论文部分内容阅读
随着科技发展,现代机器人在机械制造、军事、科学研究等方面得到了广泛应用,机器人在三维场景中的定位则是当前的研究热点和难点,受到了研究者的重点关注。目前,常用传感器应用在辐射、黑暗等特殊场景中时无法实现场景信息的有效获取。而超声传感器在上述特殊环境中不会受到影响,并且成本低廉,制造简单。因此,本文对基于超声相控阵的机器人定位方法展开了研究。本文首先完成了目标场景的三维建模并仿真。利用Proe(PTC Creo Elements)软件绘制三维场景,并根据超声阵列与目标物体距离的不同给定不同分辨率的物体模型。利用声线跟踪法与超声传播定律模拟三维场景中声线的传播路径,根据声压的标定计算声线的声压。通过采用CUDA(Compute Unified Device Architecture)对声线跟踪法进行加速来提高声场仿真的速度,实现接收阵列超声回波信号的仿真。其次,本文完成了特征点DOA(Direction of arrival)估计以及三维坐标的提取。从角度分辨率和耗时两个方面对降维Capon算法和Unitary-ESPRIT算法进行DOA估计对比分析。结果表明,Unitary-ESPRIT算法的分辨率和耗时均优于降维Capon算法。同时利用渡越时间法计算特征点与阵列的距离,从而得到特征点的三维坐标信息。然后,本文对超声阵列获得的特征点进行整理,提出了基于FFT(Fast Fourier Transformation)的点云匹配算法。利用点云的特性计算每个点到重心点的距离,并对距离进行归一化和快速排序,将快速排序后的序列通过FFT变换转换为幅值信息,并截取有效幅值信息。通过计算两组稀疏点云幅值的相似度实现稀疏点云匹配。与ICP(Iterative Closest Point)算法相比,基于FFT的点云匹配算法速度更快,效率更高。最后,本文利用场景信息匹配实现机器人定位。通过分析超声阵列的可分辨距离,确定机器人采集场景信息时的合适间距与旋转角度。利用机器人在不同位置的幅值信息构建三维场景信息库,将机器人得到的幅值信息与信息库中的信息进行匹配,实现机器人定位。通过仿真与分析,当信噪比小于20dB时,因受噪声干扰,机器人定位结果不准确。当信噪比为20dB时本文算法机器人定位在x轴和y轴方向的平均误差为0.13米,角度平均误差为11.7°,定位误差与计算速度均优于ICP算法。