惯性传感器促进移动机器人的自主操作

地面机器人系统必须经常处理“沉闷，肮脏和危险”的任务，Adept MobileRobots的项目经理Seth Allen表示。换句话说，机器人系统通常用于人类直接参与太昂贵、太危险或效率低下的任务。在许多情况下，机器人平台自主操作的能力是一项有价值的功能，在从一个位置移动到下一个位置时，使用导航系统来监测和控制它们的运动。管理位置和运动的准确性是实现真正有用的自主操作的关键因素，MEMS（微机电系统）陀螺仪提供了一种反馈传感机制，在优化导航系统性能方面非常有用。图1所示的Seekur机器人系统是采用先进MEMS器件来提高导航性能的自主系统示例。

机器人导航概述

机器人运动通常从来自中央处理器的位置更改请求开始，中央处理器正在管理机器人整体任务的进度。导航系统通过制定行程计划或轨迹开始执行位置更改请求。旅行计划考虑了可用路径、已知障碍物位置、机器人能力和任何相关的任务目标。（例如，分娩时间对于医院的标本递送机器人至关重要。行程计划被输入控制器，控制器生成用于导航控制的驱动和方向配置文件。这些配置文件导致与计划相关的运动和进展。运动通常由许多传感系统监控，每个传感系统产生反馈信号;反馈控制器将它们组合并转换为更新的旅行计划和条件。图2是通用导航系统的基本框图。

图2.通用导航系统。

开发导航系统的关键步骤始于对每个功能的良好理解，特别强调其操作目标和局限性。每个功能通常都有一些明确定义且易于执行的方面，但也提供了需要管理的挑战性限制。在某些情况下，此过程可以是迭代的，其中识别和处理限制可以为优化提供新的机会。描述此过程的最佳方式是通过示例。

熟练的移动机器人寻求者

Adept MobileRobots Seekur是一种自主机器人，它使用类似于图3所示的惯性导航系统（INS）。该车辆具有四轮驱动系统，每个车轮具有独立的转向和速度控制，提供了在任何水平方向上移动平台的灵活性。这种能力对于仓库交付系统、医院标本/供应交付系统和军事力量增强系统等新兴应用中的机器人车辆很有价值。

图3.熟练的移动机器人搜索导航系统。

前向控制

机器人本体命令是主要的误差信号，表示轨迹规划器提供的行程计划与反馈传感系统产生的行程进度更新之间的差异。它们被送入反向运动学系统，该系统将机器人身体命令转换为每个车轮的转向和速度曲线。这些轮廓是使用阿克曼转向关系*计算的，其中包括轮胎直径、表面接触面积、间距和其他重要的几何特征。阿克曼转向原理和关系使这些机器人平台能够创建电子连接的转向角度轮廓，类似于许多汽车转向系统中使用的机械齿轮齿条系统。远程整合这些关系，无需对车轴进行机械连接，有助于最大限度地减少摩擦和轮胎打滑，提供减少轮胎磨损和能量损失的好处，并允许简单的机械连杆无法实现的运动。

车轮驱动和转向系统

每个车轮都有一个驱动轴，该驱动轴通过齿轮箱机械耦合到其驱动电机，并通过另一个齿轮箱连接到光学编码器，光学编码器是测程反馈系统的输入。转向轴将车轴连接到另一个伺服电机，从而确定车轮的转向角。转向轴还通过齿轮箱耦合到第二个光学编码器，齿轮箱为测程反馈系统提供另一个输入。

反馈传感和控制

导航系统使用扩展的卡尔曼滤波器，通过组合来自多个传感器的数据来估计机器人在地图上的姿势。Seekur上的测程数据来自车轮牵引力和转向编码器（提供平移）以及提供旋转的MEMS陀螺仪。

里程计

测程反馈系统使用光学编码器测量驱动轴和转向轴旋转来估计机器人的位置、航向和速度。在光学编码器中，圆盘阻挡内部光源或允许它通过数千个微小的开口照射在光传感器上。当圆盘旋转时，它会产生一系列电脉冲，这些电脉冲通常被馈入计数器电路。每次旋转的计数数等于圆盘中的插槽数，这允许根据编码器电路的脉冲计数计算旋转次数（包括分数）。图 4 提供了将驱动轴的旋转计数转换为线性位移（位置）变化的图形参考和关系。

图4.测程法线性-位移关系。

每个车轮的驱动桥和转向轴编码器测量值在前向运动学处理器中组合，使用阿克曼转向公式，产生航向、转弯率、位置和线速度测量值。

该测量系统的优点是其传感功能直接耦合到驱动和转向控制系统，因此可以准确地知道它们的状态。但是，除非参考一组真实世界的坐标，否则其在车辆实际速度和方向方面的精度是有限的。主要限制或误差来源在于轮胎几何形状的一致性（图4中D的精度和变化）以及轮胎与地面之间接触的断裂。轮胎几何形状取决于胎面一致性、气压、温度和重量——在机器人正常使用过程中，所有这些条件都会发生变化。轮胎打滑取决于转弯半径、速度和表面一致性。

位置感应

Seekur系统使用各种距离传感器。对于室内应用，它采用270°激光扫描仪来构建其环境地图。激光系统使用返回能量模式和信号返回时间来测量物体的形状、大小和与激光源的距离。在映射模式下，它通过组合来自工作区中许多不同位置的扫描结果来表征其工作区（图 5）。这将生成对象位置、大小和形状的映射，用作运行时扫描的参考。当与映射信息结合使用时，激光扫描仪功能可提供准确的位置信息。如果单独使用，它将受到限制，包括扫描的停止时间和无法管理不断变化的环境。在仓库环境中，人员、叉车、托盘搬运车和许多其他物体经常改变位置，这可能会影响到达目的地的速度，甚至影响到达正确目的地的准确性。

图5.激光测绘。

对于户外应用，Seekur使用全球定位系统（GPS）进行位置测量（图6）。这些系统使用来自至少四颗卫星的无线电信号的飞行时间来对地球表面上的位置进行三角测量。如果可用，它们可以提供 1 m 以内的精度水平。然而，这些系统受到视线要求的限制，这些要求可能会受到建筑物、树木、桥梁、隧道和许多其他类型的物体的阻碍。在某些情况下，在已知室外物体位置和特征（城市峡谷）的情况下，雷达和声纳也可用于补充 GPS 中断期间的位置估计。即便如此，当存在动态条件时，例如汽车经过或施工，有效性往往有限。

图6.全球定位系统位置感应。

微机电系统角速率检测

Seekur系统中使用的MEMS陀螺仪可以直接测量Seekur绕偏航（垂直）轴的旋转速率，该旋转速率在Seekur导航参考系中垂直于地球表面。计算相对航向的数学关系是固定周期内角速率测量值的简单积分（t1到 T2).

这种方法的主要优点之一是陀螺仪连接到机器人框架上，可以测量车辆的实际运动，而无需依赖齿轮比、齿隙、轮胎几何形状或表面接触完整性。但是，航向估计确实依赖于传感器精度，这是以下关键参数的函数：偏置误差、噪声、稳定性和灵敏度。固定偏置误差转换为航向漂移率，如以下关系所示，包括偏置误差ω是:

偏置误差可分为两类：电流误差和条件相关误差。Seekur系统在不运动时估计当前的偏置误差。这要求导航计算机识别何时没有执行位置变化命令，并促进数据收集偏差估计和校正因子更新。此过程的准确性取决于传感器噪声以及可用于收集数据和制定误差估计的时间量。Allan 方差曲线提供了偏置精度和平均时间之间的便捷关系，如图 7 所示，它捕获了 ADIS16265 的关系，ADIS0 是一款 iSensor MEMS 器件，类似于 Seekur 系统中目前使用的陀螺仪。在这种情况下，Seekur可以将偏置误差降低到01.20°/秒以下，平均超过100秒，并且可以通过平均约<>秒来优化估计。®

图7.ADIS16265 艾伦方差曲线。

艾伦方差关系还提供了对最佳积分时间 （τ = t2– 吨1).该曲线上的最小点通常标识为运行中偏置稳定性。通过将积分时间 τ 设置为与正在使用的陀螺仪的艾伦方差曲线上的最小点关联的积分时间，可以优化航向估计值。

由于它们会影响性能，因此与条件相关的误差（例如偏置温度系数）可以确定机器人必须停止更新其偏置校正的频率。使用预先校准的传感器有助于解决最常见的误差源，例如温度和电源变化。例如，从ADIS16060更改为预校准的ADIS16265可能会逐步增加尺寸、价格和功耗，但温度稳定性提高了18×。温度变化为2°C时，ADIS0的最大偏置为22.16060°/秒，而ADIS0的最大偏置降至012.16265°/秒。

灵敏度误差源与航向的实际变化成正比，如下图所示：

商用MEMS传感器通常提供±5%至±20%以上的灵敏度误差规格，因此需要校准以最小化这些误差。ADIS16265和ADIS16135等预校准MEMS陀螺仪的规格低于±1%，在受控环境中性能更好。

应用示例：

仓库库存交付

仓库自动化目前使用叉车和皮带系统来移动物料，以组织库存和满足需求。叉车需要直接的人工控制，皮带系统需要定期维护。为了实现最大的仓库价值，许多仓库正在重新配置，这一过程为自主机器人平台打开了大门。机器人车队不需要大量的建设工作来修改叉车和皮带系统，而只需要更改软件并重新训练机器人的导航系统以完成其新任务。仓库交付系统的关键性能要求是机器人能够在动态环境中保持一致的行进模式并安全地操纵，在这种环境中，障碍物移动并且人身安全不会受到损害。为了证明MEMS陀螺仪反馈在此类应用中对Seekur的价值，Adept MobileRobots进行了一项实验，以了解Seekur在没有（图8）和（图9）MEMS陀螺仪反馈的情况下保持重复路径的程度。值得注意的是，该实验是在没有GPS或激光扫描校正的情况下进行的，目的是研究MEMS陀螺仪反馈的影响。

图8.导引头路径精度，无MEMS陀螺仪反馈。

图9.导引道精度，MEMS陀螺仪反馈启用。

在比较图8和图9中的路径迹线时，很容易看出保持路径精度的差异。值得注意的是，这些实验是在支持~0.02°/秒稳定性的早期MEMS技术上运行的。目前的陀螺仪可在相同的成本、尺寸和功率水平下实现 2× 至 4× 的性能提升。随着这一趋势的继续，在重复路径上保持准确导航的能力将继续提高，从而开辟更多的市场和应用，例如医院的标本和供应品交付。

补给车队

目前的DARPA计划继续呼吁更多的机器人技术来帮助力量倍增。补给车队是此类应用的一个例子，其中军事车队面临相反的威胁，同时被迫以缓慢、可预测的模式移动。精确的导航使机器人（如Seekur）能够在补给车队中承担更多责任，从而减少人类在其路径上受到威胁的风险。MEMS陀螺仪航向反馈特别有用的一个关键性能指标是管理GPS中断条件。针对这种环境的最新Seekur导航工作采用了MEMS惯性测量单元（IMU），以提高精度，并能够整合未来的集成进步 - 用于地形管理和其他功能领域。

为了测试该系统在有和没有IMU的情况下定位情况，记录和分析了室外路径的误差。图10显示了测程法的误差（相对于真实路径（来自GPS））与卡尔曼滤波器中里程计和IMU组合时的误差的比较。在后一种情况下，定位精度提高了近 15×。

图 10.使用测程法/IMU（绿色）与仅测程法（蓝色）的导引道位置误差。

结论

机器人平台开发人员发现，MEMS陀螺仪技术为提高导航系统的方向估计和整体精度提供了经济高效的方法。预校准的系统就绪器件的可用性可实现简单的功能集成，从而在开发过程中取得早期成功，并使工程师能够专注于系统优化。随着MEMS技术不断改进陀螺仪的噪声、稳定性和精度规格，它将继续实现更高水平的精度和控制，这可能会继续为自主机器人平台开辟新的市场。Seekur等系统的下一代开发可以从陀螺仪转向完全集成的MEMS IMU/6自由度（6DoF）传感器。虽然面向偏航的方法很有用，但世界并不是平的;许多其他应用，无论是现有的还是未来的，都可以将MEMS IMU用于地形管理和额外的精度改进，三个陀螺仪可实现完全对准反馈和校正。

审核编辑：郭婷