机器人避障超声波测距系统(硬件)

机器人避障超声波测距系统
第一章绪论
1.1 课题研究的背景及意义
机器人技术是在新技术革命中迅速发展起来的一门新兴学科，它在众多的科技领域与生产部门中得到了广泛的应用，并显示出强大的生命力。

它是集精密机械、光学、电子学、检测、自动控制、计算机和人工智能等技术于一体，形成的一门综合性的新技术学科。

机器人的发展有很长的历史，早在三国时代，诸葛亮造的“木牛流马”就是古代机器人的一种雏形。

机器人（robot）一词来源于 1920 年捷克作家卡雷尔·查培克所编写的戏剧中的人造劳动者，在那里机器人被描写成像奴隶那样进行劳动的机器。

后来作为一种虚构的机械出现在许多作品中，代替人们去完成某些工作。

在机器人发展历史上，存在两条不同的技术路线：一条是日本和瑞典所走的“需求牵引，技术驱动”，他们把美国开拓的机器人，结合工业发展的需求，开发出一定系列特定应用的机器人，如弧焊、点焊、建筑等等，从而形成了庞大的机器人产业；另一条是把机器人作为研究人工智能的载体。

看成是计算机科学的一部分，单纯从技术上仿人的某些功能出发研究机器人。

自从为了抓取放射性材料而设计制造的第一台遥控机械手诞生至今已经有50多年了，而六十年代第一台工业机器人问世也40多年了。

之所以当初称之为工业机器人是为了同虚构的机器人及玩具机器人加以区别。

目前所说的机器人大多指工业机器人。

第一代机器人，
主要指只能以“示教－再现”方式工作的机器人。

示教内容为机器人操作机构的空间轨迹、作业条件、作业顺序等。

第二代机器人具有一定的感觉装置，能获取作业环境、操作对象的简单信息，通过计算机处理、分析，机器人作出一定的推理，对动作进行反馈控制，表现出低级的智能。

第三代机器人是指具有高度适应性的自治机器人，它具有多种感知功能，可进行复杂的逻辑思维判断决策，在作业环境中独立行动。

作为“第三代机器人”的智能机器人是这样一类机器人：机器人本身能对所处的工作环境、工作对象及其状态做出反映，它能根据人给予的指令和“自身”对外界的了解来独立的决定工作方法，利用操作机构和移动机构实现任务目标，并能适应工作环境的变化。

自主式移动机器人也属于智能机器人。

关于移动机器人的研究涉及许多方面。

首先，要考虑移动方式，可以是轮式的、履带式的、腿式的，对于水下移动机器人则是推进器。

其次，必须考虑驱动器的控制，以使机器人达到期望的行为。

第三，必须考虑导航和路径规划，对于后者，有更多的方面考虑，如传感器信息融合、特征提取、避障和环境映射等。

因此，移动机器人是一个集环境感知、动态决策、行为控制与执行等多功能于一体的综合系统。

在移动机器人自主行走的过程中，不可避免的会遇到一些障碍物，所以灵活、实时的避开这些障碍物是移动机器人必须拥有的一种基本能力。

为了实现这种能力，移动机器人必须通过外部传感器来收集周边环境的信息数据并通过这些信息建立起外部环境的模型，从而实现类似于人的避障行为。

在移动机器人环境探测的过程中，人们多采用视觉系统探测周围环境，并利
用图象信号分析处理技术获得环境信息，从而引导机器人的运动。

比如，由浙江大学研究开发的以美国 TROBOT 公司ATRV－2 为平台的移动机器人，就是以放置在移动机器人上方的彩色CCD摄像机和安装在内部微机主板上的图象采集卡组成的视觉系统来探测前方障碍物。

采用视觉系统避障可以获得较完整的环境信息，但由于图象处理运算量大，需要高性能的信号处理设备，致使这类系统体积较大、能耗高、实时性差。

近年来，为了克服单纯视觉系统在应用上的不足，人们开始研究采用其他非摄像类传感器探测环境信息，直接采用多个廉价超声波传感器来进行测量。

由于超声波指向性强，能量消耗缓慢，在介质中传播的距离较远，因而超声波经常用于距离的测量，利用超声波检测往往比较迅速、方便、计算简单、易于做到实时控制，并且在测量精度方面能达到工业实用的要求，因此在移动机器人的研制上也得到了广泛的应用。

由于移动机器人具有一般机器人所不具备的移动能力，从而使之更具备“代替人”作业的实力。

移动机器人在移动过程中不可避免会遇到各式各样的障碍物，灵活、实时的躲开这些障碍物是衡量其性能的关键指标。

具有避障功能的移动机器人拥有相当高的社会价值，被大量应用于航天、军事、制造业、医疗、交通等。

比如在制造业中，柔性装配系统(FAS)是柔性制造系统的主要组成部分。

近年来，为响应产品换代的频繁变化，FAS的构形发生了很大变化，发达工业国家已出现了动态可重构形的柔性装配系统，在这类系统中，众多的具有避障功能的移动机器人代替了通用的传送带。

同样具有避障功能的移
动机器人能给不能行走的残疾人士带来福音。

现在，大多数残疾人士使用电子轮椅，由于驾驶这种轮椅需要相当大的技巧，对于那些残疾人士来说，灵活自如的驾驶这类轮椅将有一定的难度。

而拥有自主导航和避障能力的移动机器人将轻易的解决这类问题。

1.2国内外研究现状
从 80 年代开始，美国国防高级研究计划局专门立项，制定了地面无人作战平台的战略计划。

如 DARPR 的“战略计算机”计划中的自主地面车辆计划。

能源部制定了为期10 年的机器人和职能系统计划，以及后来的空间机器人计划。

美国 NASA 研究的火星探测机器人于 1997 年登上了火星。

为了在火星上进行距离探测，又开始了新一代样机的研制，命名为 Rocky7，并在 Lavic 湖的岩溶流上和干枯的湖床上进行了成功的试验。

美国的 MDARS 项目是在著名的保安机器人 ROBART 的基础上建立的一个多移动机器人平台，后来在指定地点执行随机巡逻任务。

德国研制了一种轮椅机器人，并在乌尔姆市中心车站的客流高峰期的环境中和 1998 年汉诺威工业商品展览会大厅环境中进行了超过36 小时的考验，所表现出的性能是其它现存的轮椅机器人和移动机器人所不可比的。

对机器人自主性的挑战来自要求完成的任务以及高度非结构化和变化的环境。

在大多数室外环境中，要求机器人完全自主的完成任务目前还有一定的困难。

远程操作的半自动机器人，毫无疑问是一个发展方向，因此先进的远程操作技术是将来必需的。

国内在移动机器人的研究上起步较晚，大多数尚处于某个单项研究阶段，主要的研究工作有：清华大学智能移动机器人于
1994 年通过鉴定，涉及到五个方面的关键技术：基于地图的全局路径规划研究；基于传感器信息的局部路径规划研究；路径规划的仿真技术研究；传感器技术、信息融合技术研究；智能移动机器人的设计和实现。

另外，还有中国科学院沈阳自动化研究所的 AGV和防暴机器人；中国科学院自动化自行设计、制造的全方位移动机器人视觉导航系统；哈尔滨工业大学于 1996 年研制成功了导游机器人。

随着汽车的普及，大中城市中的慢性堵塞和交通事故的增加已成为一个大的社会问题。

尤其在高速公路上行驶的汽车，时速通常在100公里每小时以上，一旦出现险情，留给驾驶员的时间是很短的，世界各地，由于雨、雾等原因引起的高速公路上的恶性交通事故时有发生。

如何利用汽车和道路的智能化来提高安全性能和交通效率已成为各发达国家关注的热点。

因此，目前移动机器人的研究开始偏向汽车的自主驾驶和辅助驾驶的研究。

部分发达国家重要的研究计划包括：
●美国： IVHS（智能车辆高速公路系统）
●欧洲： AVS（先进安全车辆）
SSVS（超级灵巧车辆系统）
VICS（车辆信息和通信系统）
ARTS（先进道路运输系统）
UTMS（通用交通管理系统）
●中国：THMR-V（清华大学）
这些计划中，各极其重要的环节是能在汽车行驶过程中探测障碍物与行人，并发出报警、自动启动刹车和避障的关键技术。

[15][17] 1.3本课题内容
本文主要设计了机器人避障测距系统的硬件部分，主要有以下内容：（1）了解机器人避障超声波测距的研究背景，国内外发展状况，提出课题的研究意义。

（2）对测距技术进行研究，就当前比较流行的激光测距技术和超声波测距技术的原理进行探讨，比较两种测距的优缺点，针对本课题的实际，提出采用超声波测距的优势所在。

（3）提出系统硬件设计方案。

初步探讨了超声波传感器的工作原理。

概括性地叙述了超声波发送电路以及接收电路中的限幅、多路电子开关、放大、滤波、整流以及比较等几部分。

由于在设计过程中为了使系统稳定，必须对串扰问题进行解决，为此，还介绍了串扰处理电路的设计，还把针对本课题的AT89C52单片机控制系统进行说明。

（4）简单介绍了单片机的编程语言—C51语言及软件设计的流程图。

然后针对本课题提出软件编程方案：采用模块化设计，整个程序的编写分主程序、发射子程序、中断接收子程序、定时子程序等模块进行。

第二章机器人避障策略和测距方式的研究
2.1 路径规划和避障策略
所谓路径规划就是智能自主移动机器人能按照存储在其内部的地图信息，或根据外部环境所提供的一些引导（既通过对环境的实时探测所获得的信息）规划出一条路径，并能够沿着该路径在没有人工干预的情况下，移动到预定目标，同时完成预定任务。

执行这个过程的算法就是路径规划算法。

移动机器人有多种导航方式，根据环境信息的完整程度、导航指示信号类型、导航地域等因素的不同，可以分为基于地图导航、基于路标导航、基于视觉导航、基于感知器导航等。

目前还出现了其他的导航系统，如美国的GPS卫星导航系统。

本文主要研究的基于超声波传感器避障属于感知器导航。

最优路径的搜索既可以采用软件的方法，也可以根据退火算法利用硬件来实现路径规划，这种方法虽不能保证所得的路径绝对最优，但能以较小的时间代价来换取相对优化的路径；基于环境拓扑特征的路径规划可以减少对地图精确性的依赖，从而扩大路径规划的范围。

当移动机器人通过各种传感器获得一定量的周围环境信息时，如何利用这些有限的环境信息，来实现机器人的实时控制，一直是机器人研究者所关心的一个问题，这也是移动机器人进行实时避障所必须解决的一个难题。

为此，许多新颖而实用的控制算法被提出来，在一定程度上解决了这个问题。

他们一般能分为两类:全局规划与局部控制。

在此，对几种比较常用的控制算法作出简单的介绍。

由于移动机器人在避障过程中需要较强的实时性，所以要求控制算法具有较强的
处理数据的能力，势场法作为全局规划方法的一种方面具有一定的优势。

对于势场法而言，每一个障碍物都由一个二维的笛卡尔栅格来表示。

目标位置对移动机器人产生一种虚拟的吸引力，而障碍物对机器人产生一种虚拟的排斥力。

这两种力的合成就决定了移动机器人的运动。

然而势场法也具有自身的缺点，主要表现在 4 个方面：(1)存在陷阱区域；(2)在相近障碍物之间不能发现路径(3)在障碍物前振荡；
(4)在狭窄通道中摆动。

局部控制的方法主要应用在一个未知的环境中。

它是一种完全基于传感器信息的反映策略。

因此机器人和环境中的障碍物的绝对坐标并不需要知道,但必须了解其相对位置及关系，所以大量的传感器被利用来探测周边的环境信息。

但由于要处理大量的探测信息，因此实时性较差。

最近几年，人们发现要建立起移动机器人避障过程精确的数学模型非常困难，所以大家都把目光投向了模糊逻辑和神经网络这两种控制算法。

这两种方法的共同点在于易于表达某些难以精确描述的规则。

模糊逻辑适合表达模糊和定性知识，具有类似于人类思维的推理方式。

神经网络具有并行计算、容错性和自学习等优点。

这两种方法的这些特点对移动机器人实现实时避障显然比以往的控制算法更具有优势。

然而它们的缺点也很明显：模糊逻辑的运算量随规则数量的增加而成几何级数增长，因而在模糊规则较多时难以付诸实施；神经网络收敛速度比较慢，不适合表达知识，不能较好利用已有的经验知识。

针对上述情况，有些人提出把模糊逻辑与神经网络结合起来，从而产生了一种新颖的控制算法—模糊神经控制算法。

由于模糊神经网络能提供一种推理方法,能够把模糊理论所具
有的较强的推理能力与神经网所具有的自学习、自适应、容错性和并行性相结合。

模糊神经网络基于模糊规则的控制和决策系统已被较为广泛地应用于各个领域之中。

特别对于难于用精确数学模型表述的复杂系统如智能移动机器人的自主避障有明显的效用。

许多研究人员正是用这种方法取得了较大的进展。

2.2 测距方式的研究
在研究机器人的避障时，环境信息的采集是研究的关键问题。

距离测量为移动机器人提供了周围环境的二维或三维信息，是移动机器人中不可缺少的组成部分。

移动机器人可以根据这些信息进行实时避障、导航和执行特定的任务。

通常，对获取这类环境信息的传感器有两方面的要求：一方面，需要有足够大的视场来覆盖整个工作区；另一方面，需要有足够高的采集速率以保证在运动的环境中提供实时的信息。

（1）无源测距技术
经典的距离测量方法使用无源测距技术，我们称之为被动方法，例如立体视觉和结构光方法：
●立体视觉：
在机器人获取信息的各种感知器中，视觉系统无疑是最重要的。

从仿生学的角度来说，基于双目视觉原理的立体视觉系统最接近生物体的视觉系统，但由于受到原理计算法的限制，测距精度和成象速度不能满足要求。

●结构光测距：
结构光测距的原理与光学测距法类似，使用单一光点或平面逐点测量从而获得物体的完整的三维描述。

这种方法虽然能够产生比较精确的结果，但是其速度过慢而无法用于实时任务。

在移动机器人的领域中，无源测距方法大都无法同时满足可靠性或实用性的要求。

有源测距技术使用主动传感器替代被动传感器，它由于具有以下的两大优点而在实时机器人领域显示出诱人的魅力：
A.主动传感器不存在复杂的图象匹配技术，不象立体视觉需要通过大量的计算获取距离数据，因而实时性好，测距速度快；
B.主动传感器不易受到如天气状况、光照条件及表面标记、阴影、污渍等外界条件的影响。

主动传感器工作时不仅使用自然光照，它自身也对被测物体产生光照。

此外，在多数主动传感器系统中，有源光的发送和接受是同轴的，这就从本质上解决了结构光和立体视觉方法难于解决的“消失片段”问题。

（2）有源测距技术
在有源测距技术中，常用的主动传感器主要有超声波、微波雷达和激光雷达三种。

A.超声波传感器
超声波是一种只有少数生物（如蝙蝠、海豚）才能感觉到的机械波，其频率在20KHz以上，波长短，绕射小，能定向传播。

它具有纵波（在气、液、固中传播）、横波（在固体中传播）和表面波（沿固体表面传播）三种波形，而且遇到杂质或传播界面回产生明显的反射。

这种反射不是严格定向的，具有散射性。

在移动机器人中应用的超声波传感器，是利用超声波在空气中的定向传播和固体反射特性（纵波），通过接收自身反射的超声波反射信号，根据超声波发出和回波接收时间差及传播速度，计算出传播距离，从而得到障碍无物到机器人的距离。

从发射波束特性知，由于扩散角的原因，使超声波测距的角度分辨率较低，但距离分辨率较高。

超声波传感器具有反应灵敏、探测速度快的优点，而且结构简单，体积小，成本低，因而在目前已知的移动机器人中，多数都安装了它，用于室内和室外近距离避障。

通常，以多个传感器组成阵列形式，根据单个传感器扩散角及反射特性。

确定合理的密度，以覆盖要求的探测区域。

[1][11]
总的来说，超声波传感器的造价低廉、速度快、距离分辨率较高，但其方向性差、镜面反射严重、测距范围小，因此，比较适用于室内环境的距离测量。

B.红外传感器
红外线也是一种只有少数生物（如响尾蛇）才能感觉到的光波，其波长为1nm—1000nm，具有定向传播和反射能力。

尽管自然界中各种物体均能不同程度的释放出红外能量，但由于其波长和大小很难正确分辨，故移动机器人上的红外传感器，工作原理与超声波传感器类似，同样采用发射固定波长的红外线并接收同一回波的主动方式，其探测特性和超声波传感器恰好相反，即角度分辨率高，而距离分辨率低。

当然，它同样具有灵敏度高、结构简单、成本低等优点，因此在
移动机器人中，常用作接近觉传感器，探测临近或突发运动障碍，便于机器人紧急停障。

C.微波雷达
微波是一种电磁波，其定向传播及反射性能介于超声波和激光之间。

作为新型测距传感器，其工作原理与超声波传感器相同。

角度分辨率高于超声波和红外传感器，低于激光传感器，距离分辨率略高于超声波传感器。

目前最大探测距离介于超声波和激光测距之间，最小探测盲区距离略低于超声波传感器。

微波雷达的优点是因目标的颜色、材质等不同而引起的反射率变化小，对雾的透过率高，受灰尘、雾、雨的影响小，在各种目标和气候条件下都能比较稳定的进行探测。

缺点是利用车载的小型天线时因为不能形成尖锐的射束，所以不能进行高精度测角。

一般很难进行高精度测位。

另外，根据目前的电波法规定，微波一般是不能使用的，但是不久的将来，经过修改以后，这种规定会被解除的，这项高新技术的产品，已用于国外汽车倒车及高速公路车辆间距监测等实用技术领域，并开始安装在新研制的移动机器人上，是一种很有前途的移动机器人深度信息传感器。

D.激光雷达
近年来，激光雷达因具有测量速度快、测程远、测距精度高、方向性好、镜面反射小、造价适中等优点而受到广泛重视。

激光调制波的强度大，有利于远距离目标的测量及目标与背景的区分；光速窄、平行性好、散射小，保证了很好的测距方向分辨率；一般为单一频率
的光波，光谱比较纯，保证了较高的信噪比。

通过二维或三维的扫描激光束或光平面，激光测距雷达能够以相对高的频率提供大量准确的距离数据。

激光测距雷达与其它距离传感器相比，它能够较好的同时考虑到精度要求和速度要求，特别是在移动机器人领域。

它与传统获得深度信息的方法不同，激光测距雷达不仅可以在有环境光的情况下工作，也可以在无环境光中工作，而且在无环境光的情况下测量效果更好。

[3]
如上所述，超声波测距技术是一种有源非接触性测距技术，是利用超声波在空气中的定向传播特性和固体反射特性，通过接收自身反射的超声波反射信号，根据超声波发出及回波接收时间差及传播速度，计算出传播距离，从而得到障碍物到机器人的距离。

由于超声波传感器具有成本低廉、采集速度快、距离分辨率高、质量轻、体积小、易于装卸的优点，并且超声波传感器在采集环境信息时不存在复杂的图象匹配技术，不需要通过大量的计算就可获得数据，因而其测距速度快，实用性好。

同时超声波传感器不易受到天气条件、环境光照及障碍物阴影、表面粗糙度、裂缝等外界环境条件的影响。

鉴于以上种种优点，使得超声波传感器在移动机器人的应用中具有很大的优势。

2.3超声波测距原理
（1）超声波
超声波是人耳听不见的一种机械波，其频率在20KHz以上，波长较短，绕射小，能够成为射线而具有一定的方向性来传播。

超声波频率越高，就越与光波的某些特性（如反射、扩散等）相似。

超声波的
这些特性使其在检测技术中获得广泛的应用。

图2-1 声波的频率界限
图2-2 超声波检测技术应用表
（2）超声波测距方法
超声波是一种一定频率范围的声波。

它具有在同种媒质中以恒定速率传播的特性，而在不同媒质的界面，会产生反射现象。

利用这一特性，就可以根据测量反射波与发射波之间的时间间隔，从而达到测量距离的作用。

其主要有三种测量方法：
1.相位检测法
相位检测法虽然精度高，但检测范围有限
2.声波幅值检测法
声波幅值检测法易受反射波的影响
3．渡越时间检测法
超声波测距是通过不断检测超声波发射后遇到障碍物所反射
的回波，从而测出发射和接收回波的时间差t ，然后求出就可以计算
出发射点距障碍物的距离：
D = C T/ 2 （2-1）
这就是渡越时间法测距机理。

式中：
D ——距离；
C ——声波在介质中传播的速度；
T ——声波传输所用时间。

声波在空气中传输速率为： 273/10T C C += （2-2）
式中：
T ——绝对温度；
0C ——331.4 m/s 。

在测距精度不是很高的情况下，一般认为C 为常数340m/s 。

图表2.1列出了几种不同温度下的声速。

在使用时，如果温度变
化不大，则可认为声速是基本不变的。

如果测距精度要求很高，则应
通过温度补偿的方法加以校正。

图2-3 声速与温度关系表。