精华内容
下载资源
问答
  • 研究UHF-RFID环境中移动机器人的定位问题,提出一种基于自适应UKF滤波器组的移动机器人定位方法,融合UHF-RFID和机器人内部传感器信息,以实现初始位姿未知的移动机器人定位.首先,利用UHF-RFID系统对移动机器人进行初始...
  • 激光SLAM导航移动机器人定位算法研究综述 激光SLAM导航移动机器人定位算法研究综述 激光SLAM导航移动机器人定位算法研究综述
  • 基于最小二乘法的移动机器人定位
  • 应用聚类进行移动机器人定位.pdf
  • 移动机器人定位与地图构建算法与仿真
  • 移动机器人定位的分类 以下内容来自于Probabilistic Robotics 局部定位和全局定位 定位问题是以最初及运行期间可供使用信息的类型为特征的。随着难度的增加,分为三种类型的定位间题。 局部定位(local localization)...

    移动机器人定位的分类
    以下内容来自于Probabilistic Robotics
    局部定位和全局定位
    定位问题是以最初及运行期间可供使用信息的类型为特征的。随着难度的增加,分为三种类型的定位间题。
    局部定位(local localization)又被称为位置跟踪(position tracking) , 假定机器入初始位姿已知,通过适应机器人运动噪声来完成定位机器人。此类噪声影响通常很微弱,因此局部定位经常假设位姿不确定性用单峰分布(如高斯分布)来近似。局部定位局限于在真实位姿附近的区域。
    全局定位(global localization) , 认为机器人初始位姿未知。机器入最初放置在环境中的某个地方,但是缺少它的位置信息。全局定位的方法不能假定位姿误差的有界性,使用单峰概率分布通常是不合适的。全局定位比局部定位更困难,因为事实上它包括了位置跟踪。
    绑架问题(kidnapping problem) , 是全局定位问题的一个变种,但是它更加困难。在运行过程中机器人被绑架,瞬间移动到其他位置。绑架机器人问题比全局定位问题更困难,因为机器人首先要判断自己是否被绑架了,再进行全局定位。具备从失效中恢复的能力对于真正的自主机器人来说是必不可少的。通过绑架机器人可以测试一个定位算法,可以用来衡量该算法从全局定位失效中恢复的能力。

    静态环境与动态环境
    静态环境(static environments) 是指在环境里只有机器人是移动的,环境里全部其他目标永远保持在同一位置。静态环境具有一些很好的数学特性,使得机器人服从高效概率估计。
    动态环境(dynamic environments) 是指在环境里除机器人外,还有位置或配置随时间变化的物体。
    根据环境与机器人的关系,动态环境又可以分为以下两种:

    1. 低动态环境:环境发生了变化,但不在机器人的视野之中
    2. 高动态环境:机器人视野范围内存在正在移动的物体

    特别有趣的是,变化在整个时间上持续,并对一个以上传感器(雷达或者相机等外部传感器)的读数产生影响。
    显然,动态环境定位比静态环境定位更困难。主要有两种方法适用于动态环境:第一,状态向量里可能会包括动态实体。因此,可能会调整马尔可夫假设,但是这一方法会带来额外的计算负担和建模复杂性负担。第二,在某些情况下,滤除掉传感器数据以便消除未建模动态因素的破坏作用。

    被动方法与主动方法
    被动定位(passive localization) 是指定位模块仅观察机器人运行。机器人通过其他方式控制,并且机器人运动不针对便于定位。
    主动定位(Active localization) 是指算法控制机器人移动,以便最小化定位误差和/或最小化定位不良机器人进入一个危险地方引起的花费。主动定位方法往往能产生比被动定位方法更好的定位结果。

    单机器人与多机器人
    定位问题的第四方面与涉及的机器人数目有关。
    单机器人定位(Single-robot localization) 是定位研究最常用的方法。它仅仅处理单一机器人。单一机器人定位便于在单一机器人平台上收集所有数据,并且不存在通信问题。
    多机器人定位(multi-robot localization) 问题来源于机器入团队。乍一看,每一机器入能独立地定位自身,因此多机器入定位问题可以通过单一机器入定位解决。然而,如果机器人能相互探测,定位有可能做得更好。这是因为如果两个机器人的相对位置信息可供使用,一个机器人的看法可以用于影响另一个机器人的看法。多机器人定位问题引出了一些有趣的有意义的问题,即置信表示问题与两者之间的通信属性问题。

    上述四方面捕获了移动机器人定位问题的四个最重要特性。还有其他特性会影响问题的难度,如机器人测量提供的信息和运动过程中信息的丢失。而且,对称环境比非对称环境更加困难,因为其具有更高的模糊性。

    展开全文
  • 移动机器人定位的自适应功率调节射频识别系统
  • 基于GPS与地图匹配的移动机器人定位方法.pdf
  • 行业文档-设计装置-移动机器人定位与导航实验平台.zip
  • 针对移动机器人定位过程中噪声统计特性不确定的问题,提出一种模糊自适应扩展卡尔曼滤波定位方法。利用模糊理论和协方差匹配技术对扩展卡尔曼滤波算法中的观测噪声协方差R进行自适应调整,实现定位算法性能的在线...
  • 移动机器人定位导航性能评估规范(征求意见稿2020).pdf
  • 移动机器人定位方法概述

    万次阅读 2017-10-26 09:43:55
    定位就是要回答第一个问题,确切的,移动机器人定位就是确定机器人在其运动环境中的世界坐标系的坐标。 根据机器人定位可分为相对定位和绝对定位。 一、相对定位 移动机器人相对定位也叫作位资跟踪,假定机器人初始...

    引言

    自主移动机器人导航过程需要回答三个问题:“我在哪里?”“我要去哪儿?”和“我怎样到达那里?”。定位就是要回答第一个问题,确切的,移动机器人定位就是确定机器人在其运动环境中的世界坐标系的坐标。

    根据机器人定位可分为相对定位和绝对定位。

    一、相对定位

    移动机器人相对定位也叫作位资跟踪,假定机器人初始位资,采用相邻近时刻传感器信息对机器人位置进行跟踪估计。相对定位分为里程计法和惯性导航法

    1、里程计法

    在移动机器人车轮上装有光电编码器,通过对车轮转动记录实现位资跟踪。航位推算法是假定初始位置已知,根据以前的位置对当前位置估计更新。缺点是:航位推算是个累加过程,逐步累加的过程中,测量值以及计算值都会累积误差,定位精度下降,因此只适用于短时间或短距离位资跟踪。

    2、惯性导航法

    机器人从一个已知坐标出发,陀螺仪测得角加速度的值,加速度计获得线加速度,通过角加速度和线加速度进行二次积分分别得到角度和位置。

    二、绝对定位

    绝对定位又称为全局定位。完成机器人全局定位需要预先确定好环境模型或通过传感器直接向机器人提供外接位置信息,计算机器人在全局坐标系中的位置。

    1、信标定位:利用人工路标或自然路标和三角原理进行定位。

    2、地图匹配:利用传感器感知环境信息创建好地图,然后将当前地图与数据库中预先存储好的地图进行匹配,计算出机器人在全局坐标系中位资。

    3、GPS:室外机器人导航定位

    4、概率定位:基于概率地图的定位,用概率论来表示不确定性,将机器人方位表示为对所有可能的机器人位资的概率分布。

    4.1马尔科夫定位(Maekov Localization ML):机器人通常不知道他所处环境的确切位置,而是用一个概率密度函数表示机器人的位置。它持有一个可能在哪里的信任度并跟踪任意概率密度函数跟踪机器人的信任度状态。信任度是指机器人在整个位置空间的概率分布。信任度值的计算是马尔科夫定位的关键。地图的表示方法为栅格地图,机器人导航环境被划分为很多栅格,每个栅格在0~1之间,表示机器人在该栅格的信任度,所有栅格信任度之和为1.

    4.2卡尔曼滤波定位:卡尔曼滤波定位算法是马尔科夫定位的特殊情况。卡尔曼滤波不适用于任何密度函数,而是使用高斯代表机器人信任度、运动模型和测量模型。高斯分布简单的由均值和协方差定义,在预测和测量阶段两个参数更新。然而这个假设限制了初始信任度以及高斯的选择。

    展开全文
  • 移动机器人定位方法对比研究,喜欢机器人的筒子们可以参考
  • 物联网环境下的移动机器人定位与控制研究.pdf
  • 基于BP神经网络的前驱差速驱动移动机器人定位方法
  • 室内环境下移动机器人定位和建图研究
  • 为了解决常规Kalman滤波算法在移动机器人定位过程中运算量大、精度不高的问题,在分析传统Kalman滤波器缺点的基础上,提出了一种基于U-T参数变换的方法对常规Kalman滤波算法进行了改进。改进后的Kalman滤波算法消减...
  • 行业资料-设备研制-一种iRobot移动机器人定位平台.zip
  • 为了满足机器人精确定位的要求,提出一种基于多传感器信息融合的自定位算法并介绍了如何利用 Matlab 搭建移动机器人定位系统的仿真模型。仿真程序建立了移动机器人活动的虚拟环境,模拟了机器人的运动模型、里程 计、...
  • 基于粒子群优化的最小残差算法在室内环境下移动机器人定位
  • 给出了自主移动机器人定位的两种算法 :解析算法和数值算法。解析法公式较以往 的简洁。数值算法结合解析法和高斯-牛顿算法,不仅能避免因初值选取不合理而导致求解过程发 散的问题,而且能提高运算精度和速度。通过对...
  • 基于地形特征的移动机器人定位,激光雷达传感器使用的范例,很好用的论文,参考价值高
  • 行业分类-物理装置-一种基于视觉引导激光重定位的移动机器人定位方法.zip
  • 基于扩展卡尔曼滤波的移动机器人定位技术,非常低适用
  • 移动机器人工作原理分享。在思岚提供的自主定位导航解决方案中,主要是通过雷达和里程计的数据来进行定位。虽然激光雷达在一定范围之内会纠正里程计的误差,但在某些特殊环境下(如雷达扫描的有效点较少时),里程计...
  • 基于ROS平台的移动机器人定位建图技术研究_杨佳蒙.caj
  • 基于嵌入式系统的室内移动机器人定位与导航_胡春旭,欢迎需要的朋友下载学习
  • 1 移动机器人定位导航性能评估规范 (征求意见稿) 团 体 标 准 T/AIIA 001-2020 2 目 次 前言...................................................................................................................

    下载链接:https://download.csdn.net/download/GGY1102/19909545

    1 移动机器人定位导航性能评估规范 (征求意见稿) 团 体 标 准 T/AIIA 001-2020 2 目 次 前言....................................................................................................................................................................... 3 1 范围................................................................................................................................................................... 4 2 规范性引用文件...............................................................................................................................................4 3 术语和定义.......................................................................................................................................................4 4 定位与导航性能测试.......................................................................................................................................8 5 避障能力.......................................................................................................................................................... 15 6 脱困性能.......................................................................................................................................................... 18 7 地图构建性能.................................................................................................................................................19 8 多移动机器人协同能力..................................................................................................................................23 9 其它特殊性能测试.........................................................................................................................................26 附录 A ................................................................................................................................................................ 28 2020-XX-XX 发布 深圳市人工智能产业协会 发 布 2020-XX-XX 实施 3 前 言 本标准按照GB/T 1.1-2009给出的规则起草。 本标准由深圳市人工智能产业协会(Shenzhen Artificial Intelligence Industry Association)标准化委员会提出并归口。 本标准起草单位:深圳市人工智能产业协会、深圳市大道智创科技有限公司、西安量子 智能科技有限公司、深圳市标准技术研究院、北京云迹科技有限公司、深圳市优必选科技股 份有限公司、深圳奥斯诺导航科技有限公司、西北工业大学、哈尔滨工业大学深圳研究生院、 深圳优地科技有限公司、广州艾可机器人有限公司、深圳市智绘科技有限公司、深圳市普渡 科技有限公司、深圳时空科技集团有限公司。 本标准主要起草人:李汉舟、朱晓蕊、邢志伟、龚汉越、范丛明,龙建睿、支涛、魏金 生、应甫臣、魏伟、李睿、吕刚、袁杰、杨峰、王小旭、刘晓平、赵磊、孙文化。 本标准为首次发布。 4 移动机器人定位导航性能评估规范 1 范围 本规范规定了地面最大移动速度不大于3m/s的移动服务机器人导航、定位、避障评价指 标体系和测试方法。 本标准适用的移动机器人包括讲解机器人、导购/导引机器人、物品递送机器人、移动 广告机器人、巡逻机器人、大型洗地/清扫机器人等能够在地面低速行驶的轮式、履带式或 足腿式机器人。其它类似机器人,可参考本规范对其导航定位性能进行评估。本规范不包括 在没有道路的情况下(山区、沙漠、树林、野地)使用的特种作业机器人,不包括家庭扫地、 吸尘、拖地等小型机器人,也不包括在公路上人车混杂环境应用的无人移动设备。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件,仅所注日期的版本 适用于本文件。凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。 GB/T 12643—2013 机器人与机器人装备 词汇 GB/T 38124-2019 服务机器人性能测试方法 ISO 18646-1-2016 机器人 服务机器人性能规范机器人试验方法 第1部分:轮式机器 人运动(Robotics-Performance criteria and related test methods for service robots – Part 1: Locomotion for wheeled robots) 3 术语和定义 3.1 机器人本体和操作 3.1.1 移动平台 能使移动机器人实现运动的全部组装件,包含用于支持负载的结构和移动机械机构。 3.1.2 正常工作状态 机器人制造商规定的,在符合使用环境下能正常运行的状态。 3.1.3 自动导航模式 机器人控制系统按照轨迹规划任务程序自主行走的一种工作方式。 5 3.1.4 手动模式 通过按钮、操作杆以及除自动操作外,对机器人进行操作的控制方式。 3.1.5 待机状态 机器人处于正常上电,但不做任何操作的状态。 3.1.6 开机时间 主电源打开以后,机器人各系统完成上电启动和自检工作,进入待机状态的时间。 3.1.7 待机功耗 机器人在待机状态下,单位时间内所消耗的电量。 3.1.8 工作能耗 机器人在工作状态下,单位时间内所消耗的电量。 3.2 传感器 3.2.1 激光雷达 通过主动发射并接收反射回来的激光,实时测量目标的位置、速度、距离,形成点云图 像,可用于环境感知的传感器。 3.2.2 主动结构光视觉 将结构化(点结构、线结构、面结构或光学编码)的光线投射到物体表面,获取视觉图 像后,通过计算图像中结构光的变形(或飞行时间等)来确定被测物体的三维尺寸和位置信 息,可用于环境感知的传感器。 3.2.3 里程计 用于测量行驶距离的传感器。 3.2.4 惯性导航 6 采用陀螺和加速度计,测量载体的角速度和加速度,并通过导航解算得到载体运动的速 度、姿态和位置信息,是一种不依赖于任何外部信息的导航技术。 3.2.5 主传感器 在多传感器融合系统中,发挥最主要作用的传感器。 3.2.6 主传感器作用距离 机器人导航系统中,主传感器的最大探测距离。 3.3 机器人导航、定位及避障 3.3.1 轨迹规划 设定机器人运动的时间位置序列信息。 3.3.2 位姿 表达机器人空间位置和姿态的六维向量,包含三个位置和三个姿态角信息。对于在平面 场地工作的机器人,位姿可以简化为二维平面坐标和机器人航向角的组合,形成一个三维向 量。 3.3.3 定位 在环境地图上识别或分辨出移动机器人的位姿。 3.3.4 导航 根据指令或设定程序,控制机器人从起始定位点通过特定路径达到目标定位点。 3.3.5 避障 机器人在行进过程中,中断原有轨迹规划,主动躲避障碍物,完成躲避后,继续按照原 轨迹规划运动。 3.3.6 重定位 当前位姿丢失以后,重新获取新的位姿的过程。 7 3.3.7 半围观 机器人周边大部分区域被人群或障碍物占据,只剩下唯一的通道能够行走。 3.3.8 脱困 机器人行进轨迹被复杂障碍物阻挡,不能进行有效避障和行走,在恢复通道或具有通道 后,重新获得正常移动能力的过程。 3.3.9 协同避让 多个移动机器人相遇时,自动调整位姿,彼此躲避。 3.3.10 最小通过宽度 机器人能够自主通过的最窄通道的宽度。 3.3.11 续航能力 机器人充满电后,连续行驶的最大距离或工作的最长时间。 3.4 机器人建图 3.4.1 环境地图 由一定分辨率的环境感知传感器和相关算法建立的环境数学模型,用于表达环境特征。 3.4.2 建图 建立环境地图的过程。 3.4.3 增量建图 在已有环境地图基础上,进一步增加或修改部分内容,形成新的环境地图。 3.4.4 修正建图 8 在已有环境地图基础上,对原有环境地图中区域视觉特征变化剧烈的部分,进行修改补 充的建图方法。 3.4.5 扩展建图 针对某些应用环境不能一次完成建图,或不适合一次构建完整地图的场景,分次逐步添 加新区域地图至原有环境地图的建图方法。 3.4.6 地图共享 一个机器人的建图结果可以被其它机器人使用。 3.4.7 回环检测 判断机器人是否回到出发点,利用闭环约束消除机器人行走累计定位误差的方法。 4 定位与导航性能测试 4.1 定位与导航性能测试设备及通用测试环境布置 4.1.1 测试设备 机器人定位和导航过程中,测试设备应具备对机器人姿态和路径追踪功能,并能实时完 成位置、角度、运行轨迹、移动速度、旋转速度等参数的记录和计算。在室外测试时,可以 采用双天线 GPS/Bd 定位定向系统,高精度惯性导航系统,视觉追踪系统、激光追踪仪等, 本规范对测试设备类型不做强制规定,但所用测试设备应带有计量鉴定部门出具的计量鉴定 合格证,并在有效期内。 测试设备要求如下: ——位置分辨率≤3cm; ——位置精度≤5cm; ——角度分辨率≤3°; ——角度精度≤5°; ——数据采集频率≥30Hz。 4.1.2 通用测试环境 测试环境温湿度为机器人标称使用的典型环境温湿度。对于主要应用于室内的机器人, 优先选择在室内测试;对于主要应用于室外的机器人,优先选择在室外测试。当测试场地不 能达到测试目标和精度时,可以灵活选择室内或室外测试。室外测试应选择无雨雪、大风等 恶劣天气。要求测试区域应开阔,在测试路径上以及测试路径附近不能有非设定障碍物。 若测试区域设置有隔离墙,则需满足机器人在设定测试路径上任何一个位置时,隔离墙 与机器人中心的距离不小于 1.5L(L 为机器人沿运动方向的长度)或不小于 1.5m,二者取较小 值。隔离墙高度应当高于机器人高度,并且不能被越过。 9 场地面积则需根据机器人大小和转弯半径确定。可以选择室内或室外篮球场作为测试场 地,面积为 200-1000m2。有些试验如果无法找到合适场地或不方便在空旷场地进行,也可 以根据试验环境具体要求选择其它场地。 4.1.3 通用测试路径 测试路径包括: ——直线形路径:在测试区域设定起点 A 和目标点 B,AB 距离至少 5L(L 为机器人沿 运动方向的长度),机器人行走方向要求如图 1 所示。 B A >5L A 图 1 ——L 形路径:在测试区域设定起点 A 和目标点 B,机器人行走方向要求如图 2 所示,L 为机器人沿运动方向的长度。 a b A >5L B >5L 图 2 ——U 形路径:在测试区域设定位置点 A、B、C、D,机器人行走方向要求如图 3 所示, L 为机器人沿运动方向的长度。 B A B 10 A B >5L >5L 图 3 ——回形路径:在测试区域设定位置点 A、B、C、D,机器人行走方向要求如图所示 4, 机器人按 A-B-C-D-A 路径行走,此路径起点和目标点均为 A,L 为机器人沿运动方向的长度。 D B A >5L >5L C B A 图 4 4.1.4 通用测试速度约定 本规范中,凡没有明确约定机器人行进速度的测试项目,机器人行进速度均为厂家标称 的额定速度 V 额定。 4.1.5 其它通用测试设备 B D A C C D 11 有质量鉴定合格标签的秒表或计时器,精度 1s。 4.2 定位性能 4.2.1 测试目的 本指标为了评估机器人在自主导航模式下,沿不同测试路径到达指定目标的能力,包括 到达目标点的位姿准确度与重复性。 4.2.2 测试环境与设备 使用 4.1.1 测试设备, 4.1.2 测试环境,4.1.3 测试路径。 4.2.3 测试方法 选择 4.1.3 中每一种测试路径类型,设定机器人起始点和目标点,在自主导航模式下使 机器人从起始点到达目标点,记录机器人到达目标点时的实际位姿 , , ,记设定的目标 点位姿为 0 ,0 ,0 ,每种路径重复测试 N (N=6~10)次。记平均位姿信息为: = 1 =1 , = 1 =1 , = 1 =1 。 位置准确度: = − 0 2 + − 0 2 (4-1) 姿态准确度: = − 0 (4-2) 位置重复性: = + 3 (4-3) 其中: = 1 =1 (4-4) = − 2 + − 2 (4-5) = 1 −1 =1 ( − ) 2 (4-6) 姿态重复性: = 3, = 1 −1 =1 ( − ) 2 (4-7) 4.2.4 测试结果 测试完成后,填写测试结果,被测机器人最终评测结果为所测试所有路径条件下的平均 值,如表 1 所示: 表 1 定位性能测试结果 序号 路线类型 位置准确度 (m) 姿态准确度 (°) 位置重复性 (m) 姿态重复性 (°) 备注 1 12 2 3 4 均值 4.3 重定位性能 4.3.1 测试目的 本指标为了评估机器人在开机启动后,确定自己位姿的能力和速度,以及在某些场景环 境中丢失自己位姿信息后,重新确定位姿的能力,包括重定位成功率、速度、准确度和重复 性。 4.3.2 测试环境与设备 使用 4.1.1 测试设备,4.1.2 测试环境,4.1.3 中 L 形或 U 形测试路径。 4.3.3 测试方法 选择 L 形或 U 形测试路径,在机器人航向角转过 90°以后的路径上选择一个测试点。 机器人进入自主导航模式,并运行到该测试点后,命令机器人停止运动,记录此时测试 设备上输出的机器人位姿 0 ,0 ,0 。然后遮挡其主传感器,使其位姿信息丢失 10s 以上, 撤除遮挡物,记录从撤除遮挡物开始,在 30s 内是否能够重定位成功及重定位时间。若重定 位成功,机器人导航定位系统输出的重定位位姿为 , , ,每个测试点重复 N(N=6~10)次, 测试点不少于 3 个(起点、终点、一个中间点)。 重定位过程允许机器人在原地作小幅度的运动,小幅度运动中机器人中心与测试点偏离 距离不得超过 0.5L(L 为机器人沿运动方向的长度),否则按重定位失败处理。对机器人原 地运动航向角大小不作限制。若机器人是经过小幅度运动后重定位成功,则重定位成功后, 记录此时测试设备上输出的机器人位姿 0 ,0 ,0 ,机器人导航定位系统输出的重定位位姿 为 , , 。 定义如下指标: ——成功率(쳌):30s 内成功重定位的概率 ——重定位时间(쳌):成功重定位的情况下,重定位消耗的平均时间 ——重定位位置准确度():根据公式(4-1)计算 ——重定位姿态准确度():根据公式(4-2)计算 ——重定位位置重复性():根据公式(4-3)计算 ——重定位姿态重复性():根据公式(4-7)计算 ——开机重定位:在 4.3.3 中,选择一个起始点,将机器人放置在该点处之后再开机, 重复 N(6-10)次,使机器人在全局地图中进行重定位。其它同上。 4.3.4 测试结果 测试完成后,填写重定位指标测试结果,见表 2: 13 表 2 重定位指标测试结果 序 号 重定位测 试项目 重定位成 功率쳌 重定位时 间쳌(s) 位置准确度 (m) 姿态准确度 (°) 位置重复性 (m) 姿态重复性 (°) 备注 1 特定路径 2 开机 4.4 导航性能 4.4.1 测试目的 测试机器人在工作环境下的路径规划能力和运动轨迹控制能力。 4.4.2 测试环境与设备 使用 4.1.1 测试设备,4.1.2 测试环境,4.1.3 中直线形测试路径或本节定义的”S”形 特殊路径。 4.4.3 测试方法 4.4.3.1 导航路程误差 在 4.1.3 测试环境中,选择直线形测试路径,指定起点 A 和目标点 B,使机器人在自主 导航模式下从 A 到达 B,测试设备记录机器人的行走路程 Li,记 L0 为 A-B 最短路程,路程 差为 Li - L0,重复 N(6-10)次,计算得到均方根误差: = 1 =1 ( − 0) 2 (4-8) 及单位路程均方根误差: = 0 (4-9) 4.4.3.2 导航时间误差 测试过程同 4.4.3.1,记录数据为行走时间 Ti,T0 为机器人以额定速度走完 A-B 最短 路径所需要的时间,时间差为 Ti - T0,重复 N(6-10)次,计算得到均方根误差: = 1 =1 ( − 0) 2 (4-10) 及单位时间均方根误差: = 0 (4-11) 4.4.3.3 单位轨迹均方根误差(选做项目) 对于有设定路径功能的机器人,此项测试机器人导航的控制能力。在图 5 中,由两个半 径为 R(R≥5L)的半圆拼成”S”形测试路径,令机器人在该设定路径 L0 上行走,测试设 备记录机器人实际行走轨迹为 Li,重复 N(N=3)次。对 L0 和 Li 等距采样获取同等数量的 K(K ≥10)个位置采样点: 14 0 = (0 1 ,0 1),(0 2 ,0 2),...(0 ,0 ) = ( 1 , 1),( 2 , 2),...( , ) 轨迹均方根误差: ⺁ = 1 =1 ⺁, (4-12) ⺁, = 1 =1 − 0 2 + − 0 2 (4-13) 单位轨迹均方根误差: ⺁ = ⺁ 0 ,(L0为指定轨迹长度) (4-14) A B 5 5 2R 2R R 图 5: S 形路径 4.4.3.4 行走平滑度(选做项目) 定义:上一时刻位姿与下一时刻位姿之差大于 3°为一次巨大位姿调整;上一时刻速度 与下一时刻速度之差大于机器人额定速度的 15%,记为一次巨大速度调整。时刻间隔定义为 0.5s。 选择 4.4.3.3 测试路径,记路径长度为 L。设定被测机器人行驶速度为额定速度,控制 被测机器人以自主导航模式从”S”形路径起点行进到终点,记录行进过程中机器人巨大位 姿调整和巨大速度调整的总次数 n。 行走平滑度: = (4-14) R R 15 4.4.4 测试结果 测试完成后,填写测试结果,见表 3: 表 3 导航性能指标测试结果 导航路程误差 (m/m) 导航时间误差 (s/m) 单位轨迹均方根误差 ⺁(m/m) 行走平滑度 (次/m) 备注 5 避障能力 5.1 测试目的 本测试是在机器人正常工作条件下, 测试其在不同工作环境中对静态和动态障碍物识 别和避让的能力。 5.2 测试环境与设备 本节试验环境为4.1.2定义的通用测试环境。试验设备为不同形状和材质的障碍物,典 型障碍物规格见表4。相同形状,但材质不同的障碍物视为不同障碍物。本规范涉及的障碍 物形状有5种、材质有5 种,定义的障碍物共有10 种。 表 4 典型障碍物 名称 几何形状 描述 墙面 平板,材质范围包括:1、镜面;2、 玻璃;3、木材;4、铝合金;5、厚 度大于 1mm 的帘布。 高 H:1500mm 宽 W:1000mm 桌子 带有四条支柱的桌子,材质为木材。 高 H:700mm~800mm 宽 W:500mm~800mm 长 L:300mm~600mm 桌子腿宽度:小于 50mm×50mm 16 空中圆盘 空中圆盘,材质为木材。 高 H:600mm 高 H’:20mm 直径Φ:500mm 直径Φ’:100mm 低矮圆盘 低矮扁形圆柱体,材质为木材。 高 H:80mm 直径Φ:300mm 大圆柱 大圆柱体,模拟人的躯干,材质为 木材。 高 H:600mm 直径Φ:200mm 小圆柱 小圆柱体,模拟人的手臂或腿等, 材质为木材。 高 H:400mm 直径Φ:70mm 5.3 测试方法 5.3.1 静态障碍物避让测试 5.3.1.1 机器人最小通过宽度测试 如图6所示,机器人进入自主导航模式,设定导航路径通过障碍物SO1和SO2,逐步减小 SO1和SO2间距。若测试机器人能顺利往返P1和P2点,且不触碰到障碍物连续30次,则将此距 离定义为机器人的最小通过宽度Wpass。SO1和SO2是5-2节描述的5种墙体障碍物中的一种, 且为同一种障碍物。 图 6 最小通道宽度试验图 17 5.3.1.2 静态避障能力及效率测试 a) 测试方法: 根据场地大小确定一次试验能够容纳的障碍物 SOn(n≤10)数量(SOn 为 5.2 节 描述的 10 种障碍物中的一种),每一种障碍物在本试验中只出现一次。障碍物布局如 图 7 所示。障碍物选择的数量和材质越多,表明机器人避障适应性越强。5-2 图中粗实 线部分代表真实墙体或 5.2 节描述的墙体障碍物,最窄墙体通道宽度为机器人最小通过 宽度 Wpass 的 1.1 倍。P1 和 P2 点是起始点或目标点。且 P1 和 P2 点的连线经过每对障 碍物连线的中心。每两对相邻障碍物 SOn 和 SOn+1 间的距离大于机器人沿运动方向长度 L 的 5 倍。令机器人从 P1 点自主行进到 P2 点。若机器人成功抵达,且未碰触到障碍物, 记为成功避障 1 次。 如果测试场地足够大,可以一次摆放 5.2 节描述的 10 种障碍物。记录 N(N=6~10) 次试验过程中,机器人成功避障的次数和材质数量,以及每次从起点到终点的行驶时间 ti。 如果受场地大小限制,一次不能摆放多个障碍物时,可分组试验。每一组障碍物测 试 N(N=6~10)次。累计待测机器人在每一组试验中成功避障的次数和材质数量,以及 每次从起点到终点的行驶时间 ti。 试验中,如果机器人不能正确避让某一种障碍物,导致后续测试无法继续进行,则 可更换障碍物(更换的障碍物必须从 5.2 节描述的 10 种障碍物中选择)或取消该障碍 物重新试验。被更换或取消的障碍物不参与累计计数。 图 7 机器人静态避障能力试验图 b) 结果计算: 假设试验分为 k 组进行(如果一次能够摆放 10 个障碍物,则不用分组,即 k=1), 每组试验 N(N=6~10)次,每组试验障碍物数量为 n(n≤10)。成功避让的障碍物总数 量为 s,成功避让的障碍物种类总数为 p,成功避让的障碍物材质种类为 m。定义静态 避障能力 SOA(p,m), 静态避障速度效率为 Eas(p,m), 计算方法如下: SOA p,m = / (k × N × n) × 100% (5-1) (p,m) = 12 =1 × /v额定 × 100% (5-2) 其中:Lp1p2 为 p1 和 p2 之间距离; V 额定是机器人额定速度; ti 是机器人第 i 次从起点到终点的行驶时间。 5.3.2 动态障碍物避让能力和效率 5.3.2.1 测试方法: 18 如图 8 所示,在一个宽度范围是 4-6 倍 Wpass 的狭长通道内,设置两组移动障碍物 SO1 和 SO2,设定机器人的行进轨迹为在 P1 和 P2 两点之间往返行驶。记录机器人在行 进过程中没有碰触到两组移动障碍物的次数。在连续 N(N=3)次成功测试后, 视为测 试成功。SO1 和 SO2 是放置在可以移动的平台上的大圆柱障碍物(5.2 节定义),或者 是来回走动的试验人员。障碍物 SO1 按图 5-3 所示的左右走向往复运动,障碍物 SO2 按上下走向往复运动。测试场景参数约定: 1) 狭长通道宽度: 4-6 倍 Wpass,Wpass 为机器人最小通过宽度; 2) 障碍物 SO1 和 SO2 移动速度设定为:机器人额定速度的 80%; 3) 障碍物移动距离:Ld = 3Wpass; 4) 障碍物 SO1 和 SO2 距离:≥5L,(机器人沿运动方向长度 L 的 5 倍); 5) P1 和 P2 点距离:Lp1p2≥12L,(机器人沿运动方向长度 L 的 5 倍)。 图 8 机器人动态避障能力试验图 5.3.2.2 结果计算: 如机器人未到达目标位置 P2 或在运动过程中碰到障碍物, 则视为测试失败。在连 续 N(N=3)次成功测试后, 视为测试成功。定义机器人避让动态障碍物的运行速度为 Vbd ,实测机器人从 P1 到 P2 点的时间为 ti,则:动态避障速度可记为: t = 1 i=1 12 (5-3) 对于 N 次试验,平均动态避障速度效率可记为: Ed= t/V 额定 ×100% (5-4) 其中:V 额定是机器人额定速度。 6 脱困性能 6.1 测试目的 考察机器人在复杂场景或受限空间中的自主逃离困境的能力。 6.2 测试环境与设备 在 4.1.2 通用测试环境中,用 5.2 节中木质墙面构成凹形障碍物(或用试验人员组成凹 形障碍物),将机器人半包围,如图 6-1 所示。要求凹形障碍物内部空间足够大,可以保证 机器人完成掉头动作。凹形障碍物口处宽度尺寸为 W(Wpass≤W≤Wpass+20cm,Wpass 为机 器人最小通过宽度)。机器人以 P1 为出发点,且机器人的朝向(正常前进方向)为背向出 口, P2 为目的地,P1 和目标点 P2 之间距离 Lp1p2≥5L(L 为机器人沿运动方向的长度)。 19 6.3 测试方法 测试方法如下: a)如图 9 所示,将机器人按规定方向置于 P1 点; b)进入自动导航模式,设置行进路线为凹形障碍物正前方 P2 处; c)记录机器人成功从 P1 点抵达 P2 的时间和次数。如果 30s 内无法行走到目标点,则 记录为失败一次。 d)如果脱困成功,记录第 i 次测试中机器人到达目标点所需的时间 ti。 e)重复试验 N (N≥20) 次。 图 9 机器人脱困能力试验示意图 6.4 脱困能力计算 试验共进行 N (N≥20) 次,成功脱困次数记为 n,定义脱困概率 Pb, 脱困速度效率为 Et,计算方法如下: 脱困概率 Pb Pb=n/N×100% (6-1) 脱困平均速度效率 Et: Et = 12 1 =1 /v额定 × 100% (6-2) 7 地图构建性能 7.1 建图精度测试 7.1.1 测试目的 机器人在自主导航之前,一般需要建立环境地图,环境地图的分辨率和准确性,直接影 响机器人导航和避障性能。本节内容就是为了评价机器人建图后获得的环境地图精度。 7.1.2 测试环境与设备 在 4.1.2 节定义的通用测试环境中,均匀布设 k(k=10~15)个标志杆。标志杆上应包 含足够明显的特征,能够被主传感器准确识别。在测试场地最大长度和最大宽度方向应至少 20 布设各一对标志杆。所有标志杆之间相对平面直线距离已知(或通过皮尺或其它方法提前测 量得到)。设各标志杆之间实际间距为 0,⺁(,⺁ = 1,2…)。 7.1.3 测试方法 测试步骤如下: a) 使用机器人系统对测试场景进行建图,行走路线不固定,但应经过所有标志杆,确 保在图中能够找到所有标志杆的相对坐标。如图 10 所示; 图 10:一种可能的机器人构建地图行走路线 建图完毕后,在所建地图中分别找到标志杆所对应地图坐标点。在同一幅地图中分别计 算所有标志杆两两之间距离,记为 ,⺁(,⺁ = 1,2…),如图 7-2 所示,图中白色星为环境地 图中标志杆位置,彩色星为测试场景中标志杆的实际位置; 图 11:环境地图和真实场景中标志杆距离关系 b) 重复步骤 a)和 b) N (N=3~6)次; 7.1.4 计算方法 按照公式表 5 分别计算每次建立的环境地图中,每一个标志杆和其它 k-1 个标志杆之间 的直线距离 的误差 ,⺁: ,⺁ = ,⺁ − 0,⺁ = 1,2… 表 5:标志杆之间距离误差统计表(单位:m,假设 k=10) 序号 1 2 3 … 9 10 1 0 1,2 1,3 1,9 1,10 03 3 02 2 1 01 21 2 2,1 0 3 3,1 0 … 0 10 10,1 0 , 0 以每一个标志杆与其它标志杆距离的最大绝对值误差 , 为该标志杆距离误差(表 7-1 按列取绝对值的最大值)。 定义一次建图误差为:在一次建立环境地图操作中,每一个标志杆距离误差的均值: = 1 =1 , (7-1) 定义建图精度 为 N 次建图误差的均值: = 1 =1 (7-2) 7.2 单位面积建图时间 7.2.1 测试目的 测试使用视觉传感器(如相机、激光雷达等设备)进行定位或辅助定位的移动机器人系 统构建环境地图的速度。 7.2.2 测试环境与设备 在 4.1.2 定义的测试环境中,均匀分布机器人主传感器可以识别的 N 个典型障碍物(表 5-1 定义)或类似障碍物,障碍物密度为每 20m2 一个。 采用秒表或计时器计时(也可通过机器人系统服务器日志中的时间戳来确定时间)。 7.2.3 测试方法 测试步骤如下: a) 机器人系统在测试环境中进行建图,建图过程中需经过测试环境中设置的 N 个障碍 物,在输出的环境地图应包含对应的障碍物; b) 记录建图过程中数据采集时间 (从机器人开始行走到最终停止的过程所消耗的 时间)、数据传输时间 (如果采用服务器进行建图,则统计从机器人采集某帧数 据到服务器获取该帧数据所消耗的时间;如果采用本地建图则此项时间为零)、数 据处理及数据存储的时间 (从机器人运动停止到完成场景地图本地生成,以及 人工编辑地图所消耗的时间);则总建图时间为:쳌= + + 。 c) 在同一环境条件下重复建图 N(N=3~6)次; 7.2.4 计算方法 在该测试环境下,N 次试验的平均建图时间 쳌 : 쳌 = 1 =1 쳌 (7-3) 22 定义单位面积建图时间 (单位:s/m²): = 쳌 / (7-4) 其中:S 为测量场地面积。 7.3 增量建图能力 7.3.1 测试目的 测试使用视觉传感器(如相机、激光雷达等设备)进行定位或辅助定位的移动机器人系 统是否具备增量构建地图的能力(可以是栅格地图、特征点地图、稠密像素点地图)。增量 构建地图能力包含对原有地图区域视觉特征变化进行修正的能力(即修正建图)和添加新区 域至原有地图的能力(即扩展建图)。 7.3.2 测试环境与设备 在 4.1.2 定义的测试环境中,用表 5-1 定义的木质墙体作为隔板划分成不同区域,每个 区域内部具有若干个典型障碍物(表 5-1 定义的典型障碍物)或类似障碍物,障碍物密度为 每 20m2 一个。区域划分所使用隔板及典型障碍物可以随时拆卸。 以上场地也可以采用室内(外)环境和其它障碍物搭建。 7.3.3 测试方法 7.3.3.1 修正建图 测试步骤如下: a) 机器人系统在测试环境中进行建图,建图过程中需经过设置的若干个障碍物,在输 出的环境地图应包含对应的障碍物,如图 12 所示; 图 12:机器人对测试场景进行建图 b) 建图完毕后随机选择测试区域内一半原有典型障碍物,将其移至与区域内随机其它 位置,并保证新位置与初始位置距离 1m 以上。或添加(减少)10%的典型障碍物。 c) 重新操作机器人系统,设置其初始地图为第一步输出的环境地图,在新的测试环境 中进行修正建图操作,如图 13 所示; 23 图 13 修正建图 d) 修正建图完毕后,观察初始地图与更新之后地图的变化情况,应能如实删除被移除 的障碍物,并将其重新构建到新的位置。或者增加(删减)相应障碍物。 7.3.3.2 扩展建图 测试步骤如下: a) 机器人系统在测试环境中进行建图,建图过程中需经过测试环境中设置的若干个障 碍物,在输出的环境地图应包含对应的障碍物,如图 14 所示; 图 14 机器人对测试场景中部分场景进行建图 b) 建图完毕后移除周围测试区域隔板; c) 重新操作机器人系统,设置其初始地图为第一步输出的环境地图,在新的测试环境 中进行建图操作,建图路线应包含移除隔板之后的新增区域,如图 15 所示; 图 15 扩展建图 d) 建图完毕后,观察初始地图与更新之后地图的变化情况,应能将地图扩展到新增区 域,并正确将新增障碍物构建到地图当中。 7.3.4 评估方法 增量建图能力只考核被测机器人是否具有该项功能,不考核精度和效率。 8 多移动机器人协同能力 8.1 机器人协同避让能力 24 8.1.1 测试目的 考察多个机器人在狭小空间相遇后互相避让并成功到达目标位置的能力。 8.1.2 测试环境与设备 在 4.1.2 通用测试环境中,用 5.2 节中木质墙面构成狭长通道,通道宽度为 2.5 倍 Wpass (Wpass 为机器人最小通过宽度)。在通道中间 P1 点和 P2 点放置两台机器人,两点间距离 为 Lp1p2=5L(L 为机器人沿运动方向的长度),如图 8-1 所示。本试验中的墙面也可以利用真 实墙面。机器人 R1 以 P1 为起始出发点,P2 为目的地,且朝向(正常前进方向)P2。机器 人 R2 以 P2 为起始出发点,P1 为目的地,且朝向(正常前进方向)P1。用秒表或计时器记 录机器人运行时间。 8.1.3 测试方法 测试步骤如下: a) 如图 16 所示,机器人 R1 位于 P1 点,机器人 R2 位于 P2 点; b) 进入自动导航模式,设置机器人 R1 行动至目标点位 P2,机器人 R2 行动至目标点位 P1 处,同时出发; c) 设单个机器人在无障碍物的情况下以额定速度到达目标点位的时间为 T, 若两机 器人在 6T 时间内均抵达目标点,且中途无碰撞现象发生,则试验成功,否则失败。 d) 若协同避让成功,记录第 i 次测试中最后一个机器人到达目标点所需的时间 ti, 并记录成功避让总次数为 n, e) 重复试验 N 次(N≥6)。 图 16 协同避让试验 8.1.4 协同避障能力和效率 设试验的总次数为 N, 机器人成功协同避障次数为 n。记录每次试验中,最晚到达目标 点机器人所用时间 ti,定义: 协同避障能力 Pca: Pca=n/N×100% (8-1) 协同避让速度效率 Eca: Eca= 12 1 =1 /v额定 × 100% (8-2) 25 其中:Lp1p2 为 p1 和 p2 之间距离; V 额定是机器人额定速度; ti 是机器人第 i 次协同避让所用时间。 8.2 机器人协同交通能力 8.2.1 测试目的 在路径比较狭窄,只允许一台机器人通过时,考察机器人之间是否能够协同工作,自主 解决简单交通问题。 8.2.2 测试环境与设备 在 4.1.2 通用测试环境中,用 5.2 节中木质墙面构成狭长通道,通道宽度为 2.5 倍 Wpass (Wpass 为机器人最小通过宽度)。在通道中部设置间距为 W(Wpass≤W≤1.8Wpass)的两个 障碍物 SO1 和 SO2。在通道中间 P1 点和 P2 点放置两台机器人,两点间距离为 Lp1p2=5L(L 为机器人沿运动方向的长度),如果 8-2 所示。本试验中的墙面也可以利用真实墙面。机器 人 R1 以 P1 为起始出发点,P2 为目的地,且朝向(正常前进方向)P2。机器人 R2 以 P2 为 起始出发点,P1 为目的地,且朝向(正常前进方向)P1。用秒表或计时器记录机器人运行 时间。 8.2.3 测试方法 测试步骤如下: a) 如图 17 所示,机器人 R1 位于 P1 点,机器人 R2 位于 P2 点; b) 设置机器人进入自动导航模式,且 R1 的目标点为 P2,R2 的目标点位为 P1; c) 两机器人同时出发,相向而行,基本同时达到障碍物附近; d) 设单个机器人在无障碍物的情况下以额定速度到达目标点位的时间为 T,若两机器 人在 6T 时间内均顺利抵达终点,途中无碰撞现象,则试验成功,否则失败; e) 记录协同交通成功次数 n。以及最后一个机器人到达目标点所用时间 ti; f) 重复试验 N(N≥6)次。 图 17 机器人协同交通试验 8.2.4 协同交通能力和效率 设试验的总次数为 N, 机器人成功协同交通次数为 n。记录每次试验中,最晚到达目标 点机器人所用时间 ti,定义: 26 协同交通能力 Pct: Pct=n/N×100% (8-3) 协同交通速度效率 Ect: Eca= 12 1 =1 /v额定 × 100% (8-4) 其中:Lp1p2 为 p1 和 p2 之间距离; V 额定是机器人额定速度; ti 是机器人第 i 次协同避让所用时间。 9 其它特殊性能测试 9.1 室外环境光线对导航性能的影响程度测试 9.1.1 测试目的 针对室外移动机器人,检验室外光线变化对机器人导航性能的影响。 9.1.2 测试场地与设备 使用 4.1.1 测试设备,室外光照充足测试环境,4.1.3 中 L 形或 U 形测试路径。 9.1.3 测试方法 选择晴天有阳光的天气,分别在早晨 8:00-10:00 之间和傍晚 17:00-19:00 之间(或者 阳光照射地面角度为[10°,40°]时和[140°,170°]之间),按 4.3 要求,测试机器人重定 位性能指标。包括成功率쳌,重定位时间쳌,位置准确度,姿态准确度,位置重 复性,姿态重复性,比较在两种不同光照环境下对机器人重定位性能的影响。 以角标 1 表示早晨测试结果,以角标 2 表示傍晚测试结果,定义指标如下: 成功率比: = 쳌1 쳌2 (9-1) 重定位时间比: = 쳌1 쳌2 (9-2) 位置准确度比: = 1 2 (9-3) 姿态准确度比: = 1 2 (9-4) 位置重复性比: = 1 2 (9-5) 姿态重复性比: = 1 2 (9-6) 9.1.4 测试结果判定 27 如果阳光照射角度对机器人导航性能影响不大,那么以上 6 个比率指标约等于 1。否则 说明阳光照射角度对机器人导航性能有影响。影响越严重,比值会越大。测试完成后,填写 两种环境下重定位测量指标值及比例,如表 6 所示: 表 6 不同光照环境下重定位性能测试对比结果 序号 环 境 类 型 光 照 角 度(°) 成 功 率 쳌 重 定 位 时 间 쳌(s) 位 置 准 确 度 (mm) 姿 态 准 确 度 (°) 位 置 重 复 性 (mm) 姿 态 重 复 性 (°) 备注 1 早晨 2 傍晚 比值 9.2 动态行人避障测试 9.2.1 测试目的 检验在人流较大的环境中机器人导航性能是否会受到影响。 9.2.2 测试环境与设备 使用 4.1.2 通用测试环境,邀请 10-20 名测试人员充当移动障碍物。 9.2.3 测试方法 根据场地面积大小,确定行人密度ρ≥0.05 人/m2。机器人建立好环境地图以后,进入 自动导航模式,安排 N(N=10~20)人在自主导航行进的机器人周围 30m 内随意走动。并安排 2-4 人在机器人周围半径 2m 范围内随意走动。充当移动障碍物的测试人员不能主动碰撞机 器人,不能由后台操作机器人。测试时间为 30min,记录机器人与行人碰撞的次数 n。 9.2.4 测试结果计算 定义行人碰撞率指标如下: t = (9-7) 9.3 防跌落测试(选择试验项目) 重要说明: a)本试验具有一定危险性,如果机器人在使用场景中有可能遇到类似的情况,可以考 虑采用此测试项目。如果在使用场景中不存在此类情况,可以不做本项测试。另外,此项测 试要求机器人必须具有相应的传感器和软件算法支持,如果没有软硬件支持,不能进行此项 试验。 b)本试验有可能损坏机器人产品,试验时必须做好防护工作! 9.3.1 测试目的 28 检验机器人能否探测到易跌落区域并有效避开,防止移动机器人在有凹陷的地面运行时 跌落。 9.3.2 测试环境与设备 选择一个有下降楼梯或台阶的长方形平台环境(面积在 100-200m2,根据机器人大小可 以适当放大和缩小测试场地的面积)。楼梯或台阶宽度 W≥10L(L 为机器人沿运动方向的长 度)。 9.3.3 测试方法 机器人建立好环境地图以后,不得设定虚拟禁区,令机器人进入自动导航模式,随机设 定机器人的导航移动目标,目标点位置至少有 5 次在楼梯或台阶下边,让机器人运行 30min。 本试验有一定危险性,测试时设立警戒线,阻止无关人员靠近可能的跌落区域。并且应 用绳索或挡板做好防护,避免机器人跌落或跌落后损坏设备或砸伤人员。 9.3.4 测试结果 记录 30min 内机器人跌落次数 n。 29 附 录 A (资料性附录) 机器人定位导航性能参数汇总表 表 A.1 机器人定位导航性能参数汇总表 机器人定位导航性能参数汇总表 _________________________________

    展开全文

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 16,739
精华内容 6,695
关键字:

移动机器人定位