一种两轮侦察机器人直线行驶控制方法技术

本发明专利技术提供一种两轮侦察机器人直线行驶控制方法，包括以下步骤：S1.采用六轴姿态传感器获取机器人本体的设备姿态数值，将获取的设备姿态数值进行姿态融合预处理，得到第一航向角偏差值；S2.图像传感器采集可见光图像数据并反馈至处理器，处理器将可见光图像数据进行深度学习的目标检测算法处理，得到第二航向角偏差值；S3.将第一航向角偏差值和第二航向角偏差值反馈至处理器，通过自适应航向角偏差算法融合，得到最终航向角偏差值；S4.根据最终航向角偏差值反馈至处理器内的PID控制器，根据PID控制器内的PID算法调整左右轮电机转速，使机器人本体保持直线行驶。机器人本体保持直线行驶。机器人本体保持直线行驶。

【技术实现步骤摘要】
一种两轮侦察机器人直线行驶控制方法


[0001]本专利技术涉及自动控制
，特别涉及一种两轮侦察机器人直线行驶控制方法。

技术介绍

[0002]两轮侦察机器人具有体积小、重量轻、便于携带等优点，已经被广泛应用于军事、救援、消防等领域，其可以移动到相对危险的区域，将侦察到的情报信息准确实时地传给后方人员。
[0003]通用两轮机器人保持直线行驶的方法目前主要有以下两种：1)采用GPS或带磁力计的陀螺仪等传感器和采用引导线识别的方式，通过控制机器人寻线运动，来实现机器人保持直线行驶的目的；
[0004]两轮侦察机器人使用场景环境复杂多变，根据执行侦察任务的不同，环境也不同，有室外环境或室内环境，有强磁环境或各种复杂地形环境；而现有的两轮侦察机器人GPS信号弱且易被干扰，其信号常被地形或建筑物遮挡，导致精度大大降低，尤其是偏僻的地方或室内，GPS基本无法使用。
[0005]磁力计通过测量地球磁场来获取绝对方位，但若使用环境中存在磁场且这些磁场无法有效屏蔽时，那么磁力计就无法保证准确性；实际使用中，磁力计对地球磁场的测量很容易受到干扰，导致磁力计无法使用；强磁环境、设备电机转动产生的磁场、由于维度不同导致磁场强度变化、设备靠近磁性金属物品等条件都会对磁力计产生干扰，严重时完全无法使用；
[0006]引导线识别只适用于室内或仓库等固定的场景，在各种野外环境复杂地形或危险环境下，完全无法铺设引导线。
[0007]因此，上述方案均无法满足侦察机器人在各种场景下都能保持直线行驶的要求。r/>
技术实现思路

[0008]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种两轮侦察机器人直线行驶控制方法，用于解决现有技术中通过磁力计通过测量，设备靠近磁性金属物品等条件都会对磁力计产生干扰，严重时完全无法使用；引导线识别只适用于室内或仓库等固定的场景，在各种野外环境复杂地形或危险环境下，完全无法铺设引导线的问题。
[0009]一种两轮侦察机器人直线行驶控制方法，包括以下步骤：
[0010]S1.采用六轴姿态传感器获取机器人本体的设备姿态数值，将获取的设备姿态数值进行姿态融合预处理，得到第一航向角偏差值；
[0011]S2.图像传感器采集可见光图像数据并反馈至处理器，处理器将可见光图像数据进行深度学习的目标检测算法处理，得到第二航向角偏差值；
[0012]S3.将第一航向角偏差值和第二航向角偏差值反馈至处理器，通过自适应航向角偏差算法融合，得到最终航向角偏差值；
[0013]S4.根据最终航向角偏差值反馈至处理器内的PID控制器，根据PID控制器内的PID算法调整左右轮电机转速，使机器人本体保持直线行驶。
[0014]作为进一步改进，步骤1中机器人本体的设备姿态数值包括机器人本体的角度值与加速度值。
[0015]作为进一步改进，步骤S1中姿态融合预处理的过程为：
[0016]S101.收集六轴姿态传感器采集到的机器人本体的角度值与加速度值，根据姿态融合算法计算出当前机器人本体角度值的航向角；
[0017]S102.在机器人本体运行过程中，采用温度补偿和最小二乘回归算法消除积分漂移问题并计算实时航向角值；
[0018]S103.计算第一航向角偏差值，其中第一航向角偏差值为航向角与实时航向角值的差值。
[0019]作为进一步改进，步骤S2中温度补偿和最小二乘回归算法计算实时航向角值的公式为：
[0020][0021]其中为补偿后的航向角，T为温度，t为时间，θ为原航向角。
[0022]作为进一步改进，步骤S2中深度学习的目标检测算法处理的过程为：
[0023]S201.通过基于处理器内的深度学习的目标检测算法识别物体，选定图像传感器采集可见光图像数据中的目标参照物，记录目标参照物的起始边界框坐标位置；
[0024]S202.在机器人本体运行过程中，通过图像传感器记录目标检测实时图像数据，将实时图像反馈至处理器，处理器记录参照物的边界框坐标位置并与参照物体起始边界框坐标位置进行对比；
[0025]S203.将目标参照物的起始边界框坐标位置与参照物体起始边界框坐标位置通过余弦定理算法计算机器人本体的第二航向角偏差值。
[0026]作为进一步改进，步骤S3中余弦定理算法的公式为：
[0027][0028]其中，Δθ1为第二航向角偏差值；起始边界框坐标位置，左上角坐标为(x1，y1)，右下角坐标为(x2，y2)；实时参照物的边界框坐标，左上角坐标(x'1，y'1)，右下角坐标(x'2，y'2)；以点O，O'分别为起始边界框坐标位置和实时参照物的边界框坐标位置的中心点坐标，其中OO'为两个中心点坐标之间的距离，AO，AO'分别为机器人本体距起始边界框坐标位置中心点坐标和实时参照物的边界框坐标位置中心点坐标的距离。
[0029]步骤S3中，作为进一步改进，所述自适应航向角偏差算法融合的公式为：
[0030]Δθ＝λ
·
Δθ0+μ
·
Δθ1，λ∈(0.5，1)，μ∈(0，0.5)
[0031]其中Δθ0为第一航向角偏差值，Δθ为最终航向角偏差值，其中权重系数μ与目标检测物体的置信度正相关，置信度越高μ越大，相应的λ越小。
[0032]作为进一步改进，步骤S4中，PID算法的具体公式为:
[0033][0034]其中Δ为误差，K
p
为比例系数，K
i
为积分系数，K
d
为微分系数。
[0035]通过航向角偏差值反馈至PID控制器，根据PID控制器内的PID算法调整左右轮电机转速，使机器人本体保持直线行驶。
[0036]本专利技术的有益效果是：
[0037]本方案实现了复杂环境下通过六轴姿态传感器和图像传感器控制两轮侦察机器人自动控制直线运动，降低了操作人员的操作难度，使之能够更方便地完成全地形各种场景下的侦察任务。
附图说明
[0038]图1为一种两轮侦察机器人直线行驶控制方法的总流程图；
[0039]图2为姿态融合预处理的流程图；
[0040]图3为深度学习的目标检测算法处理流程图；
[0041]图4为自适应航向角偏差算法融合的流程图；
[0042]图5为PID控制左右轮电机运动的流程图；
[0043]图6为PID算法的计算逻辑流程图。
具体实施方式
[0044]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0045]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种两轮侦察机器人直线行驶控制方法，其特征在于，包括以下步骤：S1.采用六轴姿态传感器获取机器人本体的设备姿态数值，将获取的设备姿态数值进行姿态融合预处理，得到第一航向角偏差值；S2.图像传感器采集可见光图像数据并反馈至处理器，处理器将可见光图像数据进行深度学习的目标检测算法处理，得到第二航向角偏差值；S3.将第一航向角偏差值和第二航向角偏差值反馈至处理器，通过自适应航向角偏差算法融合，得到最终航向角偏差值；S4.根据最终航向角偏差值反馈至处理器内的PID控制器，根据PID控制器内的PID算法调整左右轮电机转速，使机器人本体保持直线行驶。2.根据权利要求1所述的一种两轮侦察机器人直线行驶控制方法，其特征在于，步骤1中机器人本体的设备姿态数值包括机器人本体的角度值与加速度值。3.根据权利要求1所述的一种两轮侦察机器人直线行驶控制方法，其特征在于，步骤S1中姿态融合预处理的过程为：S101.收集六轴姿态传感器采集到的机器人本体的角度值与加速度值，根据姿态融合算法计算出当前机器人本体角度值的航向角；S102.在机器人本体运行过程中，采用温度补偿和最小二乘回归算法消除积分漂移问题并计算实时航向角值；S103.计算第一航向角偏差值，其中第一航向角偏差值为航向角与实时航向角值的差值。4.根据权利要求3所述的一种两轮侦察机器人直线行驶控制方法，其特征在于，步骤S2中温度补偿和最小二乘回归算法计算实时航向角值的公式为：其中为补偿后的航向角，T为温度，t为时间，θ为原航向角。5.根据权利要求1所述的一种两轮侦察机器人直线行驶控制方法，其特征在于，步骤S2中深度学习的目标检测算法处理的过程为：S201.通过基于处理器内的深度学习的目标检测算法识别物体，选定图像传感器采集可见光图像数据中的目标参照物，记录目标参照物的起始边界框坐标位置；S202.在机器人本体运行过程中，通过图像传感器记录目标检测实时图像数据，...

【专利技术属性】
技术研发人员：刘永，廖燕开，
申请(专利权)人：上海图海光电有限公司，
类型：发明
国别省市：