界面上超声反射来检测障碍物的。超声波是具有一定方向性的波束，当超声波传感器和障碍物形成一定角度的时候，会发生镜面反射，反射而产生所谓的幻影，这种多路径效应会导致机器以为自身和障碍物还很远，从而发生误判。此外，声波在空气中传播衰减很快，有效探测距离一般只有5-10米。声波速度比光速慢许多，响应速度也较慢。RGB-D传感器是一种新型视觉设备，可以同时获得周围环境的彩色图像和深度信息。它相对于激光雷达设备，价格便宜(大约是最便宜的激光雷达的1/20)，体积小，重量轻，这些优势推动其逐步取代激光雷达用于机器人和无人机的避障定位导航系统。近几年来，RGB-D传感器的室内移动机器人避障定位导航研究论文发表。不过这些研究，还基本沿用了激光雷达定位导航的思路，相当于用了一个便宜的激光雷达。虽然有些论文里谈到采用RGB相机辅助发现闭合路径，总体来说，当前的RGB-D定位导航算法并没有更深入地挖掘RGB传感器 和D传感器的融合。目前基于不同类型的传感器，发展出了多种场景的绘图定位技术，并用于不同的场景中。其中，最常用的就是二维栅格地图。然而，二维栅格地图有其局限性，它只包含了场景内某高度上的横截面信息，信息缺失将影响到机器人避障功能，并限制了机器人的自动导航。此外，这种地图几乎无法应用在无人机上。当前，自主避障导航系统及方法的设计往往都局限于应用的场合，每个不同的应用场合，根据传感器种类及搭配的不同，具体避障导航系统及方法也相应有区别，这样导致需要设计多种不同的避障导航系统及方法；同时，如果某个传感器故障，会导致避障导航系统及方法无法很好地适应，使得整个系统鲁棒性较差。目前还没有适应性好、容错性高的通用自主避障导航系统及方法。
技术实现思路
本专利技术针对当前自主避障导航系统设计的局限性，首次提出一种容错性高的自适应环境变化的自主导航避障系统设计及方法。该系统采用非集中融合设计，包括传感器数据处理层，局部算法处理层和主算法处理层。传感器数据处理层，按每个传感器的计算任务设计运算节点，所有的运算节点彼此独立，可并行运算。局部算法处理层，针对所有可能的传感器组合设计了不同的算法节点，各局部算法节点彼此独立，可并行处理。局部算法器的结果传递给主算法器，做全局优化。硬件上，本系统可以采用多个小型单机版电脑，比如树莓派零，来执行各节点的运算。本系统可以自动探测传感器的硬件错误和软件错误，从而选择最可靠的传感器组合和局部算法。这种设计具有高度可扩展性和容错性，便于根据需要添加和去除某些传感器，也能确保在某些传感器失灵的情况下，依然完成自主避障导航的任务。针对以上自主避障导航系统设计的局限性，本专利技术提供了灵活的容错性高的系统设计。基于本专利技术，增加和去除传感器变得容易，即便在部分传感器失灵情况下，系统仍然可以完成任务，这大大拓展了机器人与无人机自主避障系统的应用领域。为实现上述目的，本专利技术采用以下的技术方案：一种基于多传感器的自主避障导航系统，包括传感器处理层，局部算法处理层，错误探测层和中心处理层；传感器处理层包本文档来自技高网...

【技术保护点】
一种基于多传感器的自主避障导航系统，其特征在于：包括传感器处理层，局部算法处理层，错误探测层和中心处理层；传感器处理层包括若干个传感器处理节点，每个传感器处理节点对多个传感器中的一个传感器的数据进行处理；每个传感器处理节点彼此独立，且分别处理不同的传感器数据；局部算法处理层包括若干个算法运算节点，所述若干个算法运算节点分别基于两个或多个所述传感器处理节点中的输出数据进行运算；每个局部算法节点彼此独立，且分别基于不同的输出数据进行运算；错误探测层用于探测系统的硬件和软件错误，确定上述传感器处理节点和/或算法运算节点出现错误时，屏蔽出现错误的节点；中心处理层对局部算法处理层中若干个算法运算节点的结果进行全局优化。

【技术特征摘要】
1.一种基于多传感器的自主避障导航系统，其特征在于：包括传感器处理层，局部算法处理层，错误探测层和中心处理层；传感器处理层包括若干个传感器处理节点，每个传感器处理节点对多个传感器中的一个传感器的数据进行处理；每个传感器处理节点彼此独立，且分别处理不同的传感器数据；局部算法处理层包括若干个算法运算节点，所述若干个算法运算节点分别基于两个或多个所述传感器处理节点中的输出数据进行运算；每个局部算法节点彼此独立，且分别基于不同的输出数据进行运算；错误探测层用于探测系统的硬件和软件错误，确定上述传感器处理节点和/或算法运算节点出现错误时，屏蔽出现错误的节点；中心处理层对局部算法处理层中若干个算法运算节点的结果进行全局优化。2.一种基于多传感器的自主避障导航系统，其特征在于：具有定位绘图子系统，所述定位绘图子系统包括：传感器处理层，局部算法处理层；传感器处理层包括若干个定位传感器处理节点，每个定位传感器处理节点对多个定位传感器中的一个定位传感器的数据进行处理；每个定位传感器处理节点彼此独立，且分别处理不同的定位传感器数据；局部算法处理层包括若干个算法运算节点，所述若干个算法运算节点分别基于两个或多个所述定位传感器处理节点中的输出数据进行运算；每个局部算法节点彼此独立，且分别基于不同的输出数据进行运算。3.一种如权利要求2所述的基于多传感器的自主避障导航系统，其特征在于：所述定位传感器包括图像传感器、深度传感器和惯导传感器。4.一种如权利要求2所述的基于多传感器的自主避障导航系统，其特征在于：所述定位传感器处理节点包括基于惯性传感器和图像传感器数据的扩展卡尔曼滤波器、基于惯性传感器和深度传感器数据的扩展卡尔曼滤波器，以及基于图像传感器和深度传感器数据的扩展卡尔曼滤波器。5.一种如权利要求2-4中所述的基于多传感器的自主避障导航系统，其特征在于：所述定位绘图子系统还包括错误探测层和中心处理层；错误探测层用于探测定位绘图子系统的硬件和软...

【专利技术属性】
技术研发人员：李金辉，巨辉，胡进，
申请(专利权)人：武汉卓拔科技有限公司，
类型：发明
国别省市：湖北;42