搜救机器人运动控制系统完善与改进 93页

∥第办i硕士学位论文ShandongUniversityMaster’SThesis388论文题目：搜救机器人运动控制系统完善与改进ResearchonImprovementsandenhancementsoftheControlSystemforSearchandRescueRobot姓名谢爱珍专业控制科学与工程导师合作导师李贻斌教授2011年5月15日\n\n原创性声明雠㈣I㈣IIIII||f|II㈣IIIIIIIIIIY1937721。本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：竭缝．呜日期：塑q：妄：!s关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。(保密论文在解密后应遵守此规定)论文作者签名：邋鱼丝导．1S\n\n目录摘{要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1ABSTRACT⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3第l章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．11．1课题研究背景与意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11．2移动机器人研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11．3搜救机器人研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31．4论文的主要内容与章节安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5第2章机器人定位系统设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。72．1机器人自主定位方法介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72．2航位推算(DR，DeadReekoning)技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．82．3机器人运动方程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．102．3．1运动学方程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯112．3．2运动学模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯132．4运动控制板电路设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1S2．4．1驱动器方式及驱动器选型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯152．4．2速度测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯162．5算法应用与软件实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。212．6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．24第3章姿态检测与保护⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯253．1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．253．2AHRS姿态检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯263．2．1InnalabsAHRS⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．263．2．2传感器原理简述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯303．3IMU(惯性测量系统)姿态检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．333．3．1XW-VG5300工作原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯333．3．2XW-VG5300控制指令⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯343．3．3XW-VG5300输出数据格式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯34\n山东大学硕士学位论文3．4倾角传感器姿态检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3S3．4．1倾角传感器简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯353．4．2测量原理与应用电路设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯363．4．3硬件接口与数据传输⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．373．5姿态保护设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．383．6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯40第4章视觉里程计中的姿态与位移测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．4l4．1视觉里程计发展概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯414．2特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．424．2．1特征提取概述与分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯424．2．2SIFT尺度不变特征检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯434．2．3Harris角点检测算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。444．3特征匹配⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．484．4张正友平面标定法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．524．5运动估计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯564．5．1任务分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．564．5．2建立数学模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．574．5．3求解方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．594．6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62第5章总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯635．1总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。635．2展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。63附录A获取编码器输出脉冲的VHDL程序⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯65附录B角点检测和匹配部分程序(MATLAB)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。67参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯70致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．75攻读硕士学位期间发表的论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．77\nCONTENTSABSTRACT(CHINESE)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1ABSTRACT(ENGLISH)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．31．Introduction⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11．1ResearchBackground⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11．2RecentDevelopmentinRobots⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯．．11．3RecentDevelopmentinSAR⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．!I1．4StructureofPaper⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52．LocalizationSystemofSAR⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．72．1IntroductionofLocalizationMethodsforRobots⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．72．2DeadReckoning⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯82．3EquationsofMotionforSAR⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．102．3．1EquationsofMotion⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯112．3．2MotionModule⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．132．4MotionControlCircuit⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．152．4．1DesignofMotorDriver⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．152．4．2SpeedMeasurement⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯162．5ApplicationofDRandRealization⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯212．6Summary⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯243．DetectionofthePoseandSafeguardMeasures⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯．⋯⋯．⋯．253．1PurposesofSafeguardDesign⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯253．2PoseMeasurememUsingAHRS⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．263．2．1InnalabsAHRS⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。263．2．2BriefIntroductionofSensingPrinciple⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯303．3PoseMeaSurementUsingIMU⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．333．3．1WorkingPrincipleofXW-VG5300⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯333．3．2ControlingCommandofXW-VG5300⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．343．3．3OutputDataDefinitionofXW-VG5300⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．34\n山东大学硕士学位论文3．4PoseMeasurementUsingSCAl00T⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯353．4．1IntroductionofSCAl00T⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯．353．4．2DesignofMeasurementCircuit⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯363．4．3HardwareInterfaceandDataTransmission⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯373．5SafeguardMeasures⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．383．6Summary⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯404．VisualOdometryforLocalizationandPoseMeasuremem⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．414．1RecentDevelopmentinVisualOdometry⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯414．2FeatureDetection⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．424．2．1ClassificationofFeatureDetection⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．424．2．2ScaleInvariantFeatureTransform⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．434．2．3HarrisComerDetection⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．444．3FeatureMatching⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．z184．4CameraCalibrationmetllodofZhangZhengyou⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．524．5RobustEstimation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．!；64．5．1DescriptionofEstimationTask⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．564．5．2MathematicalModule⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯!；74．5．3AlgorithmSolution⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．594．6Summary⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯625．ConclusionandFutureWbrl(⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．635．1Conclusion⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯635．2FutureWork⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．6j}AppendixAVHDLProgramforCapturingPulsefromCoder⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯65AppendixBProgrameforFeatureDetectionandMatching(MATLAB)⋯⋯⋯⋯⋯⋯．．67Reference⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯70Acknowledgement⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．75PapersandProjects⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．77IV\n学硕士学位论文摘要搜救机器人在灾难救援方面有着巨大的应用潜力，它可以代替救援人员首先进入救灾现场采集现场数据，给下一步的救援行动提供重要信息。针对救援环境的特殊性，搜救机器人需要具备多项功能，例如灵活的越障避障能力、多项环境感知能力、高效通信能力等。在完成了搜救机器人的各项基本功能基础上，为了增强搜救机器人的实用性，非常有必要进一步研究机器人的定位系统与姿态保护系统设计。机器人的定位技术种类繁多，其中一种简单有效的方法是航位推算法。本文设计了基于光电编码器的定位系统，给出详细的电路设计，并进行了实验，给出实验结果与分析。针对光电编码器系统误差比较大的缺点，提出两种可行的补偿方式，一是软件补偿，二是通过测量航向角进行补偿。搜救机器人在井下特殊环境中工作，需要具备一定的自我保护能力。因此，进行了利用倾角传感器所做的姿态保护设计，机器人在面临翻车危险时可以做出及时反应，自身采取一定措施的同时也可以接受来自操作人员的安全行驶命令。选择倾角传感器而不选功能更强大的惯性测量仪器的原因，在论文中也给出了分析与说明。近几年兴起的视觉里程计技术具有信息量大、适用范围广等优点，既可以求出机器人的位置变化，还可以得到机器人的姿态变化。为了将来在搜救机器人平台上应用视觉里程计，研究了视觉里程计的常用框架，包括特征提取、特征匹配、摄像机标定以及运动估计，分析了视觉里程计每一步常用方法，并给出部分实验结果，为视觉里程计与航位推算法和姿态保护等融合运用打下基础。最后，总结了研究工作中的不足，展望未来。关键词：搜救机器人；航位推算法；AHRS；IMU：姿态保护；视觉里程计\n山东大学硕士学位论文\nABSTRACTSearchandrescuerobot(SARRobotforshot)hasagreatpotentialusageindisasterrescuing．Itcanbeusedasasubstitutefortherescuememberstodetectthedangerousareasafterthedisasters，whichCanprovideusefulinformationoftheenvironment，andstrongsupportfortheplanningandschedulingfortherescueoperation．SARRobotshouldhavetheabilitytoworkinveryspecialenvironment．Soitmustownmultiplefunctions，suchasflexibleobstacleclimbimgability,numerousenvironmentperceptions，reliabledatatransmission，andSOon．MuchworkhadbeendonefortheSARrobotandithasfoudamentalfunctionsforrescueworknow．ItiSverynecessarytodesignitslocalizationsystemandsafeguardsystemforitspracticalapplicationinthefuture．Therearemanytypesoflocalizationmethods．Oneofthemisdeadreckoning．Tolocatetherobot’Scorrectly,alocalizationsymtemusingopticalencodeisdesigned．Notonlythecircuitisdesigned，butalsotestedusingtheSARrobot．TheresultoftheexperimentisshowedandanalysiedinChapter2．Theresultshowsthatlocalizationerrorisstillexistingandcanbeverybigafteralongtimerunningofthesystem．Inordertosolvethisproblem，twocompensationmethodsaregiven．Oneiscompensatedusingprograming，theotherisaddingaheadingsensortothesystem．SARrobotshouldworkunderground．Theenvironmentthereiscomplexandunpredictable．Sotherobotmusthavecertainabilitytoprotectitself．Asafeguardsystemusingtiltsensor(SeA-lOOT)isdesigned．Asaresult，therobotCanadjustitsmovementwhenitfacesthedangerofrollingover．AtthesametimeitCanstillreceivethesafemovingorderfromitsoperator．Thereasonforchoosingtiltsensorotherthaninertialmeasurementinstrumentsisalsogivenout．Recently,anewlocalizationmethodcalledvisualodometryrisesmanyresearchworkers’attention．Visualodometryhasalotofadvantages，suchaslargeinformation，richfeatures，wideadaptive，andSOon．ItCallnotonlyprovidethelocationmassageoftherobot，butalsoCangivetheposeinformation．Forthepurposeofapplying啪\n山东大学硕士学位论文visualodometryonSARrobot，Chapter4showsoutthecommonframeofvisualodometry．Theframeincludsfoursteps：featuredetection，featurematching，cameracalibrationandmotionestimation．Chapter4introducesrelatedtheorysoftheframe，realizessomemethodswhicharewidelyusedineverystepbyanalysingandprograming．Somepicturesaregivenouttoshowthetestingresults．ThoseresearchworkonvisualodometryisthebasisofintegrateduseofthreetechniquesdiscussedinthispaperonSARrobotinthefuture．Finallythesummarizationofthethesisandthefutureworkarepresented．IMU；safeguard\n大学硕士学位论文1．1课题研究背景与意义第1章绪论科学技术的进步使有关机器人的研究越来越受到人们的关注，移动机器人的应用也越来越广泛，随之产生各种各样应用的机器人，如：工业机器人、农业机器人、教育机器人、娱乐机器人、医疗机器人、特种机器人等等【11。机器人被用来解决危险环境下的工作问题和取代人类繁重的工作。搜救机器人属于特种机器人，全名为灾难应急搜索和救援机器人(SearchAndRescueRobot，SARRobot)，是自然灾害、事故等突发事件发生时，第一时间代替搜救人员进入现场执行搜救探测任务的移动机器人[21。搜救机器人将机器人技术、营救行动技术、灾难学等多学科知识有机融合，可以用在很多救援场合，引起了国内外广大研究者的研究热情。中国频发的矿难造成了巨大的人员伤亡与财产损失，国家投入大量资金与精力管理这类问题。矿难事故现场的恶劣环境与复杂情况严重威胁搜救人员的生命安全，给搜救行动的部署和实施带来很大挑战；并且灾难发生后救援的时间有限，必须以最快的速度实施营救行动，否则被困者很可能无生还希型31。搜救机器人可以马上进入现场进行探测，给救援行动提供非常重要的现场环境信息。因此，搜救机器人在中国具有非常重要的意义。综合世界各国对机器人技术所进行的研究，结合“9．11”事件中救援机器人在实际应用中取得的经验和教训，刘金国等【4】总结了搜救机器人的关键性能：“存活能力，运动能力，感知能力，通讯能力和作业能力"。存活能力为关键性能之首，机器人首先要保证自身的安全行驶，才可以深入矿井进行环境探测。本课题来源于山东大学校企合作项目“煤矿井下探测机器人研制”，经过师生共同努力，研究的履带式搜救机器人完成了很多搜救需要具备的功能。论文的出发点是在此研究基础上，进一步完善机器人的运动系统，主要包括定位、姿态保护两方面。\n山东大学硕士学位论文1．2移动机器人研究现状搜救机器人是移动机器人的重要分支，移动机器人的重要研究技术均可用在搜救机器人上面。移动机器人自60年代初问世以来，经历40多年的发展已取得长足的进步，并正在制造业、装配业等工业领域发挥着重要作用。机器人技术是综合了计算机、控制论、信息和传感技术、人工智能、仿生学等多学科而形成的高新技术。并随着各方面技术的日臻完善，其应用也越来越广泛。机器人的发展每隔十年便有很大进步，每个阶段都有其特点。世界上第一台智能机器人诞生于20世纪60年代，由斯坦福机器人研究所(SPd)Nilsson等人研制，起名Shakey[51。Shakey装备了视觉、距离、碰撞等传感器，选用无线设备与DEC．PDPIO计算机相连，计算机的任务包括数据处理、图像处理、无线遥控等。Shakey具有自主目标识别和智能导航功能。20世纪70年代末，计算机应用日益广泛，传感器技术也得到了快速发展，从而推动了机器人技术的进步，出现了新的研究高潮。法国的系统分析与架构实验室(LAAS)研制了HILARE机器人[61，这个项目开创了欧洲研究移动机器人的先河，HILARE具有导航和路径规划功能，安装的传感器和Shakey类似。在80年代中期，机器人的设计和制造风靡全世界。一大批世界著名的公司开始研制移动机器人平台，这些移动机器人主要作为大学实验室及研究机构的移动机器人实验平台，从而促进了移动机器人学多种研究方向的出驯7】。从实验室研究推广到实际应用成为智能移动机器人新的研究趋势，首先投入研究的是地面自主车，代表有美国Maryland大学开发的ALV(AutonomousLandvehicle)军用无人侦察越野车【引，利用其装备的视觉导航系统能够完成地面自主导航任务。90年代以来，以研制高水平的环境信息传感器和信息处理技术、高适应性的移动机器人控制技术、真实环境下的规划技术为标志，开展了移动机器人更高层次的研究[91。移动机器人已不再仅仅局限于工业制造领域，在军事、民用、科研等诸多领域均得到了广泛的应用Il叫；同时机器入的工作环境也具有多样化的特点，从纯粹的室内环境推广到了航空、地下、水下、地面等诸多场所。机器人在美国、日本、德国等许多国家均有很大发展，有的研究单位研制的机器人在世界范围内得到了广大机器人研究者的青睐。国际知名的机器人研究机构有美国JPL(JetPropulsionLaboratory，喷气推进实验室)实验室、日本松下公司、法国阿\n山东大学硕士学位论文德巴兰机器人公司(AldebaranRobotics)、德国TELEROB公司、加拿大INUKTUN公司等等。美国JPL(JetPropulsionLaboratory，喷气推进实验室)实验室在太空探测、海洋开发及地理勘探方面有很强的优势，其机器人车辆组在NASA计划的支持下正在进行自主式移动机器人的研究、开发及实验工作，以验证发射自主控制的行星漫游车的可行性。目前该实验室已开发出多种实验车，如2004在火星上登陆的“勇气号"漫游车、“机遇号”漫游车等【11】。国内对移动机器人研究起步较晚，20世纪80年代末我国开始智能移动机器人的研究，在国家863计划的支持下，成立了多项有关机器人的项目。首先进行研究的主要是自主车，成果显著的主要有清华大学研制的的THMR．v【12】，国防科技大学研制的CITAVT-IVB3】及与中国一汽合作研制的“红旗"自主轿车，吉林大学研制的JLUIV系列实验车【141以及西安交通大学研制的SPringrobot实验车Bs]笙寸。除自主车外，国内很多研究单位开始进行各类机器人的研究工作。中科院自动化所研制的自主移动机器人CASIA．Itl6】，可广泛应用于医院、办公室、图书馆、展览馆等公共场合的服务、作业、展示与娱乐以及个人家庭服务等诸多方面。哈尔滨工业大学机器人所研究开发了智能型导游机器人、迎宾服务机器人、清扫机器人等多种类型自主式移动机器人，并成立了专业型公司，开始向产业化方向发展。此外，南京理工大学、北京理工大学、山东大学和广茂达伙伴机器人公司等单位正在积极地进行小型履带式移动机器人方面的研究。1．3搜救机器人研究现状近几年，世界各地自然灾害频发，搜救机器人的应用场所增多，世界各国均投入大量资金开始研制各种反恐防爆机器人、灾难救援机器人等危险作业应用机器人，同时投入研究的还有一些公司。搜救机器人第一次大规模参与到现场救援的应用案例发生在美国911事件后，当时有Talon、Solem、PACKBOT、VGTV、MicroTracs、SPAWARUrbot等六种军方和研究所的机器人参与了救援工作。这次救援取得了一定的成功，但也发现了一些问题【17l，为今后搜救机器人的研究提供了宝贵的经验。2005年在日本神户召开的IEEE安全、防卫、救援国际研讨3\n山东大学硕士学位论文会(IEEESSRR’05)上，会议主旨定为：“在今后的减灾和救援中，机器人作为一种有效手段，将成为社会基础设施中不可缺少的部分"[181。各国参会代表展示了具有本国特色的多样搜救机器人。搜救机器人的多样性与不同国家的技术水平、地域环境和政治因素的不同、灾害类型的不同、灾害区域废墟的成分不同、机器人的作业任务不同均有关系。几个主要的国家的搜救机器人研究现状简述如下。美国一直是机器人研究界的龙头老大，自然少不了研究搜救机器人的机构。尤其是“9．11"事件中，搜救机器人大显身手，使得美国日益重视这门技术，不仅是国家研究机构，公司和很多高校的研究中心均同时进行了搜救机器人的研究。比较著名的有南佛罗里达大学灾难救援机器人研究中心，MURPHY等研制了安装有医学传感器的救援机器人【19lBujold；明尼苏达州大学STOETER等研制的具有多机器人收集信息并行作业功能的特殊机器人【20]SCOUT；卡内基梅隆大学等研制出的可移动象鼻子救援机器人【211，该机器人以移动小车为底部，扩大了运动空间和探测范围；美国航空航天局HAITH等研制出一种具有三维运动的蛇形机器人，它在非结构环境具有较强的运动能力【22】。美国DARPA高技术办公室支持的战术移动机器人计划中，更是云集了JPL、iROBOT、CMU、USC等多家机器人研究界的精英，共同研制了Urbie系列搜救机器人。搜救机器人在美国可谓“百家争鸣，百花齐放”。日本也号称机器人王国，由于其本土处在太平洋地震带，多发的地震促使日本政府在搜救机器人方面投入大量精力，开展了比较全面的工作。日本文化科学部在2002年开始确立的研究计划“大都市大震灾减灾特别计划”，以大幅度减小人、物的灾害损失为目的，研究地震防灾对策的理论科学和基本技术，进一步开发在地震中使用的搜救机器人。日本东京工业大学的广濑【23l可称为日本的搜救机器人鼻祖之一，他领导的广濑实验室从仿生的角度和基于超机械系统的思想先后研制了“ACM”、“GENBU"与“SORYU"等多系列搜救机器人样机，在仿生机械及灾难救援应用研究方面，广濑教授及其学生做出了卓著的贡献。东京工业大学的KAMEGAWA等提出了一种由多节履带车连接而成的新的搜救机器人平刽241，具有很好的越障能力和地面适应能力。除了高校与国家研究机构，日本的东芝、日立、三菱重工等大公司也参与了搜救机器人的研究工作，研制出4\n大学硕士学位论文RT-M、日立的形状可变机器人MARS．A、三菱重工的S删、日商岩井的MENHIR、Tmsuk公司的巨型救援机器人T-52援龙等等。我国的搜救机器人研究起步较晚，但最近几年发展较快，引起越来越多研究机构的关注。国内的许多高校和研究所在海难救援机器人、自主救援无人机和地面移动特种作业机器人等救援机器人技术方面开展了研究㈣【2611271。消防机器人方面，有2002年6月通过国家验收的国家863项目“履带式、轮式消防灭火机器人”，这个项目融合了公安部上海消防研究所、上海交通大学和上海消防局三家研究单位的心血【2引。机器人技术主题专家组还先后召开了有关搜救机器人的多次研讨会，努力推进我国搜救机器人的研究进展。但是，国内的搜救机器人大多仍处于原理样机的研究上，或局限在室外危险物排除这种应用案例的应用上，尚未有机器人参与到矿难、地震、建筑物坍塌等实际灾难现场救援的报道。响应国家号召，为了追踪国内外搜救机器人的研究热潮，山东大学机器人研究中心近年来不断致力于煤矿井下搜救探测机器人的研究，完成了救援机器人样机的研制，多次深入井下巷道进行试验，遇到了一些实际应用的问题并进行改进。本课题在这个基础上参与了搜救机器人样机的进一步完善功能的研究工作，为其实用化铺路。1．4论文的主要内容与章节安排搜救机器人的运动控制系统是机器人能够进行救援的基础，只有具备一个功能比较强大齐全的运动系统，机器人才可能在恶劣的救援环境中行走，实施完成救援行动。经过实验室课题组老师和前几任师兄的努力，搜救机器人样机的运动系统已经完成了基本功能，在操作员正确操作下可以比较顺利的深入井下完成实验。在此基础上，运动系统还可以具备更好更完善的功能，例如定位、危险环境自保护等。如果机器人具备自定位功能，则深入井下时便不需要操作员每时每刻都在操控机器人，并且机器人还可以记录行走的距离，给下一步的救援工作提供重要信息。操作员在进行操作时，对井下的环境的认知依靠机器人本体携带的摄像头，在仅仅依靠这个图像判断环境信息的情况下有可能无法正确判断机器人的姿态属性，机器人在井下的复杂环境下面临翻车危险。因此，有必要进行机器人5\n山东大学硕士学位论文_—量置墨—鼍置量量—曩皇詈皇昌詈詈詈量置量暑詈詈昌暑鼍皇鼍詈暑置皇量皇皇詈鼍鲁皇詈皇量|置毫曼量詈皇暑皇鲁皇鲁罡暑詈!曼詈曼量量!兽皇皇詈皇皇皇舞鼍曼鼍皇行进过程中的姿态保护研究。本课题主要着眼于这两点，研究了机器人的定位系统实现与姿态保护措施，并进行了初步实验。本论文的内容安排如下：第一章是绪论，介绍了机器人的国内外研究现状。第二章在众多定位技术中选择了相对定位方式，给出了利用光电编码器进行的机器人定位研究，分析机器人运动方程与定位方程，设计了新的运动控制电路板，并给出了实验结果与分析。第三章主要是姿态保护模块的设计，首先简述了航姿测量仪AHRS以及惯性测量系统IMU的测量原理，给出AHRS的姿态测量结果展示。分析二者的测量优缺点之后，详细介绍了利用倾角仪设计的姿态保护，包括电路设计与保护程序设计。\n传感器，种类和数量。本章主要介绍了机器人定位模块的软硬件设计，并进行定位实验与分析。2．1机器人自主定位方法介绍移动机器人自主定位手段可以简单分为两类：相对定位和绝对定位。相对定位手段主要包括以下几种：(1)使用里程计。里程计通过测量机器人行走速度来计算机器人累计行走的路径，从而实现对机器人的路径跟踪，求出机器人的相对位置。里程计具有很多优势，首先，它只与所选的测量器件和机器人本体有关，不受环境影响，还可以结合其它的测量仪器使用，在记录累积行走路径的同时可以预测下一时刻机器人的位置。但是它的定位误差会随着时间无限增大，必须采取措施周期性的进行消减。(2)惯性定位。惯性定位不仅需要测量机器人相对于初始位置的距离，而且还需要测量机器人相对初始位置偏转了的方向，结合两者来确定机器人的当前位置。载体的角速度或者加速度一般采用陀螺仪或加速计等仪器，然后通过数学运算(积分)推导出机器人的位置。由于此方法对数据进行过积分处理，很容易导致延时，积分的同时还会将误差也同量放大；此外，该方法所用的传感器一般造价较高，定位成本偏高。(3)航位推算。航位推算通过记录车轮的转数来来推算机器人的行驶距离和方向，安装在车轮上的转数测量传感器一般使用码盘、陀螺仪、加速度计等。航位推算比其它的定位方法先进的地方在于：①随时定位，不受别的原因影响；②速度快：③距离和方向信息可以直接读取；④价格低廉。但是航位推算法容易受到各种因素的影响，误差比较大，需要进行补偿。’7\n山东大学硕士学位论文综上所述，相对定位技术一般价格低廉，采样速率较高，对外部环境没有特殊要求，短时间内精度较高。但是相对定位技术的各种方法基本上都是需要累积测量值，因此误差也会随着时间不断累积，无限的增加，任何小的误差经过此累积后都会形成很大的干扰，最终影响测量结果。因此，相对定位技术无法独立应用，也不适合于长时间和长距离的准确定位，除非利用外部手段约束误差。绝对定位手段主要有以下几种：(1)基于活动信标(信号灯)【29】。机器人可以感知信号灯发射的光或者声波，通过感知这些信号灯的作用范围，机器人可以确定自身的绝对位置。但是，此种方法必须事先在环境中安装好信号灯，而且机器人要知道信号灯在环境中的位置，机器人必须要进入信号灯的作用范围才可以感知其信号。(2)基于人工路标识别【30】。路标被安装在环境中机器人容易发现的位置上，并且机器人知道这些路标的具体位置。路标的数量要保证机器人可以在任意时刻同时发现若干个。通过测量机器人与这些路标之间的相对距离来定位。人工路标识别与信号灯识别有类似的地方，好处在于定位误差是有界的。两种方法不同的地方在于：信号灯可以当做点状，但是人工路标只能看做是特征的集合，机器人每次感知到的特征只是一部分，结果容易产生误差。(3)基于自然路标识别【311。自然路标顾名思义指的是环境中那些固有的、明显、容易识别的物体，可以是树、石头、墙角等。基于自然路标识别方法的可靠性和基于人工路标识别的方法基本一样。但是要求我们必须事先了解该环境，有自然路标的初始数据，否则将难以完成识别任务。绝对定位方法必须改造外部环境或建立较精确的环境模型，系统复杂程度偏高，环境测量与数据处理需要耗费大量的时间，难以获得高精度、强实时性的定位信剧32】。在实际的机器人导航系统中，定位手段不单一，通常都是采用相对定位与绝对定位相结合的方式来对机器人进行定位。综合考虑各类因素，本文采用航位推算的定位方法。2．2航位推算(DR，DeadReekoning)技术8航位推算(DeadReekoning)法是一种经典的相对位姿估计方法【331。DR利\n山东大学硕士学位论文用机器人装备的各种传感器(常用的有码盘，陀螺仪，加速度计等)获得当前机器人的动态位置信息，通过简单的递推累积公式获得机器人的估计位置。航位推算的最大优点是在不依赖于外界环境的任何信息情况下，完全自主的进行定位导航。航位推算还具有速度快、造价低等特点，推算算法的速度可以达到每秒钟几十赫兹。基于以上特点，航位推算算法在移动机器人定位系统中被广泛应用。DR算法的基本原理如图2．1所示，机器人在三维空间里移动，理想状态下，简化成二维平面的运动，机器人的位置是可以通过初始位置和每一步距离这两个因素计算求出来的，示意图如图2．1矗图2．1DR原理图在这个算法里，装在车轮上的光电编码器作为距离传感器，角度信息可以通过左右车轮的不同角速度计算出，车辆的瞬时位置通过公式可以推算出。具体方法及公式下文将详细介绍。在时Nt．的机器人位置(矗，只)以及方位角包可以由下式计算：n-I秭=而+∑dicosOi(2．1)t=0n-!％=％+∑d,sin(2．2)n-I幺=∑哆(2．3)i=0式中各个参数的定义如下：(％，％卜在酊／Nto机器人的初始位置：4——时Nt．一，和时Nt．2_N机器人的行驶距离或位移量；9\n山东大学硕士学位论文P——位移矢量的方向；q——同一时间段的角速度。假设在每两个时刻‘一。和‘之间的长度都一样，且充分小，机器人在该时间内可以看作做匀速运动，则上式可写为n-!毛=Xo+∑v,Tcos(O,+q丁)l=O一一l％=Yo+∑v丁‘一+to,Tsin(Oj)y。+Ullj)j=O其中v是在第f个时间段丁内测得的机器人的速度。(2．4)(2．5)航位推算系统的工作前提有两个：一是要获知移动目标的初始位置，二是要实时获取目标在所有时刻的移动距离与方向。由于DR定位是一个累加的过程，定位目标当前位置的估算取决于前一时刻的定位结果，这样不同时刻的测量误差和计算误差也会累积在一起，使DR定位的精度随时间的推移而不断下降。如果不补偿或不适当地补偿累积误差，移动机器人位置计算会变得越来越不精确。因此，单独的航位推算系统不能用来进行长时间的独立定位。但是由于码盘价格便宜，简单易用，可用于机器人较短时间内的位置估计。陀螺仪和加速度计都属于惯性装置，其使用不受外界干扰，可以为机器人提供运行时的旋转角度和加速度，对传感器测量结果进行积分即可获得机器人位置的估计。DR系统硬件框图如图2．2，具体电路及元件选型见本章2．4小节。2．3机器人运动方程图2．2DR系统硬件框图在分析了DR原理之后，下面将根据机器人的实际结构进行机器人运动学分析，建立机器人运动方程。10\n山东大学硕士学位论文本文所用的机器人平台是山东大学自主研制的煤矿井下搜救机器人，机器人的基本结构为，本体采用履带差动驱动的方式，分为左右两个履带，左右各两驱动轮，此外还设计了摆臂履带，前进时摆臂履带与行进履带同步。摆臂履带能够360。旋转，形成不同的摆动姿态，协助机器人翻越楼梯、壕沟、陡坡、凸台等障碍物。能源动力系统采用24v／27Ah的动力锂电池组，安装于机器人的两侧。搜救机器人主体是单箱结构，上部安装多功能附件箱，具有气体探测、温度探测、视频采集、无线信号中转等功能。实物如图2．3。2．3．1运动学方程图2．3搜救机器人实物图机器人本体有左右两个履带和两个辅助的摆臂履带，行进履带前进时摆臂履带和行进履带同步，速度和方向均相同，因此，只需分析行进履带，下文所提到的履带均指行进履带，不再做特别说明。假设履带和驱动轮之间为理想衔接状态，即只有纯滚动而没有滑动，并且履带和地面接触点每瞬间的速度都等于零，履带无打滑现象，如图2．4所示，则机器人左右履带的速度可以表示为：\n山东大学硕士学位论文\n大学硕士学位论文R：兰：删(2．10)∞2(H--V，)～“～)的意义，机器人的运动方式总结如下：于右驱动轮线速度时，机器人车体中心0c的线速度v=M=哆，角速度缈=0，机器人转弯半径趋于无穷大，机器人做直线运动；左右驱动轮线速度值数值相等、方向相反时，机器人车体中心线速度等于零，机器人绕其车体中心做原地转弯运动；左右线速度不相等，根据式(2．8)可得机器人车体中心线速度为’，=M+v，／2，角速度为力=(M-v,)ld，转弯半径R=d(s+匕)／2(M—v，)，这时机器人车体绕其一固定点D做半径为R的转动。2．3．2运动学模型在分析了机器人运动学方程后，下面将给出机器人运动模型分析，寻找轨迹计算方法。将左右驱动轮简化为左右车轮，机器人车体中心的运动过程如图2．5所示：yVO图2．5机器人车体运动原理图图中，以机器人车体中心为中心的车体坐标系记为‘明，机器人各个运动参数如2．3．1节分析，此处不再赘述。机器人在固定在地面上的全局坐标系XOY\n山东大学硕士学位论文中，机器人车体中心的坐标记为(x，Y)，目表示机器人车体中心速度方向与X轴的夹角；(x，J，，口)表示机器人车体中心Dc在全局坐标系XOY中的位姿。按图2．5所机器人车体中心Dc的运动方程为：[i][ciis：i]I：l眨⋯国：掣，1，：掣(2．12)口Z，．d(2．13)由式(2．13)可知，若想求得机器人在全局坐标系中的位置，需要确定机器人车体中心速度方向与x轴的夹角0以及机器人左右驱动轮的角速度。这个运动学模型可以作为定位机器人以及设定机器人行走路径的基础。机器人车体在各个时间点的位姿情况可以由离散时间点的运动公式(式2．13)表示，也可以写成连续时间内时变参量组{x(f)，y(f)，秒(f))表示。理想状态下，机器人车体的位姿可以通过对左右车轮的累积转动角度办、办进行积分求得，求解式子如下：x=圭，c。s[寺c谚一谚，'c力+办，+‰c2．-4，y=三}s；n[言c旃一绋，'c力+办，+％c2．·5，秒=壬(谚一咖)+岛(2．16)其中：％、Yo、Oo表示机器人本体在初始时刻的位姿。有了这三个公式，秒一9一竺2堕2C一一一2一一2口一9一S—l一0—2．埘一2{；|孑竺2r—r一\n文刻机器人将会处于搜救机器人左右履带各由一台有刷直流电机驱动，可通过左右履带异向运动实现原地旋转。摆臂履带亦可360度自由旋转，辅助机器人适应各种地形。电机采用Maxon的有刷直流电机，功率为150w，电机组和体系包括行星轮减速箱、数字编码器、制动器。通过减速器将高速变为低速，满足速度和转矩的要求。由于机器人运行的地形环境十分恶劣，各种复杂的地形条件对驱动器的设计提出了很高的要求。对驱动器的设计要求如下：(1)连续电流>10A；(2)具有过载或堵转保护；(3)速度、位置闭环控制；(4)体积尽可能小。对于仅需要正反转方向控制而不需要进行速度控制的电机可采用继电器驱动电路驱动直流电机，也可以采用H桥驱动电路来驱动直流电机。我们选用了加拿大HVW公司的Sabertooth集成驱动器，既满足了驱动能力的要求，又可以减小驱动系统的体积，降低系统复杂度。Sabertooth是双路25A直流电机驱动器，能提供2路高达25A的持续驱动，一般能够支持超过150KG的机器人产品。具有多种控制方式，有一般的模拟电压控制，RC控制，还有串行信号(TTL和RS232)控制，可使用PC直接控制。Sabertooth具有独立的速度和方向控制，提供了履带类型和差分驱动类型机器人非常理想的控制。Sabertooth的晶体管运行在超声波频段32Khz，驱动器本身是非常安静的，不会产生高频的吱吱声。Sabertooth还是第一个能够再生能源的。在发送一些改变运行速度指令的时候，Sabertooth还能对电池进行充电，从而延长使用时间。本系统选用了Sabertooth的串行信号(TTL和RS232)控制方式，利用单片机控制，只需串口两根连线。Sabertooth内部定义了发送函数的命令格式，速度修改非常方便。连接方法和函数举例如图2．6所示：\n山东大学硕士学位论文2．4．2速度测量图2．6驱动器使用说明为了实时测量行进电机速度值，在电机上安装增量式编码器，由此可以读出任意时刻电机转速及转向。增量式编码器选用MECAPION公司产品MAB系列，内部为非接触式结构，因此抗震动能力强，并且价格低廉，可以代替价格昂贵的三通道光电旋转编码器。实物如图2．7。16图2．7光电编码器实物图编码器特性：·非接触式传感技术·输出信号：TTL／列B●脉冲数值：256脉冲／转●双通道A，B以及Z相通道●内置高耐磨轴承●工作电压：5VDC\n论文案，一是利用9s12对其直接读数，但由于单片机工作频率有限，可以准确捕捉的脉冲频率也有限，此方案不是最佳方案。第二个方案是选用高速处理芯片(DSP、CPLD、ARM等，本系统选用了CPLD)采集输出脉冲并处理，运动控制仍然由单片机完成。CPLD的全称是ComplexProgrammableLogicDevice，即复杂可编程逻辑器件，是PAL(ProgrammableArrayLogic，可编程阵列逻辑)和GAL(GenericArrayLogic，通用阵列逻辑)经过多年发展衍生出的器件。相对PLD(ProgrammableLogicDevice，可编程逻辑器件)而言是一种规模很大、结构复杂的大规模数字集成电路，用户可以根据各自需要而自行构造逻辑功能。CPLD器件一般由可编程逻辑宏单元(MC，MacroCell)组成，每一个器件具有几十至几千甚至几万个宏单元组成，因此集成度非常高。CPLD具有编程灵活、集成度高、设计开发周期短、适用范围宽、开发工具先进、设计制造成本低、对设计者的硬件经验要求低、标准产品无需测试、保密性强、价格大众化等特点，可实现较大规模的电路设计，因此被广泛应用于产品的原型设计和产品生产(一般在10，000件以下)之中134】。CPLD的主流生产厂家有Altera、Lattice、Xilinx三个，本系统选用了其中Altera公司的MAXII系列CPLD。Altera公司采用新技术改进了这个系列的器件，使其具有低成本、低功耗、高性能等特点。MAXII系列最常用的是EPM7128芯片，结合本系统所需要的逻辑资源和成本限制，采用了其较低一级的EPM3128芯片。EPM3128芯片的内核供电电压为2．5V和3．3V，有4个I／Obank可独立供电，支持1．5V、1．8V、2．5V或3．3V四个不同的电压，它具有两个独立的时钟输入管脚，工作频率最高可达到50M[35J。本系统选用了25M的有源晶振作为系统的主时钟，内部各模块的工作时钟通过分频模块得到。EPM3128带有一个标准的JTAG接口，对CPLD内部资源的配置可以通过此JTAG口进行，配置代码下载采用了并口的ByteBlaster电缆。最小系统的外围器件只需晶振电路、内部电源转换电路、滤波电路，非常简单，如图2．8所示：17\n山东大学硕士学位论文图2．8CPLD最小系统CPLD的编程语言有两种，Verilog和VHDL(超高速硬件描述语言)。开发软件可以选用QuartusII或者Maxplus，编写好应用程序后，可以使用软件的波形仿真功能进行功能测试，还可以进一步使用软件的高级元件配置功能对器件配置进行优化处理，消除设计中容易产生的毛刺，减轻时延的影响。速度测量的精确度是系统的关键技术，要求达到很高的水平。在实际中，测量的是频率，常用的方法有M法(测脉冲频率的方法)和T法(测量脉冲周期的方法)，以及二者结合的M／T法。M法是在一定周期内测量脉冲输出数，因此适合测量频率比较高的脉冲，也就是高速状态；T法相反，是测量输出脉冲的宽度，在低速状态下比较容易测量。M／T法融合了二者的优点，既测脉冲数，也测量定时周期，有效降低了由于丢失输出脉冲或者定时周期不准确造成的测量误兰ZLoM／T法的测量原理可以用图2．9来理解，定义一个测量周期T，需要测量的系统输入包括编码器输出脉冲个数Mr和基准时钟脉冲个数Me，基准时钟脉冲的频率已知，为Fe(Mz)，电机极对数P，编码器参数为Fr脉冲／转，则电机转子的电角速度国，．(rad／s)：钾=(Mr／Mc)(2x·Fc／丹)幸尸=C·(Mr／Mc)(2．17)其中C=(2万幸乃／乃)·尸为系统常数。珏麟\n图2．9M／T法测速时序原理图前面已经讲过，M／T法的测量误差来源主要是定时周期和定时时间内丢失脉冲数(基准脉冲以及编码器输出脉冲)，降低误差的有效方法是延长测量时间或者提高基准时钟频率。这种方法的后果是同时降低了系统的动态特性，因此需要结合实际应用来决定合适的基准时钟频率，并且要考虑所用的器件是否能达到快速测量的要求。在本系统中，首先，CPLD的IO口可以接收到高达几十兆的脉冲输入。因此设定两个测量参数如下：基准脉冲频率为1M，测量时间间隔为200ms。机器人运行的最高速度为0．9m／s，经过换算，编码器输出最高频率为545脉冲／秒，编码器输出256脉冲／转，在测量时间内可能丢失的脉冲个数最高为10个／秒，误差为10／545=1．8％，可以达到系统要求。CPLD的速度检测程序用VHDL语言编写，主要逻辑算法就是根据清零信号和使能信号对编码器的输出和基准脉冲进行计数，脉冲触发方式是上升沿触发，也可以设定成下降沿触发。数据输出采用普通IO接口进行模拟SPI数据传输，仿真时序图如图2．10：\n山东大学硕士学位论文l们·-50liss啤·l5呷·-SI，BS5l々··s碑··s碍¨广]广1nn门广]广]广1n广1nn几n几n广]nn几nn几n广]广]n广]广]广]nn几n广]n广]n广]广]广]广]广]广]nn广1n几广]n广1门门广]n广1n广]广]厂1广1广1nn广]nn广]n厂1厂]广1厂]广1广1门厂]nnn几厂]n几r11几厂]几几厂1nn门nn几厂]nnn几厂广]广]n几n厂1广1n广]nn广]厂1几广1广1广1厂]广1门广1广]几广1广]几n广]广]广1厂]n广]n广]几广]nn门广]广]厂]]n广1n广1广]广]广]广1广]n广1广]广1n广]几nr]r]nn———]nnnrUln肌rUlnrUlnMn几nnnnnn肌nnnnM肌n肌nnrUlnMnnrUlnnn肌nnnnn仙肌nnn广——一LJ————]广———一n几nnn广]f1mr—1——：：：z：!：：图2．10CPLD程序仿真时序图正确检测输入脉冲后，数据处理可以在CPLD里实现或者使用单片机来完成。由于在CPLD中作数据处理需要耗费大量的逻辑单元进行乘除法组合，而资源有限，换用比较高级的CPLD有点得不偿失，因此选择另一种方案，将数据传输到单片机，充分利用单片机的计算功能。单片机与其通讯采用SPI方式，可以采用单片机内部集成SPI模块，还可以直接用普通IO接口，通过软件编程模拟SPI通信，时钟频率灵活设定。因此，本系统选用了后一种设计方案。SPI是一种同步串行通讯总线，由主输入从输出信号(MISO)、主输出从输入信号(MOSI)、串行时钟信号(SCLK)和从器件使能信号(SS)组成。串行数据在时钟信号的上升沿输出，在时钟信号的下降沿被器件读取。单片机和CPLD的接口示意图如图2．1l所示：工作时序参考波形仿真图。图2．11SPI接口示意图0O0lOlOtI●lI---Il-II-IIlI．d正d-M艟"m出““甜¨埘m\n学硕士学位论文电源的合理设计对系统稳定性具有重要影响，本系统既有模拟电路又有数字电路，需要在电源设计上多加注意。速度测量电路需要两个不同的供电电压，单片机采用5V供电，而CPLD的供电电压是3．3V，因此系统设计了两个电源部分，数字电源和模拟电源采用隔离元件隔开。输入电源为24V，24V转5V部分采用了LM2575DC／DC模块，以减小在电压变换器件上的损耗。3．3V电压采用LMll17低压差LDO模块转换得到，采用5V输入。数字地和模拟地之间通过一个OR电阻连接，降低数字部分通过电源对模拟部分的干扰。电路板如图2．12图2．12运动控制电路板2．5算法应用与软件实现根据2．3小节运动分析得到的公式，利用DR算法实现机器人的定位，只需要知道机器人在初始时刻的位姿(Xo、Yo、皖)以及任一时刻机器人左右驱动轮的转动角速度谚、办，便可求得机器人的运动轨迹，假设机器人在每一个周期T内驱动轮转动角速度相等，式(2．14)(2．15)(2．16)可写为毛=而+jr∑n-|l=0(九埔)‰s卜言(旷¨丁I(2．18)二L“j21\n山东大学硕士学位论文虬=％+三r善n-|(¨∽丁sin[包+ir(驴¨刁(2．19)幺=善n-I万r(办一谚，)+岛(2．20)其中(Xo，％，岛)是在时刻，0机器人的初始位置，只是位移矢量的方向，力、孵是同一时间段的左右驱动轮的角速度。结合相对式光电编码器测量角速度公式(2．17)，最终得到编码器读数与机器人位姿关系。在室内环境下进行了短距离实验，包括直线行走与转弯实验，实验结果如图2．13、图2．14所示：图2．13直线行走实验初始位置一圈后\n士学位论文三圈后五圈后图2．14转弯实验图2．13中，机器人做直线行走实验，机器人在理想地面环境中运行，即车轮以及接触面不存在变形，车轮与地面之间为纯滚动，不存在打滑现象。一共做了多组实验，包括10米、20米。机器人的误差包括两个方向的误差，一个是直线轴方向(实验中定义为正东方向)，还有一个是垂直直线轴的方向，即机器人偏离直线的方向(实验中为正南或者正北方向)。正东方向的误差主要是编码器测量误差，具体表现有误码、丢失码数等，实验中此方向的误差比较小，限制在O．1米以内。正南方向的误差比较大，20米之后达到了0．3米。究其原因，除了地面影响，主要是机器人本体的履带引起的，因为在做定位实验之前，机器人就存在偏离原来方向的问题，不论速度快或者慢，匀速行驶一段距离之后都会产生偏转。改善方法很多，软件补偿、左右速度闭环、路径闭环、安装航向角传感器等等。本系统采用了软件补偿与AHRS航向角补偿的方法(航姿方向测量仪AHRS的使用方法在论文第三章有详细介绍)，经过实验，有效地降低了机器人的偏离误差。转弯实验时，机器人的左右履带速度大小相等、方向相反，做原地转弯运动，指令设定转弯弧度大小，实验角度包括90。、180。、360。、360。木2、360。木3、360。木5、360。：Ic7，部分结果如图2．14，偏差角度控制在5。以内，得到了比较好的效果。机器人除了角度偏差，还存在转弯中心偏离的现象。分析原因，引起这个后果的直接因素是左右履带标量速度值不完全相等，间接因素是地面引起的履带打滑。降低这个误差的方法有四种：(1)对左右速度进行闭环控制来降低这个误差；(2)在机器人车轮上安装加速度传感器，与编码器配合工作，即时判断履带的运动状态：(3)机器人转弯的速度设定成一个比较小的值；(4)在机\n器人车体上安装惯性测量仪，精确测量机器人的航向角，对转弯角度进行闭环控制。除了原地转弯，还进行了两种方式的转弯实验，一种是一边履带速度为零，另一边履带以一定的速度朝前运行；另一种是两边履带均不为零，机器人转弯半径由式(2．10)计算。两种方式的转弯都难以控制，实验失败。仅仅利用光电编码器进行的定位实验误差产生的原因很多，主要包括两个方\n学硕士学位论文3．1引言第3章姿态感知与保护机器人需要深入矿难现场进行救援行动，机器人本身的安全性非常重要，只有在机器人能安全、稳妥的运行的前提下，搜救行动才可以继续进行。矿难后的现场，环境特征复杂，不确定性、非结构化的环境充满了各种危险。机器人在比较高的速度下行进，碰到障碍物时很容易导致前翻或者侧翻。机器人深入井下，操作员依靠摄像头对其进行遥操作，操作员只能依靠通过无线网络传回来的图像信息了解机器人面临的环境。这个信息不能提供准确充分的姿态信息给操作员，容易使操作员无法正确判断机器人是否处于安全操作范围。另外，井下环境复杂，多种因素影响操作人员的判断，例如：①黑暗无亮光，机器人选用光能比较高的LED灯，能照亮的地方依然有限；②摄像头视野有限；③环境特征属于非结构化，参照物不明显；④井下粉尘或者浓烟存在可能性较大，普通摄像头难以看清前面路况，选用系统配置的热像仪来判断障碍物属性比较困难；⑤通信网络有延时，图像信息不及时，命令传输滞后。这些原因都可能导致操作人员判断失误，未能及时给出安全操作指令，机器人侧翻或者前翻，不仅不能继续完成探测任务，甚至滞留井下，无法返回控制中心。在这样的背景下，本课题展开了关于机器人姿态感知与自保护的研究，期望寻求一种解决上述问题的有效方法。主要研究内容就是怎样在井下复杂环境下，找到一种方法，可以获得直观、可靠、准确地机器人姿态信息，同时机器人具有判断特殊情况、并进行自我保护的能力，从而降低了机器人姿态失控的可能性，提高遥操作的可靠性。机器人的姿态测量有多种方案，可以选用价格较低的倾角传感器，也可以选用价格昂贵但是精度高的航姿测量仪，例如IMU、AHRS等。本章首先简单介绍惯性航姿测量仪的测量原理与应用，对比情况下详细介绍利用倾角传感器实现的机器人姿态保护设计。首先介绍一下MENS技术，因为本章介绍的三种传感器均采用了MENS技术。MEMS是微机电系统(Micro．Electro．MechanicalSystems)的英文缩写。\n山东大学硕士学位论文MEMS是美国的叫法，在日本被称为微机械，在欧洲被称为微系统，它是指可批量制作的，集微型机构、微型传感器、微型执行器以及信号处理和控制电路、直至接口、通信和电源等于一体的微型器件或系绀36】。MEMS是随着半导体集成电路微细加工技术和超精密机械加工技术的发展而发展起来的，MEMS由硅片采用光刻和各向异性刻蚀工艺制造而成，具有微型化、硅为主要原料、集成化、可批量生产、成本低、可靠性高、抗振动冲击能力强以及多学科交叉等优点【371。采用MEMS技术可以在硅芯片上加工出完整的微型电子机械系统，包含了微型传感器、微型机械结构、信号处理和控制电路、通讯接口等组成部分，把信息系统的微型化、多功能化、智能化和可靠性水平提高到新的高度【3引。3．2AHRS姿态检测3．2．1lnnalabsAHRSAHRS的全称是AttitudeandHeadingReferenceSystem，中文翻译航向姿态参考系统。AHRS是一个高性能的捷联惯导系统，可以在3D空间中测量任何机车和载体的全角度方向，可以提供三维姿态角和三维角速度信息，但是不包括位置信息，它被广泛应用于飞机飞行控制系统、现代武器制导系统、导弹防御系统、运载体变形测量等方面。AHRS是成熟的商业化产品，比较著名的厂家有美国利顿工业公司(LitonIndustriesInc．)、美国霍尼韦尔公司(HoneywellInc．)、美国基因仪器公司(GTI)、芬兰Xsens、俄罗斯Innalabs公司等等。论文主要以俄罗斯Innalabs公司的AHRS产品和技术为例来分析，简单介绍了AHRS工作原理和应用。主要的参考文献有使用InnalabsAHRS产品的学术论文、产品技术手册(Datasheet)、产品参考指南(ReferenceGulde)、用户使用手册(UserManual)，公司主页(http：／／www．innalabs．corn)上的介绍、答疑以及在线技术支持等内容。Innalabs公司于2001年成立，公司主旨在于创立前苏联独特的科技孵化公司，并将高科技产品推向世界市场。发展到今天，Innalabs公司拥有多项专利技术，积累了大量经验，能够制造出精确、稳定、低成本、应用广泛的传感器、系统以及软件。\n山东大学硕士学位论文InnalabsAHRS的构成模块主要包括几个部分：惯性仪表组件、仪表电子线路、姿态计算机。其中，惯性仪表组件包含了三个陀螺仪，三个加速度计和一个高精度三轴磁通门磁力计。陀螺仪用来测量AHRS载体的绝对角速度。陀螺仪测量得到的数据经过特殊积分计算后可以转换为载体的方位角(包括航向、俯仰和滚转)。加速度计用来测量AHRS初始姿态并修正陀螺仪在测量横滚角和俯仰角时的漂移。磁力计用来校准AHRS的方位角，并修正陀螺仪在航向角上的漂移。惯性仪表组件的结构框图如图3．1所示t～_．●-_●r●-_，●●．t⋯--、_。_，-●●⋯●，⋯⋯●图3．1AHRS结构框图INNALABSAHRS的主要特点利39】：快速数字量输出，测量频率可选：动态环境下高精度横滚俯仰和航向角度；小尺寸，M3系列大小仅为：121·3l*29mm；低电耗：串口输出(可选USB输出)；实物如图3．2：图3．2AHRS实物图产品所带的应用软件如图3．3，软件囊括了AHRS可以测量的所有角度、测\n山东大学硕士学位论文量这些角度的频率、各个传感器周围温度、器件供电电压等信息，并且给出了以飞机作为测量载体的3D动画模型，直观的显示测量载体的当前姿态。图3．3AHRS应用软件图用户也可以选用别的软件编写读取AHRS数据程序，通过串口RS232与其相连，串口几个常用参数设置如下：波特率115200，数据位8位，奇偶校验位O位，停止位1位。AHRS有两种工作模式：空闲模式和运行模式。上电后，器件默认处于空闲模式，等待主机的命令。运行模式时，器件工作在无限循环状态，根据用户所选数据格式持续输出计算后的角度信息，输出频率由用户设置，可以从1Hz至100Hz。编写程序时，对AHRS常用的命令定义如下：●AHRSl，AHRS2，AHRS3，AHRS4：命令代码0x80，0x81，0x82，0x83，数据输出格式选择：●Stop：命令代码0xFE，停止运行，回到空闲模式；·LoadBlockPar：命令代码0x10，设置AHRS参数；·ReadBlockPar：命令代码0xll，读取AHRS参数；●GetVerFirmware：命令代码0xlF，读取AHRS驱动代码。\n||11一indexinthearrayforacceptedbytell：=O；／／ReadblockwithsizeCntbytegwl：fornn：=lltoCntbyte一1doifnotReadByte(Bufdata[nn】)thenBreak；／／SearchsumofthefirstCntbyte-2bytessum：=0；fornn：=0toCntbyte．3dosum：=sum+Bufdata【11Il】；／／Lasttwobytesarechecksum．111elowbyteisfirst．wrdW．Lo：=Bufdata【Cntbyte一2】；wrdW．Hi：=Bufdata【Cntbyte-1】；／／ifsumofacceptedbytesisnotequaltothechecksumif(datwrd<》sum)thenbegin||Shiftarrayto、byteleftforrul：=0toCntbyte一2doBufdata[nn】：=Bufdata【衄+l】；／／Readlbytetotheendofthearray11：=Cntbyte-1；gotogwl；end；fornn：=OtoCntbyte-1domasOut[nn]：2Bufdata[nn]；／／DatablockisacceptedGetData：=True；End；使用注意：由于AHRS可以提供高精度的角度信息，它对电磁敏感性也比较高，虽然有内部滤波处理功能，但是使用时应该注意以下几个方面：(1)防止静电影响；(2)第一次安装需要重新标定AHRS，上电后AHRS需要大约一分钟时间进行初始化，注意初始化时不要移动AHRS，否则将会导致测量大误差；\n山东大学硕士学位论文(3)安装时尽量远离电磁干扰很强的装置；(4)尽量把AHRS安装在比较牢固的底座上，位置离需要测量的车体或者机器人本体中心越近越好；(5)使用软件发别的测量命令之前确保先发送停止指令，并看到AHRS的指示灯改变颜色。3．2．2传感器原理简述1、速度陀螺仪力学原理AHRS系列产品中，载体的角度传感器一般采用微机械速度陀螺仪。速度陀螺仪的敏感部件采用振动元件，工作时，地球自传偏向力(哥氏力)会在振动元件上产生作用，经过各种放大处理等电路转换成信号输出，由此可以计算出载体在加速度方面的变化量。早在19世纪30年代，法国数学家GGdeCorilis就发现：当某个物体沿旋转支架运动时，俯瞰支架的观察者会看到该物体具有明显的加速度【401。将其应用到地球上的物体，可以理解为，地球表面的物体沿地球表面运动，如果物体本身发生旋转运动，并且方向垂直于地球表面，则物体将在运动平面的法线方向产生加速度。这个加速度被命名为哥氏加速度(CorilisAcceleration)，其大小和方向由矢量积的形式给出【41】：a=2国×V=20JVsin(8)(3．1)同样的，以地球上的旋转运动物体为例，各个参数的意义为：缈表示物体的旋转轴相对于地球自转轴的角速度，y表示物体轴向速度，国和y均用矢量表示，万表示缈和y的夹角。由牛顿第二定律，哥氏加速度相应的哥氏力为：F=ma=2taroXV=2mcoVsin(6)(3．2)其中，聊为物体的质量，F与矢量缈、V均正交，方向由右手法则确定。F的大小由敏感元件感知，经过模拟电路与数字电路转换成数字信号而获得，大小正好反映了角速度的信息。式(3．2)中，哥氏力可以测得，物体质量m已知，物体轴线速度矿也己知，当夹角万确定时，就可以根据式子求解出角速度缈。陀螺仪最终需要测量的参量为角度，通过对角速度进行时间积分获得角度，即30．\n使密闭气腔中的气体形成热气团，热气团会随着物体运动而形成变化的热气场，温度传感器检测热气场的变化，从而测得物体运动的加速度。三种加速度计中，压电式MEMS加速度计的敏感元件刚体需要测量其受到的压力，一般只能测量由运动产生的加速度，无法测量重力加速度；而容感式和热感式不受限制，两种都可以测量。3、磁力计(磁场传感器)测场原理三轴磁力计(MagneticSensor)通过对地磁场强度的测量，精确求得AHRS的方位角，并修正陀螺仪在航向角上的漂移。地磁场与由磁极和旋转磁铁产生的磁场类似，地磁场的方向可以作为一个合理的参考分量。电磁场的模型早在19世纪60年代由麦克斯韦总结并建立了一套很完整的理论，用数学模型描述了自然界一切宏观电磁现象所遵循的普遍规律，而地磁场模型也逐渐完善。各种处理技术日趋先进，磁传感器的精度已经可以满足实际测量需求，能准确的测出地磁场方向。3l\n山东大学硕士学位论文—曼詈皇曼暑鼍I一一iIII鼍皇皇暑量鲁鼍詈量詈曼鼍量皇量毫皇鲁暑鲁皇詈鼍詈毫詈鼍暑皇詈皇曼皇曼量皇曼皇詈皇葛皇皇詈詈皇量詈!詈皇曼皇皇|鼍皇|詈|曼穹量!置葛目前，微型化的地磁传感器主要有霍尔元件(HallElements)、磁阻(Magneto．resistive，MR)传感器、磁通门(Fluxgate)传感器、基于巨磁阻抗(GiantMagneto．impedance，GMI)效应的非晶丝(AmorphouSWire)系列传感器【431等。地磁传感器也叫磁强计、磁力计，是利用被测磁场中高导磁铁芯在交变磁场的饱和激励下，其磁感应强度与磁场强度的非线性关系来测量弱磁场的一种传感器。它的主要工作机理是电磁感应定律和安培环路定律。当闭合电路的一部分导体在电磁场中做切割磁感线运动时，导体中会产生电流，导体两端的电动势会发生变化，这种现象叫电磁感应现象。法拉第电磁感应定律给出了感应电动势与穿过回路的磁通量变化率的关系，用公式表示如下：E：一掣(3．4-)乜=一一Lj．J讲式中，E为感应电动势，4是磁芯的截面积，①为磁通量。安培环路定律指磁场强度矢量沿任一闭合路径的线积分等于穿过此闭合路径的曲面电流的总和，即Cf删=∑，(3．5)JZ-J⋯一’式中，何为磁场强度，为矢量，方向用右手法则确定，，为闭合回路的长度，，为激励电流。磁通量与磁场强度的关系为：通过磁场中某个截面剃的磁通量定义为该处磁场强度日与枷在垂直于日方向的投影dAcos0的乘积，即d①=HdAcos8。式中，口是截面的发现方向与日的夹角。磁通量是标量，0<90。为正值，0>90。为负值。通常用二次谐波法来测量弱磁场，详细推导过程见参考文献[29]，下面仅给出磁力计在正弦波激励下，二次谐波法测得的外磁场计算公式：设P，为电动势e傅立叶级数展开的二次谐波项，则乞=一8fn2AlurHo(3．6)式中，Ho为待测外磁场，f为激励频率，伤为检测线圈的匝数，所为相对磁导率。32\n山东大学硕士学位论文3．3IMU(惯性测量装置)姿态检测IMU(惯性测量装置)一般均由陀螺仪与加速度计组成，其中，陀螺仪用来测量载体的角速度，加速度计测量的是线速度，二者的原理都是利用惯性空间的特性进行测量。本小节主要简单介绍实验室所选的IMU(XW-VG5300)工作原理、操作指令、数据格式和解码程序设计。3．3．1XW-VG5300工作原理XW-VG5300内部有三个正交安装的高精度微机械陀螺和三个正交安装的微机械加速度计，另外还有一个高精度温度传感器，传感器输出信号经过电路滤波、24位模拟／数字转换、起始误差和轴向偏差的补偿等处理后，再利用DSP算法进行处理，最终输出惯性观测量、姿态角、温度等参数，输出速度可以达到100Hz。系统工作框图如图3．4Y惯性观测量、姿态角、温度等参数信息12VDC或24VDC图3．4IMU工作框图加速度计和陀螺仪的具体测量原理与3．2．2小节AHRS测量原理类似，在此不再赘述。XW-VG5300在其内部采用了多种算法来提高测量精度，主要有：1、数字信号的处理：采用24位的A／D转换器，A／D转换器的位数越多，结果越精细，24位的转换最大限度的输出了惯性敏感元件的感应结果，增加精度水平。同时，A／D转换器的采样频率是惯性传感器带宽的4倍，在不丢失惯性传感器的测量数据的前提下保留了惯性传感器的固有频率。并且，A／D转换器一\n山东大学硕士学位论文共有6路采集通道，确保能同时采集到所有传感器的信号。2、内部温度补偿措施：XW-VG5300内部的传感器容易受到温度的影响，周围环境改变和温度变化时，传感器输出有漂移。通过用独特的算法进行补偿处理，XW-VG5300可以保持比较高的测量性能，不受温度与环境变化影响。3、抗干扰设计：陀螺仪和加速度计所测量到的信号属于弱信号，需要进行放大，放大的过程还需防止将干扰信号和放大。XW-VG5300采用了电源隔离技术和差分放大电路技术，很好的完成了抗干扰的功能。4、动态姿态计算和偏差估计：XW-VG5300测量速度快，量程达到±180。，满足高度动态环境的测量要求。3．3．2XW-VG5300控制指令XW-VG5300有标准的RS232接121，用户可以通过这个接口修改仪器的工作波特率以及读取测量数据。最常用的两个指令举例如表3．1命令响应定义‘C’或‘c’‘ACK’输出连续数据的命令。XW—VG5300在得到这个命令以后，会响应‘ACK’并连续输出数据‘P’或‘P’‘ACK’暂停数据输出的命令。XW-VG5300在得到这个命令以后，会响应‘ACK’并停止输出数据表3．I常用指令举例3．2．3XW-VG5300输出数据格式XW-VG5300最常用的波特率为115200，RS232以这个速率向外发送测量到的横滚、俯仰、航向角三个角度，以及三个加速度。测量数据封装为27字节，每个字节的定义见表3．2。数据读取顺序是低位在先LittleEndian(LSB)格式，即低位字节首先输出。字节类型定义0INT8U字头，0xAA1INT8UOxA92～5INT32S计时器6"-'7INTl6S横滚角\n山东大学硕士学位论文8"-,9INTl6S俯仰角10"--11INTl6U航向角12～13INTl6S陀螺仪X轴14"-"15INTl6S陀螺仪Y轴16"--17INTl6S陀螺仪Z轴18～19INTl6S加速度计X轴20～21INTl6S加速度计Y轴22～23INTl6S加速度计Z轴24～25INTl6S温度26INT8U检验和表3．2XW-VG5300数据定义任何可以与RS．232端口兼容的软件都能和XW-VG5300建立通信，也可以利用厂家附带光盘里的“XW-IMUV1．0惯性测量系统”软件对XW-VG5300进行功能测试与结果演示。利用别的软件编写XW-VG5300的数据解码程序时，解码程序可以参考XW-VG5300使用说明的示例程序。3．4怔刍倍威罢3．4．1倾角传感器简介芬兰VTI公司是世界知名的运动和压力传感器生产公司，尤其在车用加速度计方面，VTI更是全球领先的供应商。VTI公司的产品共有13大系列，包括了各种用于测量加速度、震动、摆动及倾角的传感器，测量的范围从±O．59到±129，应用领域遍及了汽车、测量仪器、医疗器械、运动和健身器械以及惯性导航系统。本文选用了该公司双轴倾角传感器SCAl00T系列产品。SCAl00T系列是芬兰公司2005年推出的，利用3D．MEMS技术开发生产，用于角度测量的高精度传感器。体积仅为15"1l*5mm，重量只有1．2克。SCAl00T内部的敏感器件选用了硅敏感微电容传感器。另外其内部含有一个专用ASIC集成电路，集成了EEPROM存储器、信号放大器、AD转换器、温度传感器和SPI串行通信接口，35\n山东大学硕士学位论文组成了一个完整的数字化传感器，微处理器与其通信非常方便简单。主要特性如下：●量程正负90度●可以11位数字量输出●内置温度传感器和温度补偿·长期稳定度高·可承受20009的机械冲击3．4．2测量原理与应用电路设计SCAl00T是一种静态加速度传感器，当加速度传感器静止时(也就是侧面和垂直方向没有加速度作用)，作用在它上面的只有重力加速度。重力(垂直)和加速度传感器灵敏轴之间的夹角就是倾斜角，如下图3．5x．a炳l囤务函岗豳l和*呐l图黟胤目囡l和～咽痧函嫡乳图3．5倾角测量原理图VTI的硅电容传感器由一对平行板组成，在发生倾角变化时质量块受到重力作用，改变了平行板间距引起电容量变化，从而测量出角度变化。图3．5a、图3．5b分别表示SCAl00T的X轴和Y轴倾角变化的情况。加速度敏感轴信号输出与重力加速度之间关系如下：Ax=g幸sin(a)(3．7)ay=g·sin(f1)(3．8)其中，Ax和Ay代表加速度传感器的输出，g是以重力作为参考的加速度值，而a和P是倾斜角度。为了计算倾斜角度通过反正弦方程可以得到：Ax=sind(Ax／g)(3．9)．4y=sin以(Ay／g)(3．10)\n山东大学硕士学位论文图3．6是SCAl00T的电路设计原理图。SCKU22}MISO3MOSI456SCKVDDNC0UTlMlSOSTlMOSIST2OUT2NCGNDCSBjFSCAl00T5V墨12I_I图3．6SCAl00T电路设计原理图3．4．3硬件接口与数据传输R2lKDSl心LED3ICAIOOT拥有一个标准的的串行同步通信接口，微控制器通过四根线与其进行数据通信。连接线定义与第二章CPLD与单片机的连接相同，包括串苦输入(MOSI)、串行数据输出(MISO)、时钟(SCK)以及片选线(CS)。jl!|量子系统工作模式定义为主从工作模式，微控制器是主SPI设备，00T为从器件。CAl00T的接口寄存器为8位，微控制器通过对其写入命令字来取得相应芝信息。命令名称与定义见下表3．3。命令名称命令字说明MEAS00000000测量模式(上电之后的正常操作模式)R、VTRO0001000读写温度数据寄存器RDSR00001010读状态寄存器RLOAD0000101l装载NV数据到输出寄存器STX0000lllO激活x通道的自测模式STY000011ll激活Y通道的自测模式RDAX00010000通过SPI读x通道的数据RDAY00010001通过SPI读Y通道的数据表3．3命令字CAl00T的数据寄存器长度为1l位，数据对应的角度值如下表3．4。37\n山东大学硕士学位论文传感器位置-90度O90度输出数据00000000000B10000000000B11lllllllllB表3．4数据格式倾角传感器测试电路板安装在机器人车体内，难免受到各种各样的干扰和量测噪声。经过初期测试实验发现，输出角度值数据不稳定，曾经出现较大的波动和误差，不仅不利于远程遥控台的连续姿态监测，对后期姿态保护影响巨大，可能会导致保护不及时或者保护举措失误，使机器人面临翻车危险。因此在姿态检测子模块中进行了数据滤波处理。微处理器进行SPI通信时，有两种方式。一种是利用微控制器的硬件SPI寄存器；一种是用软件以及微控制器的IO121来编程实现SPI的通信时序逻辑。在本设计中采用后者软件模拟SPI方式。这是因为SCAl00T的数据都是11位的格式，微控制器的8位硬件SPI方式不能用。而在利用单片机普通IO151进行SPI编程的时候遇到的问题是，有的单片机不能进行位操作。这种情况下可以通过字节的逻辑与、逻辑或操作来实现。3．5姿态保护设计倾角传感器实时检测出机器人两个方向的姿态角后，需要设计机器人的应对行为。机器人在复杂的搜救现场行进，姿态面临的主要危险是前翻与侧翻，二者的原因都是倾斜角度过大，机器人重心超过平衡极限。因此，姿态保护的整体任务可以归纳为几步t(1)定期检测横滚角、俯仰角，记录其变化趋势；(2)与经验值对比分类二维角度值，判断机器人处于何种状态；(3)机器人根据状态分类做出应对行动。任务的每一步详解与注意事项如下：1．检测周期分析：倾角传感器的最快检测速度可以达到20Hz，机器人最大行进速度是0．9m／s，经过实验，20Hz的检测速度和应急行为已经可以达到要求；2．经验值求解方法与状态分类依据：理论上来讲，根据倾角传感器的角度计算公式求解角度值，并通过实验测量\n山东大学硕士学位论文几组机器人在不同角度下的传感器输出值，便可得机器人角度比较准确的值。为了更精确的标记机器人的角度，可以利用AHRS对机器人进行标定，AHRS使用见本章3．2节。机器人的状态可以分成几个等级：安全、预警、危险、翻车。预警的意思是机器人已经处于一个比较高的倾斜角度，如果行进速度较低并且姿态角没有再持续往上增加，则机器人没有翻车危险；危险的意思是机器人很接近翻车，角度增加很小或者速度稍微加快都很容易导致翻车。等级划分得比较细的原因在于如果仅仅分为两个等级，机器人应对环境比较笨拙，可以翻越的角度会受到限制。3．应对行为：预警阶段，机器人将受到行进速度限制，最快速度设定成平地上最高速度的60％，以免产生危险。危险阶段，机器人的速度降至设定速度的20％，既可以用缓慢速度恢复到安全角度，也可以有效防止翻车。危险阶段的应急行为在确定此方案前，作者还尝试了多种应急措施，主要有三种方法，一是机器人停止行动，这样的话虽然机器人的翻车危险解除，但是机器人也会陷入死锁状态，除非有外力帮助其恢复到安全阶段或者预警阶段，否则机器人将无法行动；二是周期性发送机器人停止指令，之后一个很短的周期内，机器人仍然可以行动，这个方案勉强可行，但是机器人会处于“磕磕绊绊”的状态，行动很短距离又停下，需要比较长的时间恢复至安全或者预警阶段；第三种方法是自恢复，这是最理想的效果，机器人判断危险阶段后可以自己调整前进或者后退从而恢复到角度安全状态，但是这个方案需要比较复杂的算法与程序，如果利用机器人本体里面的姿态检测子模块来完成，模块处理芯片处理能力有限，无法完成任务，如果用上位机来完成，则容易受到通讯延迟与中断的影响。最终，确定了现在选择的调速方案，简单实用。经过实验，机器人可以有效地避免翻车。机器人除了做出相应的行为，同时回传状态到控制总台，使操作员更好的了解现场情况。姿态保护系统可以用下面的框图进行描述：\n山东大学硕士学位论文，在对比基础上测量仪所做的机机器人在复杂环\n学硕士学位论文里程计中的姿态与位移测量视觉里程计(VisualOdometry)顾名思义，就是利用视觉记录路程，实现定位的技术。视觉里程计在计算机视觉技术的快速发展基础上开始受到人们的关注，逐渐吸引了很多研究者的热情。它利用视觉输入，分析前后连续的立体图像对中相关部分，通过特征提取、特征跟踪等方法，进行机器人在前后连续帧中的运动参数估计(包括姿态改变与位移改变)，从而实现机器人的连续定位。图像处理技术的进步推动了各式各样多功能摄像头的出现，具有代价低、重量小、能耗少等优点的摄像头在视觉里程计研究中得到广泛应用，越来越多的学者开始重视视觉里程计的研究。4．1视觉里程计发展概述利用立体图像估计机器人的运动状态可以追溯到1980年Moravec的研究工作。Moravec提出的算法仅依靠输入前后连续帧立体图像对信息，获得机器人在前后连续帧间的运动估计144]。在此基础上，Moravec的学生Mattics在卡内基梅隆大学(CMU)进行了深入研究，提出了从特征提取、特征匹配与跟踪到运动估计的视觉里程计基本框架‘45】【461，并进行了室内短距离序列测试实验。Shafer等人[47】在斯坦福大学内作了类似研究，他们提出运动估计是一个统计性的估计问题的观点，并研究了一系列用来估计机器人运动和更新地标模型的方法。几乎与他们同步的还有法国的Zhang和Faugeras等人【48】【49】【5们。Mattics提出来的视觉里程计框架成了大多数里程计系统的参考标准。近几年，Nist6retal发表了一个成功的可实时应用视觉里程计系统【5l】【52l。这个系统包括两个运动估计方案scheme：立体视觉方案是一个迭代的姿态改进方案，单目视觉方案是基于五点算法的框架【531、异常值抛弃方案【54】，这两个方案在一个很长的图像系列中均得到了很好的结果。自从2004年以来，视觉里程计被应用在火星探测上。美国JPL实验室的YangChengt55】【56】等人将视觉里程计应用在了SSTB．Lite漫游者平台上。火星地表的非结构化环境特征导致别的定位传感器都不能很好工作，但是视觉传感器的多功能41\n山东大学硕士学位论文性使其成为火星探测重要的环境感知器与位姿检测手段。JPL实验室的视觉里程计系统经过多次反复实验得出这样的结论：视觉里程计在简单地形下的性能和航位推算方法一样好，而复杂地形下则远优于航位推算方法。在国内，对视觉里程计的研究近年来也越来越多。早期的有2006年哈尔滨工业大学崔平远157】等人设计的月球车视觉里程计方案，比较完整并且在仿真环境下给予验证。近几年，最有代表性的研究有浙江大学的博士后周文晖，发表了多篇有关视觉里程计的文章，提出基于视差空间的立体视觉里程计，也有单目视觉里程计。此外，还有多篇关于视觉里程计的硕博士论文，比如浙江大学的吕强发表的基于特征点提取的单目视觉里程计的研究【58】，浙江大学的彭勃发表的基于Harris角点检测的双目立体视觉里程计【591，武汉科技大学的马玉娇发表的基于最小平方中值定理的立体视觉里程计【60J，等。视觉里程计基本步骤包括特征提取、特征匹配、坐标变换和运动估计。其中特征匹配又包括左右帧的立体匹配和前后帧的特征匹配。除坐标变换外，其余各步均会对算法的实时性和精度产生较大影响。现有许多改进算法大都基于Mattics设计的从特征提取、特征匹配与跟踪到运动估计的框架。4．2特征提取视觉里程计的第一步是提取图像中的特征，本小节将详细介绍所选的特征提取方法，并给出利用Matlab处理程序提取出来的特征结果。4．2．1特征提取概述与分类所要提取的图像特征应该具有以下几个特点：(1)不变性，意思就是当图像发生旋转或者缩放时，特征保持不变，在转换三维视点以及光照变化时，特征也能部分保持不变；(2)可定位性，即特征点在空间域和频度域中的位置可以很方便的求出，受到闭塞、噪声等的干扰比较小；(3)易提取性，特征点提取的算法多样高效，提取出来的数量较大；(4)独特性，这是特征点的本质属性，必须是独特的、能代表图像并可利用其还原三维图像。数字图像的特征一般来说分为点特征、线特征、面特征。点特征一般指的是图像的角点，线特征主要指的是直线段或弧线段，面特征主要指的是某些特征块\ni——l或者是特定的山东大学硕士学位论文形状。特征提取的方法多种多样，首先由于特征基元的选择不一样就可以分为很多类，因此，没有一种方法可以适用于所有的图像。三种特征之间有重合的部分，并不是完全独立的，因此有的提取方法则综合了好几种方法的优势。特征的尺度信息也影响到提取速率和后续匹配精度，因此，选择合适的特征基元是特征提取的非常关键的第一步。结合实际的项目，根据视觉里程计的具体任务，点特征显示出了其提取方便、匹配容易、信息量足够的优势，在图像变化导致线特征和面特征发生形变时，点特征不轻易变化。因此，本文选择提取图像的点特征。点特征的提取方法根据点特征的不同性质可以分为三类：①基于特征点的形状：特征点位于轮廓线的最大曲率处，或两条线段的交点处。这类算子如FreemaJl．Davis算法等。该类方法定位精确度比较高，但是计算却比较复杂，速度较慢。②基于特征点的图像灰度变化：此类方法分析图像特征点周围的灰度变化率，例如MIC方法，SUSAN方法【6l】，H枷s算法，SIFT尺度不变特征检测算法等。③基于模板的特征点：具体的特征点对应具体模板，精度很高，但是适用范围太小，转换提取场合就得重新设计模板。4．2．2SIFT尺度不变特征检测在点特征的提取方法中，最经典的要属H枷s算法和近几年兴起的SIFT算法。SIFT的英文全称是ScaleInv渤tFeatureTraIlsfom，即尺度不变特征检测。它由DavidLo、Ⅳe于2004年分析现有基于不变量技术的图像特征检测方法总结【62】，并正式提出SIFT算子是一种基于尺度空间对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子16引。SIFT算法在近几年的视觉里程计中得到了广泛应用。SIFT算子在尺度空间进行特征点的提取运算，并将特征点邻域梯度主方向定义为特征点的特征方向。SIFT的检测过程包括四个步骤：尺度空间极值检测，特征点精确定位，特征点方向确定，特征点描述符生成。概述如下：首先，建立Gaussi锄金字塔和DOG尺度空间，详细过程可以参考文献[64】；\n山东大学硕士学位论文比较每个特征点和它的邻域内同尺度以及上下相邻尺度的所有点，判断是否为极值点，找出尺度空间里所有的极值点。随后，经过对尺度空间里的描述函数进行展开、阈值限制等处理，剔除一些低对比度的点以及边缘点，提高特征点的准确度，降低视角变化和光照变化对特征点的影响。完成对特征点的提取工作之后，需要确定点的尺度方向，并用描述符表示出来。点的方向一般通过计算特征点的梯度大小和方向求得，每个点可能具有多个方向，可以为下一步的匹配提供更有利的数据。最后，根据邻域方向性信息联合的思想，生成特征点的多维向量表示。在大部分的SIFT算法应用中，均参考了Lowe的建议，对每个特征点使用4X4共16个种子点来描述，这样对于一个特征点就可以产生128个数据，即最终形成128维的SIFT特征向型65J。从提取过程中可以知道，SIFT特征点具有良好的尺度与旋转不变性，在图像平移、图像旋转、光照亮度变化等条件下，SIFT特征点基本保持不变。SIFT算法还具有信息量丰富、特征向量数量多、扩展性强等特点，因此，SIFT检测算法在视觉里程计中具有别的方法无法匹敌的优点。但是，由于SIFT算法融合了多种处理方法，对每一个特征点采用128维的向量进行描述，在匹配时需要对比128维向量的所有值，因此SIFT算法运算量巨大，复杂度太高，空间占用率很大。在搜救机器人的应用平台上，处理器运算能力有限，需要耗费很长时间处理SIFT的单帧图像，算法实时性无法达到要求。为了解决实时性的问题，需要寻找另一种提取方法，下一节的Harris角点检测算法可以符合要求。4．2．3Harris角点检测算法Harris角点检测算法于1988年露面，由C．Harris和M．J．Stephens提出1661，经过广大学者的推广改进，在工业领域的很多方面得到了应用。Harris算法主要通过分析图像的一阶差分，计算每个像素处的梯度矩阵，分析其变化来确定角点位置。Harris角点检测的初始思想来自Moravec的角点检测方法，首先定义图像的一个小区域(角点所处位置)，求这个区域在移动了一个很小范围之后图像的平均变化。经过计算可以得到以下三种结果：如果图像的某一点处在亮度均匀的区域，则它所在的邻域中各点亮度变化很小；如果点是边缘上的某一点，则它的44\n山东大学硕士学位论文亮度变化应该呈现对称的两个方向的不同变化，一个方向大，另一方向小；角点则是亮度在各个方向上变化都很大。Harris角点检测在图像尺度、旋转差异不大的情况下可以高效、稳定的提取出有效的特征点，具有一定的鲁棒性。在受到光照变化与噪声的比较小的影响下也可以有效的提取角点。在视觉里程计中，由于需要比较快速的分析图像序列，前后帧之间的图像相似度比较高，Harris角点检测的特性满足其基本要求，因此，Harris角点检测在视觉里程计的研究设计中得到了广泛应用。Harris和Stephens在经过多次实验后，利用数学公式给出了角点检测的具体方法，首先，定义待检测图像为，，检测点为(％1，)，该点在以其为中心的窗口W内偏移量为(Ax，缈)，定义(甜，1，)移动之后的能量函数为E(Ax，妙，计算公式为：E(Ax，妙)=∑％，，(Iu+缸,v+Ay--L，，)2(4-2-1)IⅣ，VJ’将公式展开，可得到下式：以缸，缈)=∑吨，，【崩+yY+D(x2+J，2)】2(4．2．2)LH，¨其中，一阶导数X和y用下面两个式子估计：z=，。(_l’0，1)≈瓦OI，】，=，。(-1,0,1)r≈筹(4-2．3)OX咖当图像只在很小的窗口范围内移动时，能量函数E(缸，缈)可以写为：E(缸，Ay)=X2o％，，x2+2(灯)圆％，，xy+Y2p比。，y2(4．2．4)由于图像具有噪声影响，因此，式中的％．，可以是矩形窗或者高斯窗，令A=X2o也．，B=Y20比，，(4．2．5)C=(xDpK．，式(4．2．4)可写为如下形式：Ec缸，缈，=【缸缈】[罢CB][缈Ax]=【缸缈】ML『a譬y]c426，式中M=l詈三I，定义五和五为膨的两个特征值，通过分析两个特征值，\n山东大学硕士学位论文我们可以有以下关于图像点分类的结论，如图4．1表示：图4．1特征值和图像关系具体说明如下：1、如果两个特征值均比较小，由公式(2．3)计算出来的能量函数为一个比较固定的常数，自相关函数比较平坦，图像处在平坦区域。2、如果两个特征值一大一小，自相关函数的变化跟山脊相像，图像的点沿一个方向移动时变化比较小，另一个方向就会变化很大，这种特征一般处在边缘地带。3、如果两个特征值都比较大，那自相关函数就呈现出比较尖锐的峰顶形状，那么对于任何方向的移动都会产生显著的变化，这样就表示是角点。Harris总结了特征值与角点之间关系后，进一步定义了如下式子更方便的判断角点：R=detM—k(traceM)2(4．2．7)式中，detM=A如=AB-C2，traceM=A+五=A+B，k是常数因子，经验值范围O．04M)．06，通过判断R的值就可以区分角点：R大于一定阈值则为角点；R为负值时点处在边缘；R的绝对值比较小则是平坦区域的点。本文选用MATLAB编程，利用MATLAB强大的图像处理功能进行了角点提取实验。在程序中，影响角点提取结果的参数主要有这几个：图像移动窗口比．，的选择及大小、角点强度月阈值大小、非极大值抑制阈值。其中，对结果影响最大就是角点强度阈值大小。由于在不同的情况下图像的像素平均特征不太相同，因此，在程序中增加一步阈值处理，并做了多组不同阈值不同场所实验，结果如下图：\n士学位论文阿值：0．18Rmax阁值：0，03’P-dIlaX图4．2Harris角点提取结果经过实验发现，利用MATLAB进行角点提取实验，提取速度受到图像大小的限制。当图像比较大时，由于需要处理很大的循环计算角点强度值，提取速度变得很慢，处理一幅图像使用的时间高达十几秒钟，无法满足视觉里程计的速度要求。但是在进行图像压缩实验后发现，经过图像压缩，用Harris算法仍然可以有效的提取出角点，并且提取速度控制在一秒以内。实验结果与时间对比如图4．3：\n山东大学硕士学位论文臣片大小：1592搴l194，角点数：574，时阍：20s4．3特征匹配匿片大，j、：392*294，角点数：75，时阍：O．7s图4．3图像压缩与未压缩提取结果对比图像特征点提取出来之后，接下来的任务就是进行特征匹配。特征匹配的任务是求出给定图像的己知点在另一幅图像中的对应匹配点，可以是前后帧图像匹配，也可以是双目摄像机的左右帧图像匹配。特征匹配的常用方法可分为基于区域(图像灰度)的匹配、基于特征结构的匹配、基于解释的匹配或者多种匹配方法结合。基于区域的匹配基本思想是，在给定图像(即源图像)中的待测特征点周围，选取一个以特征点为中心的子图像窗口，然后在另一幅图像里寻找一个特征点，同样的以这个特征点为中心选取子图像窗口，进行两个子图像窗口的相似度测量，根据一定的准则判断两个特征点是否为对应匹配关系。目前比较常用的匹配准则有最大互相关准则、最小均方差准则等。区域匹配方法有它的优势，因为需要通过计算灰度值的相关度，因此比较适用表面比较平滑的图像的匹配，以及纹理特征比较明显的立体图像。但是，由于每个特征点都需要计算子图像窗口，因此计算量巨大，窗口的大小容易影响匹配结果，在低纹理区域经常会产生误匹配，区域匹配的精度较差。区域匹配的这些劣势导致其完成全局匹配任务比较难，而且区域匹配经常会受到下面几个条件的限N-(1)区域匹配要求在每个相关窗口中都存在可探测的纹理特征，对于较弱特征\n大学硕士学位论文情况，匹配容易失败。相关窗口中的表面不连续特征。和照明条件变化时，区域匹配将会受到巨大影响。场合，区域匹配容易失败。区域匹配的限制导致采用此种方法进行匹配时，需要加入其它的限制条件，或者用人工来指导，才可以得到正确的匹配。在这个问题上，研究人员通过分析具体的成像过程和实际景物的特点，提出了一些用于辅助匹配的约束关系，其中比较常用的有外极线约束、保序性约束、连续性约束和唯一性约束、视差梯度有界约束和梯度方向约束等。基于特征结构的匹配方法比较的不是简单的图像纹理信息，而是针对特征点，找出其所处的抽象的图像特征(如边缘、拐点、几何形状、几何模型、周围点的位置关系等)，通过一定的相似测度进行匹配。这个匹配方法需要进一步提取特征点所处的特征，因此计算量会增大很多，但是它也有比较明显的优点：(1)速度快，需要比较少的特征点进行匹配测试。(2)精度高，因为几何特征在“子像素"级上进行提取。(3)受到光照条件影响小，因为匹配基元选择物体的几何特征。基于解释的匹配方法，首先进行位置测试实验，符合规定约束条件的位置周围才存在匹配点。这种匹配方法需要掌握匹配点的先验知识或者固有约束，常用的约束条件可以是距离、角度、面积等几何关系，也可以是邻域的特征等拓扑关系。解释的匹配方法无法进行精细的点匹配，一般用在定性识别与判断中。此外，还有其他类型的立体匹配方式，如像素特征法(Birchfield1999)，采用小波变换法(Kim1997)，相关位相分析法(Po／r1998)以及滤波分析法(Jones1992)等立体匹配方式。对比各类匹配方法，本文选择了基于灰度的区域匹配方法，以待检测特征点为中心做一个窗口，通过一定的相似性测度来确定匹配关系。进行匹配运算之前，先选取合适的相似度度量准则。相似度度量准则可以理解成信号的相关性，用数学方法来表示包括相关系数、协方差、差的平方和、差的绝对值总和、差的平均值总和等等，在图像方面直观的理解就是图像的相似性。因为特征点对所表示的是空间的同一点，在光照、亮度等外部条件基本上一致时，49\n山东大学硕士学位论文同一点在两幅图像中的灰度、位置等应该基本上相同，点的邻域也应当具有很大的相似性。假设以图像中的一个特征为中心，大小为m*rl的子图像窗口称为特征点的邻域窗。对应于左图像的邻域窗为左邻域窗，对应于右图像的邻域窗为右邻域窗。如给定左图像中的一个特征点P，则称P的邻域窗为p的左邻域窗。设S(x，Y)为(x，j，)对应的两个邻域窗的相似度，I(x，y)为目标图像(x，y)处的灰度值，7为目标图像邻域窗的灰度平均值；T(x，Y)为源图像(x，Y)处的灰度值，于为源图像邻域窗的灰度平均值。对在右图像中寻找左图像中特征点的对应时，右图像为目标图像，而左图像为源图像，反之亦然，各种常见的测度值描述如下：(1)灰度差的平方方式(squareddifference)：n-1m-IS(x，y)=∑∑口(，，Y’)-I(x+x’，Y+Y’)】2(4．3．1)y'=Ox’=o(2)归一化灰度差的平方方式(normalizedsquareddifference)．n-Im-I∑∑【丁(x’，Y’)-I(x+x’，Y+Y’)]2(3)灰度互相关方式(crosscorrelation)：(4．3．2)S(x，y)-∑∑r(，，Y’)m+x’，Y+Y’)(4．3．3)(4)归一化灰度互相关方式(normalizedcrosscorrelation)：S(x，J，)=∑∑丁(x’，Y7)，(x+x7，Y+Y7)(5)灰度互相关系数方式(crosscorrelationcoefficient)：(4．3．4)一1m-IrI--lm--is(石，J，)=∑∑(丁(∥，J，7)一于)(地+x’，y+y’)一7)(4．3．5)(6)归一化灰度互相关系数方式(normalizedcrosscorrelationcoefficient)：\nS(x，J，)=n-Im-I∑∑(r(，，少’)一于)(砸+x’，Y+y’)一_)y’=0J’=O(4．3．6)这些计算方法也可简单归为两类：归一化方法与非归一化方法。两者的主要区别就在于要不要进行归一化处理，归一化处理后可以不容易受到光照条件的影响，但是计算量也变得更大。结合实际考虑，兼顾计算时间的同时需要降低光照\n山东大学硕士学位论文匹配结果如图4．5：图4．5ZNCC匹配结果示意图4．4张正友平面标定法图像的特征提取和匹配都是在图像坐标的基础上完成的，然而运动估计所要求的是机器人在世界坐标系中的位置及姿态变化，因此，需要寻找一个图像坐标与实际物体的世界坐标之间的关系。这个求解的过程就是摄像机标定过程。摄像机标定的途径是根据摄像机模型，由已知特征点的图像坐标、摄像机的位置坐标和世界坐标求解摄像机的模型参数。假设空间某点在图像中的坐标为(”，v)r，在摄像机坐标系中坐标为(t，儿，zc)r，在世界坐标系中的坐标为(h，儿，z。)，，三者之间的转换关系可以用两个公式表示：52t此zc1[i]=[}；i][}]=彳[i]c4．4．·，--JRt】～几zw1(4．4．2)标定的过程就是已知点的图像坐标与世界坐标，并且知道摄像机的坐标，求‰％●o●一哆o●一出o\nI解公式‘4·4·1’及公式大学硕士学位论文(4．4．2)中的参数，这些参数统称为摄像机参数。其中，ax、口，、Uo、vo、7是线性模型的内部参数。吒、q分别是“轴和’，轴的尺度因子，或称为有效焦距(即ax=fldx，口。=厂／砂，这里出、方分别为水平方向与竖直方向的像元间距)，‰、％是光学中心，厂是“轴和1，轴不垂直因子，在很多情况下令Y=0；A称为摄像机内部参数矩阵。R为3x3正交单位阵，定义为旋转矩阵；f是三维平移向量，定义为平移矩阵，R和，称为外部参数；对于非线性模型的内部参数，除了线性模型的内部参数吒、口，、‰、vo和7外，还包括径向畸变参数白，如和切向畸变参数P。和见。由于摄像机标定是连接图像与实际必需的桥梁，因此标定技术很早就引起了研究者的热情，经过很多学者的研究，已成为一个很成熟的技术，并得到了广泛的应用。根据不同的实际任务，有的标定方法求解了摄像机的全部参数，有的模型比较简单，只求解了部分参数。本文所采用的标定方法是借用前人的研究成果，利用软件工具箱直接求出，不是论文的主要研究内容，下面只是简单介绍一下标定原理和过程。本文所选的标定方法为摄像机标定中非常经典的算法：张正友平面标定法。张氏平面标定法是由张正友等人提出来的，是介于传统方法和自标定方法之间的一种方法，它既避免了传统方法设备要求高，操作繁琐等缺点，又比自标定方法的精度高【671。张氏平面标定法的标定过程如下：首先，准备一个平面标定模板，可以将标准的标定图像打印出来固定在一个平板上；其次，将模板摆放在摄像机前面不同位置或方向上，用摄像机拍摄两幅以上图像；最后，检测每幅图像中的特征点，利用公式求解摄像机的内外参数。求解过程详述如下：(1)求解每幅图像的投影矩阵日结合本小节～开始所述，记标定模板上的特征点M在图像中的坐标为m(u，1，)r，世界坐标系中的坐标为M(xw，Yw，乙)7’，对应的其次坐标为，；i(甜，’，，1)7’、厨(h，儿，乙，1)7’。摄像机成像模型是小孔成像，在实际标定中一般假设模板平面落在世界坐标仉扎匕平面上。由公式(4．4．1)和公式(4．4．2)可以得到点M与\n山东大学硕士学位论文图像点m的投影关系：sfn=铆尺t]M料酬tR‰儿乙1(4．4．3)(4．4．4)其中，J为任意的非零的尺度因子。记旋转矩阵R的第iYUYg，：，平移矩阵f表示为f=【‘，0，乞r，令日=力爿【‘吒f】，代入式(4．4．4)，可得下式：s藏=HM(4．4．5)矩阵月定义为标定模板上的M点与对应的图像点m之间的变换矩阵，公式(4．4．5)给出了求解矩阵H的方法：只要求出一定数量的特征点M的三维坐标，和其对应图像坐标m的图像坐标，就可以得到日的解。将矩阵日的元素具体化，展开公式(4．4．5)，并消去非零尺度因子J可以得到一个方程组：“：刍!墨±垒2兰±纽⋯h31Xw+，气≯+，1(4．4．6)v：丝!益±垒2兰±丝2⋯⋯。呜lK+呜2匕+l令办=【啊。啊：Jjl。红。％：缟，魄．吃：l】7则有：盼0001羔乏。1二象二麓二弘站。∽4∽lL匕一峨一’，L—VJ⋯⋯。当已知特征点M和对应点m的坐标时，式(4．4．7)中的矩阵S可以确定。在标定时，每一幅图像都选有多个特征点，这样通过式(4．4．7)来求解h’的过程也就是求解S7’S的最小特征值所对应的特征向量的过程。投影矩阵日的计算其实是使实际图像坐标(“，1，)与根据式(4．4．4)计算出的图像坐标(五，帚)之间参差最小的过程，目标函数为：rninE]l(五，移)一(甜，V)旷(4．4．8)\n召：删冀b巡呶堑塑!立蟛嘭《噶噶业掣遁H粥。亏一(4．4．10)仔细查看各个元素发现，B是对称矩阵，将其改写成6维向量：6=【墨。骂：岛：马，岛。马，】1(4．4．11)将投影矩阵日表示成列向量的形式，每个列向量分别为Ill}=【‰曩：h,3】7，因此有：矿耽=嘭6(4．4．12)式中，G通过将式(4．4．11)及日矩阵的列向量形式代入式(4．4．9)可以得到其表达式为：G；=[瑰。哆，魂。勺：+曩：勺。趣：勺：魄。勺。+矗。巧，红，勺：+绣：吩，^，勺，了(4．4。13)于是可以将关于摄像机内参数的两个基本约束方程式(4．4．9)写成以6为未知数的齐次方程：[箍]6=0㈤4¨，如果对标定模板拍摄有力幅图像，则由式(4．4．14)可以得到：Gb=0(4．4．15)式(4．4．15)中，G是一个2nx6的矩阵。如果刀≥3，则b可以在相差一个尺度因子的意义下唯一确定。如果n=2，则需要加上附加约束条件厂=0即素舅一壶云蛩\n山东大学硕士学位论文Bi2=0。式(4．4．15)的解b可以通过求取矩阵G7’G的最小特征值所对应的特征向量来获得，也可以通过对矩阵G进行奇异值分解来得到。求解出b后，用式(4．4．11)可以确定B，彳。1通过Cholesky分解算法求出，再求逆即可得到摄像机的内参数矩阵彳。摄像机的各个内参数为：Vo=(置：马，一骂。岛，)／(hi。岛2一磋)见=马3一[碓+Vo(n12尽，一／1,,／123)]／尽l誓三!型垒!(4．4．16)a'y=42B,lI(B,。垦2一碗)7=一BLp：av|九‰=voyla—sl,3《Ix摄像机在不同图像下的外参数可以在确定内参数矩阵A后用下面的一组公式求解：吒=兄彳-1^吃=2A一缟玛=‘×吒(4．4．17)f=2A。1缟x=I／A。1all：,／IAq酬摄像机参数通过上述方法可以求出，但是，一般都需要考虑摄像头畸变的影响，因此，还需要进行非线性优化处理，才可最终得到准确的摄像机参数值。4．5运动估计4．5．1任务分析特征点检测与正确匹配之后，得到机器人运动时拍摄的一系列图像序列，接下来的工作就是估计机器人的位移变化与姿态变化。这是视觉里程计最终的目标，也是技术难点。在进行运动估计之前，首先分析一下机器人的运动属性。机器人在运动过程中，改变的仅仅是位置和方向，其形状与大小是保持不变的，符合刚体运动的性质，因此可以认为机器人的运动属于刚体运动。一个刚体\n山东大学硕士学位论文在运动时，物体上的任意一点的运动就可以代表物体整体的运动，根据动力学和空间解析几何理论可知：刚体在三维空间的运动可分为旋转和平移的迭加【6引。因此，机器人的运动也可以分解成旋转运动与平移运动1691。经过图像的特征提取与匹配之后，得到的信息是在假设摄像机不动，空间点在摄像机坐标系下的运动图像序列。根据相对论，跟踪的特征点的运动实际上是摄像机的运动。因为摄像机相对于机器人是固定不变的，所以，摄像机的运动估计也就是机器人的运动估计。运动估计所要解决的问题，就是利用已经获取的前后帧图像中检测到的特征点的三维坐标值，实现运动估测，求出坐标系变换参数的过程【701。目前国内为数不多的视觉里程计系统设计中，虽然因为所用视觉传感器(摄像机)的不同而具有不同的实现方案，但是最终目标都是为了估计机器人的平移运动与旋转运动，从而可以实现机器人的定位与跟踪。总体的任务框架都遵循Mattics的基本框架，如图4．5所示：T时刻T+I时刻4．5．2建立数学模型标定参数图4．5视觉里程计系统任务框图里程计数据输出明确运动估计的任务后，需要建立相应的数学模型，求解所需参数。机器人的运动参数，可以用旋转矩阵和平移矩阵表示。经过特征提取与匹配，可以得到一组在前后帧中均存在的特征对，计前帧里的特征点坐标为(只I皓l，⋯，甩}，后帧中对应点点坐标为{只’J江1，⋯，n)，其中只=(‘，咒，乙)，可以得到机器人的运动参数与坐标之间的关系式为：￡。=础+r(4．5．1)R和丁分别代表旋转矩阵和平移矢量(说明：这两个矩阵的定义虽然和摄像机标定时的两个矩阵名称相同，但是意义不一样)，表明了机器人在上帧与本帧S7\n山东大学硕士学位论文间的相对位姿变化。旋转矩阵R可以用一个3x3阶矩阵描述，平移矢量丁可以用一个3xl阶矩阵描述，写成矩阵为：R：睢r2r22‘r2二]∽5∞R=ll3l(4．．2’L吩l巧2吩3JT=【血，缈，业】(4．5．3’旋转矩阵R可以有多种表示方法，比较常用的包括：欧拉角表示，相对任意轴表示，四元数表示。(1)欧拉角表示物体在三维空间上的旋转量可以分解为三个轴(X轴、Y轴、Z轴)上的旋转分量R=以墨吃，旋转分量用旋转角度表示，旋转角定义如图4．6，各角度旋转正方向定义为从坐标系原点沿各轴正方向观察时逆时针旋转方向。(4．5．4)这个轴可用则式(4．5．3)\n出三维空间里三个旋转角度。崔中兴在《惯性导航系统》这本书里给出了用单位四元数表示刚体变换的旋转矩阵表达式【74】：R(g)=彳+g；一谚一斫2(q2q3-qlq4)2(仍吼+吼吼)2(q2q3+吼q4)q；+g；-q；-q：2(93q4一qlq2)2(q2q4-q193)2(q3q4+g192)qi!+g：一g；一g；其中，q12+922+吼2+吼2=l。4．5．3求解方法(4．5．6)从理论上讲，只要知道三个以上前后帧匹配好的特征点对的坐标，选择适当的旋转矩阵表示法，代入公式(4．5．1)就可以求出旋转矩阵和平移矩阵。如果特征点数目大于3个，则需要通过各种算法求解多个方程以得到(尺，丁)的最优值【7s】。运动估计算法根据所用摄像机数目不同会稍微有所差别，但是基本算法理论是一样的，目前比较完善的方法有奇异值分解、正交化方法、8点算法等线性算法f761，极大似然估计【77】、最小平方中值定理、非线性最小二乘法等非线性迭代S9\n山东大学硕士学位论文算法。两类算法中，线性算法要求特征提取与匹配精度很高，噪声对算法的影响很低，否则误差会非常大；非线性算法一般都通过迭代求解，运算量太大，实时性不高，并且初值的取舍严重影响迭代的稳定与收敛‘7引。下文从线性算法与非线性算法中选取了两种比较常用的办法进行详细介绍。(1)奇异值分解法线性算法中，比较有代表性的是奇异值分解(singularvaluedecomposition，SVD)方法。它的思路是通过分解正交矩阵来求得所需的矩阵。在进行分解计算之前需要做一些处理。首先，将式(4．5．1)改写成含有误差的形式，因为经过特征提取与匹配后的图像对是不可能没有误差的，因此改写成：圪=R昂+瓦+色(4．5．7)其中，尺和丁分别是旋转矩阵与平移矩阵，E是误差。其次，求出前后图像帧匹配点集砭与圪的质心露、戽。计算新的匹配点集最、宣，方法：用匹配点集的每个特征点坐标减去质心毒、戽。经过这些处理后，运动估计的目的，就是用奇异值分解法求解最小二乘法标准式：E(R，丁)=∑0砭一(吃屹+五)112(4．5．8)具体步骤如下【791：A)构造奇异值矩阵Q=圪砭r／n，刀是匹配点的数目，砭、最由匹配点集计算，计算式最=[最。应：霞，⋯龙]、忍《丘。怠：丘，⋯吃]；B)分解奇异值矩阵Q=UDVr：c)根据分解后的行列式值求旋转矩阵月，尺：{彤2rde“∽q吼∥)-l，【VSU。det(U)·det(V)=-1式中，s=[dg．go，1，⋯，-1)Ⅳ】D)求平移矩阵丁=互一R最。奇异值分解的方法有其缺陷，因为它在计算过程中需要利用匹配特征点的坐标值，因此对这些坐标依赖性很大，一个错误的点就能导致求解结果误差很大。60\n学硕士学位论文极大似然估计方法也是基于误差的方法，不过目的是使误差最小化，加入误差的表达式如式(4．5．7)，其中误差项的表示意义稍微有点区别，按照定义，误差项应该是前帧特征点与后帧特征点的关于坐标的误差，但是为了简化求解过程，假设前帧中的特征点三维坐标是没有误差的而本帧中特征点的三维坐标的误差服从高斯分布。给定两个参数定义：rk=砭一只圪一r(4．5．9)一片式中，∑吃+Ryp：7’为误差E的协方差矩阵。用高斯分布函数来表示各七=l点三维坐标的联合条件概率密度函数，如式(4．5．10)：厂(只：鼻：⋯砭IR，丁)∞P一；喜彳％噍极大似然估计方法通过最小化指数∑形呒％实现，求解步骤如下：k=lA)设定旋转矩阵和旋转角度的初始值，记为民、oo；B)将R、oo代入式(4．5．10)，并进行一阶展开，得到：死≈R屹+以(秒一岛)+丁+互其中，以第k个特征点三维坐标的雅克比行列式；(4．5．10)(4．5．11)c)将R、岛代入式(4．5．9)，以及式(4．5．10)的指数∑杉哌％，分别对目、Tk=l求偏导并令其等于零，可以得到等式：(善研嵫域)(；)=(窆k=l磁哌厶)c4．s．，2，其中，以=【以I，】，厶=吃一R圪+J,Oo：D)求解式(4．5．15)，得到一组关于旋转矩阵、旋转角、位移等运动参数的新估计值。E)将新的估计值作为初始值，重复B、C、D几步，一直到收敛，得到关于运61\n山东大学硕士学位论文动参数的准确估计值。4．6本章小结视觉里程计在近几年得到了广大研究者的高度关注，本章对视觉里程计进行了初步研究，学习常用算法之后还编写程序，给出了部分实验结果。首先，考虑机器人运动状态测量的速度要求，选用了实时性比较强的Harris角点提取算法提取角点，初步可以提取到比较理想的特征点，但是仍然存在尺度和旋转不变形较大的缺点，在下一步的匹配中容易产生误匹配，还需要进一步的约束条件增加系统的鲁棒性。其次，选用归一化灰度互相关(ZNCC)条件进行了特征点的匹配，在所匹配的前后帧之间差别不大时可以得到满意的匹配，只是这个方法的匹配范围局限在特征点的邻域窗之内，当机器人行驶距离较大，或者是机器人在越过障碍物、转向时，特征点的位置差别比较大，ZNCC方法容易产生误匹配点，并且找到的匹配点数目不够，影响下一步运功估计工作。为了克服这个缺点，可以采用加入极线几何约束的方法，限制搜索范围，增加匹配准确度。由于摄像机标定是很成熟的技术，本章只是介绍了最经典的张正友标定法，借用前人的研究成果，直接用工具箱标定了所选用的摄像机。最后，根据运动估计的目的建立数学模型，给出几种常用的旋转矩阵与平移矩阵表示方法，并总结了常用算法，详细介绍了线性算法与非线性算法里面的两种常用方法：奇异值分解法与极大似然估计方法，选用数据处理功能非常强大的MATLAB软件编程，进行了测试实验。由于所选的算法比较复杂，虽然可以求出旋转矩阵与平移矩阵，但是运算时间比较长，难以达到视觉里程计的实时性要求，因此没有给出实验结果。\n3、深入学习了视觉里程计系统，从视觉里程计基本框架(包括特征提取、特征匹配、坐标变换、运动估计)开始，不仅学习了各个步骤的基本原理，还进行了初步实验。首先，采用Harris角点检测算法，提取出合适数目的角点，利用归一化灰度互相关(ZNCC)方法进行了匹配，得到了比较满意的成果。其次，学习了张正友平面标定法，借用前人的研究成果标定了所用的摄像机。最后，给出运动估计算法框架与两种详细的求解方法。5．2展望经过不懈的努力，取得了一定的研究成果，但是，关于本课题的研究还有许多需要改进和可以深入研究的方面：1、DR算法实现的定位，适用范围小，累积误差大，还可以采用更好的改进措施。除了文章介绍的视觉里程计，还有使用精确地方位角测量仪、GPS定位\n山东大学硕士学位论文系统等很多减小定位误差的方法。2、姿态保护的方案，仍然需要操作人员的介入，没有能实现完全自主的保护。进一步的研究可以考虑选用功能更强大的微处理器，实现复杂的姿态自恢复算法。3、视觉里程计方面，Harris算法虽然有其速度快的优势，但是也还存在不变性比较差的缺点，目前有一些研究已经在这一方面取得了初步成果，下一步可以在这方面进行更多工作。运动估计方面，给出的两种算法在匹配好的特征点方面要求还是比较高，需要采用限制措施增加估计的精度，并且要考虑算法的实时性。4、在完全实现视觉里程计之后，还需要寻找一种融合算法，将视觉里程计的成果与定位、姿态保护完美结合起来，不仅在定位方面得到更好更精确的结果，还可以弥补姿态测量里面倾角仪的测量误差与速度限制。这将是本课题非常有意义的一个扩展研究方向。相信如果能完成需要改进的这些工作，将会对搜救机器人的实用化起到很大的促进作用。科学技术的进步将会给搜救机器人的研究带来很多新的技术与思路，在不久的将来一定能看到搜救机器人在救援现场发挥巨大的作用!\nlibraryieee；useieee．std1．．109ic164all；useieee．std_logic_unsigned．all；entitytwoprocessisport(clk：instdlogic；clr：instdlogic；CS：instdlogic；ainl：instd_logic；一编码器l输入abinl：instd!ogie；一编码器l输入bain2：instdlogic；一编码器2输入abin2：instdlogic；～编码器2输入bdata：outstdlogic)；一数据输出endtwoprocess；architecturebehavoftwoprocessissignalcountbufl：integerrange0to32；signalspeedbufl：std_logicvector(15downtoO)；一求速度之寄存器signalspeedbuf2：std_logic_vector(15downtoO)；一求速度之寄存器beginal：process(clk，CS，clr,ainl，ain2，binl，bin2，countbufl，speedbufl，speedbuf2)beginifclr=’l’thenifcs='O’thenifain2’eventandain2=’1’thenifspeedbuf2=”011l111111111111”thenspeedbuf2<=”0000000000000000”；elsespeedbuf2<=speedbuf2+l；endi￡speedbuf2(15)<=bin2；endi￡ifainl’eventandainl=’1’thenifspeedbufl=”0111111111111111”thenspeedbufl<=”0000000000000000”；elsespeedbufl<=speedbufl+1；endi￡speedbufl(15)<=bin1；endi￡elseifclk’eventandclk--’l’tllen—\n．——．．山东大学硕士学位论文II。_鼍胃鲁鲁鼍置詈毫皇詈寰皇皇曼鼍皇皇鲁皇鼍皇詈鼻鼍曼鼍皇≤喜皇；；皇；；；鼍量囊宣田曾ifcountbufl=32thencountbufl<=1；elsecountbufl<=countbufl+1；endif；ifcountbufl>Oandcountbufl<=16thendata<=speedbufl(countbufl)；elsifcountbufl>16andcotmtbufl<=32thendata<=speedbuf2(countbufl．16)；endi￡endif：endi￡elseifCS=’l’thenspeedbufl<=”0111011100110001”：speedbuf2<=”0111011100110001”：countbufl<=32；speedbufl(I5)<=’l’；speedbuf2(15)<=’l’；elsespeedbufl<=”0000000000000000”：speedbuf2<=”0000000000000000”：countbufl<=32；endi￡endif；endprocessal；a3：process(countbufl，speedbufl，speedbuf2)beginifcountbufl>Oandcountbufl<_l6thendata<=speedbufl(countbufl)；elsifcountbufl>16andcountbufl<=32thendata<=speedbuf2(countbufl一16)；endi￡endprocessa3；endbehav；\nLfigure=imread(’indoor7．bmp’)；％左(源)图像LFRfigure=imread(’indoorl0．bmp’)；％右／目标图像RFfx=[-2·1012】；Llx=filter2(fx,Lfigure)；fy=【-2；·l；0；l；2】；Lly=filter2(fy,Lfigure)；LIx2=LIx．^2：LI’y2=LIy．^2；Llxy=Llx．*LIy；clearLIx；clearLIy；刚)‘2=RIx．^2；RIy2=RIy．^2；RIxy=RIx．*RIy；clearRIx；clearRIy；％X方向梯度算子(用于Harris角点提取算法)Rlx=filter2(fx，Rfigure)；％Y方向梯度算子(用于Harris角点提取算法)RIy=filter2(fy,Rfigure)；h-fspecial(’gaussian’，【77】，2)；％产生7*7的高斯窗函数，sigma=2LIx2=filter2(h．LIx2)；LIy2=filter2(h,LIy2)；Llxy=filter2(h，Llxy)；Rlx2=filter2(h，RIx2)；RIy2=filter2(h，RIy2)；砌xy=filter2(h，RIxy)；Lheight=size(Lfigure，1)；Lwidth=size(Lfigure，2)；Lresult=zeros(Lheight,Lwidth)；％纪录角点位置，角点处值为1Rheight=size(Rfigure，1)；Rwidth=size(Rfigure，2)；Rresult=zeros(Rheight，Rwidth)；％纪录角点位置，角点处值为lLR=zeros(Lheight．Lwidth)；RR=zeros(Rheight,Rwidth)；LRmax=O；fori=1：Lheight％图像中最大的R值forj=1：LwidthLM=【LIx2(id)Llxy(id)；Llxy(i,j)LIy2(i,j)]；LR(ij)=det(LM)·0．06+(trace(LM))^2；ifLR(i,j)>LRmaxLRmax=LR(ij)；％autocorrelationmatrix％计算R\n山东大学硕士学位论文end；RRmax=0：fori=1：Rheight％图像中最大的R值forj21：RwidthRM=【RJx2(id)RIxy(i,j)；RIxy(i,j)RIy2(i,j)]；RR(ij)=det(RM)-0．06宰(trace(RM))"2；ifRR(i,j)>RRmsxRRmax=RR(ij)；end；％autocorrelationmatrix％计算RLcnt=O；fori=2：Lheight-1forj=2：Lwidth-1％进行非极大抑制，窗口大小3*3ifLR(i,j)>0．2*LRmax&&LR(i，j)>LR(i-1j-1)&&LR(ij)>LR(i-1j)&&LR(i,j)>Llui-1,j+1)&&LR(i,j)>LR(i,j-1)&&LR(ij)>LR(i,j+I)&&LR(id)>LR(i+ld—1)&&LR(i,j)>LR(i+Ij)&&LR(ij)>LR(i+I,j+I)RR(i-Ij·1)&&RR(i,j)>RR(i·1j)&&RR(i,j)>>RR(i,j+I)&&RR(i,j)>RR(i+I,j-1)&&RR(ij)％角点个数\nxR2Rposc(j)；yR=Rposr0)；Csuml=CsumI+((double(Lfigure(xL+(xx-(m一1)／2)，yL+(yy·(m-1)／2))))-(double(dlL(xL，yL))))。(double(Rfigure(xR+(xx-(m-1)／2)，yR+(yy-(m-1)／2)))-double(dlR(xR,yR)))；Csum22Csum2+((double(Lfigure(xL+(xx-(m-1)／2)，yL地y一(m一1)／2))))·(double(dlL(xL，yL))))+((double(Lfigure(xL+(xx-(m-1)／2)，yL+(yy一(m-1)／2))))-(double(dlL(xL，yL))))；Csum3=Csum3+(double(Rfigure(xR+(xx-(m一1)／2)，yIH(yy一(m-1)／2)))-double(dlR(xR,yR)))*(double(Rfigure(xR+()()(-(m·1)／2)，yR+(yy-(m—1)／2)))·double(dlR(xR,yR)))；％endk2=k2+l：S(i，k2)=Csuml／(sqrt(Csum2奎Csum3))；end\n山东大学硕士学位论文参考文献【l】戴先中．2l世纪非制造业自动化的发展与特种机器人研究思考【J】．自动化学报，2002，S1：96．102．【2】【3】【4】【5】【6】【7】【8】【9】【10】【11】【12】【13】【14】【15】[161【17】J．Casper,M．Micire，andR．Murphy．IssuesinIntelligentRobotsforSearchandRescue[J]，SPIEGroundVehicleTechnologyII，2000，4：4l_46．ERKMENI，ERKMENAM，～【ATSUNOF’eta1．Snakerobotstotherescue[J]．IEEERobotics&AutomationMagazine，2002，9(3)：17-25．刘金国，王越超，李斌等．灾难救援机器人研究现状、关键性能及展望【J】．机械工程学报，2006，12：1．12．NilssonNJ．ShakeytheRobot．．California：SRlIntemationalAICenter，1984：1-24．GiraltGSobekRChatilaR．AMulti-LevelPlanningandNavigationSystemforaMobile，AFirstApproachtoHILARE[J]．Processingsof6恤InternationalJointConferenceonArtificialintelligence，1979，l(1)：335-337．ShhaidiR,ShaymanM，KrishnaprasadPS．Mobilerobotnavigationusingpotentialfunctions[C]．InProc．IEEEInternationalConferenceonRoboticsandAutomation，NewYork,1991：2047-2053．AndresenFP，DavisLS，eta1．Visualalgorithmsforautonomousnavigation[J]．ProeeedingsofIEEEInternationalConferenceonRoboticsandAutomation，1985：856-861．何克忠，郭木河．智能移动机器人技术研究【J】．机器人技术与应用，1996，2：11．13．杨毅，智能机器人的研究与开发【D】．河北工业大学硕士论文，2004，3．GoldbergSB，MmnoneMWMatthiesL．StereoVisionandRoverNavigationSoftwareforPlanetaryExploration[C]．Proceedingsofthe2002IEEEAerospaceConference，Montana,USA，2002。张朋飞，何克忠，欧阳正拄等．多功能室外智能移动机器人实验平台--aa-IMR-V[J]．机器人，2002，24(2)：9％101．孙振平，安向京，贺汉根．CITAVT-IVo见觉导航的自主车【J】．机器人，2002，24(2)：115—121．王荣本，储江伟等．一种视觉导航的实用型AGV设计【J】．机械工程学报，2002，38(11)：135．138．LiQ，ZhengN，ChengH．Springrobot：aprototypeautomomousvehicleanditsalgorithmsforlanedetection[J]．IEEETransactionsonIntelligentTransportationSystems，2004，5(4)：300．308．蒋燕．基于多传感器信息融合的同步定位与地图创建研究[D】．湘潭大学．2009．J．CasperHuman—robotinteractionsduringtherobot-assistedurbansearchandrescueresponseattheWorldTradeCenter,M．S．thesis，Univer．SouthFlorida,Tampa,2002．\nsearchandrescuetasks[C]／／IEEE／RSJInternationalConferenceonIntelligentRoboticsandSystems，Oct．27-30，2003，Bally’SLasVegasHotel，LasVegas．Piscataway：IEEE。2003：2889．2899．【22】SnakebotsToTheReseue[OL]．【2005-08·25]．http：／／media．nasaexplores．corn／lessons／02—014／fullarticle．pdf．[23】HIROSES，FUKUSHIMAEF．Developmentofmobilerobotsforrescueoperations[J]．AdvancedRobotics，2002，16(6)：509-512【24】KAMEGAWAT'YAMASAKIT，SATON，eta1．Sequentiallyconnectedmultiple—unitrescuerobotplatform[C]／／FirstIntemmionflWorkshoponSyntheticSimulationandRoboticstoMitigateEarthquakeDisaster,Padova,July5恤，2003，UniversityofRome，Rome．Rome：UniversityofRome，2003：29-30【25】李科杰．危险作业机器人发展战略研究[J】．机器人技术与应用，2003，，5：14．22．【26】李斌．蛇形机器人的研究及其在灾难救援中的应用【J】．机器人技术与应用，2003，3：22．26．【27】王越超．我国危险作业研究开发取得新进展【J】．机器人技术与应用，2005，6：11．14+18．[28】丁显孔．浅谈我国消防灭火机器人在火场上的应用[J】．消防科技与产品信息，2004，8：26．30．【29】李跃．导航与定位【M】．第2版．北京：国防工业出版社，2008，7．[30】王玉峰．自主移动机器人地图构建探索及定位研究[D】．大连：大连理工大学电子与信息工程学院，2004．【3l】高云园，郭云飞，韦巍．协作多机器人用于未知环境完全探测和地图构建【J】．仪器仪表学报，2007，28(7)：1259．1264．【32】马明山，朱绍文，何克中，李相伟．室外移动机器人定位技术研究[J】．电工技术学报，1998．2：43-46．【33】吴秋平．GPs／DR组合系统在车辆导航中的应川研究【D】．东南大学硕士学位论文，1995．【34】黄正谨，徐坚，章小丽等．CPLD系统设计技术入门与应用【M】．电子工业出版社，2002．【35】AlteraCorporation(www．altera．corn)，MAXIIDeviceHandBook[36】李得胜，王东红，孙金玮等．MEMS技术及其应用【l咽．哈尔滨：哈尔滨工业大学出版社．71\n【38】【39]【40】王亚珍，朱文坚．微机电系统技术及发展趋势【J】．机械设计与研究，2004，20(1)：10．13．INNALABS．http：／／www．innalabs．COrn夏琳琳．低成本AHRS—GPS紧耦合融合滤波技术研究[D】．哈尔滨工程大学博士学位论文，2008．【4l】蒋庆华．音叉电容式微机械陀螺接口电路设计研究【D】．西北工业大学硕士学位论文，2004．【42]马惠钺．压电效应以及压电材料的研究【J】．科技资讯，2010，30：119．【43】李德胜，王东红，孙金玮，金鹏．MEMs技术及其应用[M】．哈尔滨：哈尔滨工业大学出版社，2000．【44】Moravec，H．ObstacleAvoidanceandNavigationintheRealWorldbyaSeeingRobotRover,TechReportCMU—RI—TR-3，Carnegie-MellonUniversity，Roboticslnstitute，September1980．【45】MatthiesL，ShaferS．ErrorModelinginStereoNavigation[J]．JournalofRobotAutomation,1987，RA一3(3)：239-250．【46】GoldbergS，MaimoneM，MatthiesL．Stereovisionandrovernavigationsoftwareforplanetaryexploration[C]／／IEEEAerospaceConference．Piscataway,NJ，USA：IEEE，2002：2025-2036．【47】OlsonC，MatthiesL，SchoppersM，eta1．Robuststereoegomotionforlongdistancenavigation[C]／／IEEEComputerSocietyConferenceonComputerVisionandPattemRecognition．LosAlamitos，CA，USA：IEEEComputerSociety,2000：453-458．【48】Zhang，Z，FaugerasO，Ayache，N．Analysisofasequenceofstereoscenescontainingmultiplemovingobjectsusingrigiditycomtrains[C]／／SecondInternationalConferenceonComputerVision，1988：177-186．【49】LacroixS，MalletA，ChatilaRGalloL．RoverselflocalizationinPlanetary．1ikeenvironments[C]．Proceedingsof5mInternationalSymposiumonArtificialIntelligence。RoboticsandAutomationinSpace，1999：433-440．【50】MalletA，LacroixS，GalloL．Positionestimationinoutdoorenvironmentsusingpixeltrackingandstereovision[C]．ProceedingsoflCRA'00IEEEInternationalConferenceonRoboticsandAutomation，2000：3591·3524．【51】NistdrD，Naroditskyo，BergenJ．Visualodometry[C]．ProceedingsofIEEEComputerSocietyComputerVisionandPatternRecognition，2004，1：652-659．【52】NistdrD，Naroditsky0，eta1．VisualOdometryforGroundVehicleApplications【J】．JournalofFieldRobotics，2006，23(1)：3-20．【53]NistdrD．Anefficientsolutiontothefive-pointrelativeposeproblem[C]／／IEEETransactionsonPatternAnalysisandMachineIntelligence，2004，26(6)：756．770．\n山东大学硕士学位论文【54】Nist6r,D．PreemptiveRANSACforlivestructureandmotionestimation[J]．MachineVisionandApplications，2005，16(5)：321-329．【55】ChengYMsimoneMWeta1．VisualOdometryontheMarsExplorationRoversSystems[C]．ProceedingsofIEEEInternationalConferenceonManandCybernetics，2005：903．910．【56】HelmickDM，ChengVeta1．PathFollowingUsingVisualOdometryforaMarsRoverinHigh-slipEnvimnmenm[C]．ProceedingsoflEEEAerospaceConference，2004：772．789．【57】岳富占，崔平远，崔祜涛．基于视觉序列图像的月球车自运动估计技术【J】．系统仿真学报，2007，19(13)：3033．3037．【58】吕强．基于特征点提取的单目视觉里程计的研究【D】．浙江大学．2007．【59】彭勃．立体视觉里程计关键技术与应用研究【D】．浙江大学，2008．【60】马玉娇．基于立体视觉里程计的移动机器人定位研究【D】．武汉科技大学，2009．【61】刘博，仲思东．一种基于自适应阈值的SUSAN角点提取方法【J】．红外技术，2006，6：331-333【62】LoweD．DistinctiveImageFeaturesfromScale—invariantKeypoints[J]．InternationalJournalofComputerVision,2004，60(2)：91-ll0．【63】LoweD．ObjectRecognitionfromLocalScale-InvariantFeatures[C]．ProceedingsofIEEEInternationalConferenceonComputerVision,1999：l150．1157．【64】DellaertELocallnvariantFeatures[C]．ProceedingsofIEEEComputerSocietyInternationalConferenceonComputerVisionandPattemRecognition，2003．【65】BrownM，LoweD．AutomaticPanoramicImageStitchingusinglnvariantFeatures[J]．IntemationalJoumalofComputerVision，2003，74(1)：59-73．【66】HarrisC，StephensM．ACombinedComerandEdgeDetector[C]．Proceedingsofthe4也AlveyVisionConference，1988：147-151．【67】MaybankS，FaugerasO．D．Atheoryofself-calibrationofamovingcamera[J]．ComputerVision．1992，8(萄：123·151．【68】范洪，袁保宗．基于反对称矩阵分解的计算刚体三维运动旋转参数的线性算法【J】．电子学报，1992，4：1-7．【69】李智，周文晖，刘济林．动态场景下基于视差空间的立体视觉里程计【J】．浙江大学学报：工学报，2008，42(10)：1661．1665．[70】丁良宏，王润孝，冯华山，段清娟．立体视觉测程研究进展[J】．机器人，2011，33(1)：l19—127．【7l】贾云得．机器视觉【M】．北京：科学技术出版社，2002．【72】张广军．机器视觉【M】．科学出版社，2005．【73】吴功伟，周文晖，顾伟康．基于视差空间的双目视觉里程计【J】．传感技术学报，2007，20(6)：1433-1434．[74】崔中兴．惯性导航系统[M】．北京：国防工业出版社。1982．\n山东大学硕士学位论文【75】马颂德，张正友．计算机视觉rm]．科学出版社，2003．【76】高满屯，曲仕茹，李西琴．计算机视觉研究中的投影理论和方法【M】．西安：西北工业大学出版社．1998．[77】BeisJ，LoweD．ShapeIndexingusingApproximateNearest-neighbourSearchinHigh—dimensionalSpaces[C]．ProceedingsoftheIEEEComputerSocietyConferenceonComputerVisionandPatternRecognition,1997：1000-1006．【78】AndrewE，JohnsonL，MatthiesH．PreciseImage-BasedMotionEstimationforAutonomousSmallBodyExploration[C]．Proceedingsof5mInternationalSymposiumonArtificialIntelligence，RoboticsandAutomationinSpace，1999：627-634．【79】UmeyamaS．Least-squaresestimationoftransformationparametersbetweentwopointpattems[C]／／IEEETransactionsonPatternAnalysisandMachineIntelligence．1991，l3(4)：376．380．74\n大学硕士学位论文致谢士研究生即将过去，借此机会，谨向所有曾给予我指导友致以最衷心的谢意!首先，我要向我的导师李贻斌教授致以崇高的敬意和最诚挚的感谢!本论文是在导师李贻斌教授亲切关怀和悉心指导下完成的。李老师具有极高的专业素养，实事求是的科研精神，和蔼可亲的态度，脚踏实地的工作作风，这些使我终生难忘，受益匪浅。李老师不仅在学术上给了我无私的指导，而且在生活上和给予了无微不至的关怀。三年前选择李老师作为导师是我最明智的一个决定!李老师是我终生学习的榜样。感谢山东大学机器人研究中心的宋锐老师，他在课题研究期间给予了我无私的支持和帮助，宋老师多次询问研究进程，并为我指点迷津，帮助我开拓研究思路，精心点拨、热忱鼓励，使我在论文写作过程中深受启发；此外还要感谢荣学文老师、周风余教授、马昕教授对我专业上的指导。感谢同一个课题组的孟庆志、吴磊同学，我们有幸在宋老师带领下参与同一个项目组，在组里各自分工又通力合作，一起为了搜救机器人的研究工作付出了不懈的努力。感谢他们对我的支持与帮助，三年的实验室合作工作给我留下了难忘的回忆。此外还特别感谢我的学弟王维、刘全信、学妹信晓敏，对我的研究提供很大的帮助和支持。感谢各位老师在百忙之中抽出时间来审阅我的论文。最后我要特别感谢我的父母，是他们在我的漫漫求学路上一直默默的支持我，给我一个追求梦想的坚强后盾。谁言寸草心，报得三春晖。谨以此文献给我的父母，感谢他们的养育之恩，也献给所有关心和帮助过我的朋友们175\n山东大学硕士学位论文\n攻读硕士学位期间发表的论文\n\n学位论文评阅及答辩情况表专业技术是否博导总体评价姓名所在单位职务(硕导)※论鲁守银教授思山东建诫火学犯舌又田瓤诚放谨思山春天挲彬秀评阅人专业技术是否博导姓名所在单位职务(硕导)卑守银教授思山东建氏火学主席乃口fi痴投足山京久洋答山东火、芬辩口轫诫叛谨是委嗲饺花敌缓足山东大哮员委会壹·J铒波教授更LlJ苁犬哮成员答辩委员会对论马咱答辩日期矽J№·≥于文的总体评价※多答辩秘书备注※优秀为“r；良好为“B”；合格为“C”；不合格为“D”．\n\n搜救机器人运动控制系统完善与改进作者：谢爱珍学位授予单位：山东大学本文读者也读过(10条)1.刘经龙.秦辉.陈润明一种基于地震搜救机器人的人体热释红外检测引导方案[期刊论文]-科技传播2011(13)2.张亚萍.马明星.ZHANGYa-ping.MAMing-xing搜救机器人系统的设计与开发[期刊论文]-中国制造业信息化2010,39(5)3.陈旭无线网络环境下的机器人动态跟踪随机LQG算法[学位论文]20114.张慧辉他莫西芬和克罗米芬在PCOS患者促排卵的应用研究[学位论文]20115.郑金龙拇指旋转运动发生机制的初步研究[学位论文]20116.余见能.沈林勇.张震.章亚男.YUJian-neng.SHENLin-yong.ZHANGZhen.ZHANGYa-nan废墟搜救机器人形位检测系统[期刊论文]-上海大学学报（自然科学版）2011,17(3)7.孙德华RoBUT-Ⅰ机器人的研制及其视觉研究[学位论文]20108.寇军输电线路清障机器人机器视觉系统的研究[学位论文]20119.杨亚伟脉冲信号接收机射频前端及状态滤波器设计[学位论文]201110.刘曦冉北京市40岁以上男性血清PSA与PSAV的特点及影响因素研究[学位论文]2011本文链接：http://d.g.wanfangdata.com.cn/Thesis_Y1937721.aspx