CN101126808B - 一种机器人导航***及导航方法 - Google Patents

Abstract

本发明公开一种机器人导航***及导航方法，***包括：多个无线访问点构建一个导航网络；无线通信模块用于数据传输和采集与各无线访问点通信的强度序列；传感器用于感知机器人是否遇到障碍物；一个位置服务器存储参考强度序列和运行复杂定位算法，通过连接一个无线通信模块连接，与导航网络的交互；导航方法：机器人对比实时采集的强度序列与存储各位置点参考强度序列，判断下一目标位置，直至到达目的地；当识别到障碍物时，记录并标定该处强度序列，以免再次进入该区域，实现智能学习；机器人可向位置服务器上传相关信息，借助位置服务器的数据库和定位算法实现导航中的辅助定位。本发明具有不易受环境影响，实现和维护成本低廉等优点。

Description

一种机器人导航***及导航方法

技术领域

本发明属于机器人技术领域，涉及一种机器人导航***，用于可安装无线访问点环境下的机器人定位和自动导航。

背景技术

移动机器人导航是实现在复杂环境下机器人***依靠传感器技术和人工智能技术，从出发点运动到目的点的***和方法。常见的导航方式有电磁导航、光反射导航、视觉导航、味觉导航等。

电磁导航也称为地下埋线导航，其原理是在路径上连续埋设多条引导电缆，分别流过不同频率的电流，通过感应线圈对电流的检测来感知路径信息。该技术成本高，布置、改造和维护困难；光反射导航的原理是在路径上连续铺设光反射条，虽然成本较低，但与电磁导航一样，***布置、改造和维护困难，不利于实现大面积范围内的导航；视觉导航方式具有信号探测范围宽、获取信息完整等优点，但由于要处理大量的实时视频信息，对处理器计算能力要求非常高，不利于设备的小型化，同时，视频信号受光线影响非常大，必须在光照良好的环境下进行；味觉导航是指机器人通过化学传感器感知气味，根据气味浓度和气流方向来控制机器人的运动，但该导航方式是在特定气味环境下才能工作，如搜寻空气污染和化学品药物泄漏等，普适性不强。

目前还没有一种导航技术能够同时实现复杂环境下不受温度、湿度、气流、光纤等因素影响，同时满足布置、改造和维护成本低廉，也不要求高性能处理器等要求。

发明内容

现有技术存在复杂环境下受温度、湿度、气流、光纤等因素影响，维护成本高，由于条件限制需要高性能处理器等问题，为了解决现有技术的问题，本发明的目的是能够同时实现复杂环境下不受温度、湿度、气流、光线等因素影响，同时满足布置、改造和维护成本低廉，也不要求高性能处理器等要求，为此提供一种机器人导航***及导航方法。

本发明涉及的机器人导航***以无线电信号强度在空间不同位置呈现不同分布特征(也称射频指纹)为原理，将物理空间的位置映射到多个无线访问点的无线电信号强度分布构成的数字逻辑空间，通过寻找逻辑空间的匹配序列进而反推出物理空间坐标。因此，本发明***包含四个关键部分：一个支持数据路由的、由无线访问点构成的导航网络；加装在移动机器人上的无线通信模块；加装在移动机器人上的环境传感器；一个处于导航网络中的位置服务器。

随着集成电路和通信技术的发展，构建一个支持数据路由、成本低廉的无线电导航网络成为可能；自动产生通信中数据帧平均信号强度已是大多数无线通信芯片的基本功能；无线信号的空间衰落特性表明，在布置了多个无线访问点的导航区域内，可以分割出很多栅格，在每个栅格内与无线访问点通信的平均信号强度统计特性与该栅格的位置点有确定的关系。以上要素保证了本发明的理论正确性和实际可行性。同时，无线点信号不易受温度、湿度、气流、光线等环境影响，说明了本发明优越的抗干扰性能。

为了实现本发明的目的，本发明的第一方面提供一种机器人导航***，其中包括：

一个导航网络，由多个无线访问点组成，无线访问点天线采用全向天线，多个无线访问点覆盖整个导航区域，导航网络通过无线访问点路由进行数据传输；

一个加装于机器人上的无线通信模块，其天线为全向天线，用于采集其与导航网络中各无线访问点通信的无线电信号强度以及与导航网络交互；

多个加装在机器人的传感器，用于感知机器人是否遇到障碍物，机器人记录并标定遇到障碍物时的当前位置；

一个位置服务器，用来存储导航区域内各位置点上与无线访问点通信的无线电信号强度数据，位置服务器与一个无线通信模块连接，用于实现与导航网络的交互。

根据本发明的实施例，所述在所要导航区域的不同位置设置多个无线访问点，使在导航区域内的任何位置点上，都有两个以上无线访问点覆盖，即在任何位置上，机器人能够同时通过两个以上无线访问点接入导航网络。

根据本发明的实施例，所述无线通信模块安装在机器人的具有360度自由旋转或者摆动的机械臂上，当机械臂触及障碍物时，能够反方向旋转或摆动，实现机器人无需移动就能探测当前位置点机械臂半径范围内的无线电信号强度。

根据本发明的实施例，所述机器人上加装的传感器检测机器人是否遇到障碍物，以以下三个判断条件为依据：

检测到与障碍物接触时受到的阻力；

检测到与障碍物的距离小于设定阈值；

检测到当前速度等于0，而加速度不等于0；

当机器人遇到障碍物后，记录并标定当前位置，防止机器人再次进入该区域，并自动退回到上一位置，实现导航中的智能学习。

根据本发明的实施例，当机器人在运动过程中，其无线通信模块采集到的强度序列的统计特性无法和存储器内所有位置点的参考序列匹配时，机器人通过导航网络，向位置服务器发送出发点位置坐标、目的点位置坐标、当前采样强度序列和已历经强度序列。

根据本发明的实施例，所述位置服务器显示导航区域的地图或示意图，导航区域被分割成不同栅格并在地图或示意图上显示；每个栅格内与不同访问节点通信的无线电信号强度特征被事先测定，并保存于位置服务器上的数据库中。

根据本发明的实施例，所述位置服务器通过与其连接的无线通信模块接入导航网络，接收机器人上无线通信模块发来的出发点位置坐标、目的点位置坐标、当前采样强度序列和已历经强度序列；位置服务器采用更为复杂的定位算法，将这些强度序列与其存储的更为完善位置数据库内参考强度序列进行对比，直接确定机器人当前位置和下一步推进位置，在位置服务器的地图或示意图上显示出机器人当前位置，将下一步推进位置通过导航网络发至机器人。

为了实现本发明的目的，本发明的第二方面提供一种机器人导航方法，当机器人一旦判断遇到了障碍物，则记录并标定当前位置的强度序列，防止机器人再次进入该区域，并自动退回到上一位置，实现导航中的智能学习。

根据本发明的实施例，所述导航采用训练导航方式，其训练导航步骤为：

步骤1：设定机器人出发点位置坐标和目的点位置坐标，推进步序号设为0；将无线通信模块固定到机械臂中央位置；

步骤2：通过牵引或者助推方式使机器人从出发点逐步向目标点移动；机器人每推进一个大小等于机械臂半径的步距后，推进序号加1，并启动无线通信模块，对各无线访问点进行信号强度采集，做统计处理和保存；统计处理结果与当前移动的推进步序号关联；

步骤3：重复步骤2，直至机器人运动到目的位置，结束训练过程；

步骤4：将机器人归位到出发点位置，并设定机器人出发点位置和目的点位置坐标，推进步序号设为0，误差设为0，进入导航过程；

步骤5：机器人移动前，将无线通信模块固定在机械臂一侧并启动，通过机械臂的转动或摆动分别采集周围空间内各点处与各无线访问点通信的无线信号强度序列，并分别计算各组数据的统计特征；选取统计特征与当前推进步序号对应训练数据统计特征最为接近的点为下一步目标，向其移动一步，推进步序号加1；当所选取的点其采样统计特征与存储的当前推进步序号对应数据的统计特征误差小于设定的最小阈值时，误差归0；反之，当误差大于设定的最大阈值时，自动退回到上一位置，误差归0；

步骤6：重复步骤5，直至机器人到达目的位置。

根据本发明的实施例，所述导航采用存储导航方式，其存储导航步骤为：

步骤1：设定机器人出发点位置和目的点位置坐标，推进步序号设为0，误差设为0；在机器人的存储器中保存一份无线访问点参考强度序列数据；该序列数据实际是某次针对该出发点和目的点的训练数据的备份；机器人直接开始导航过程；

步骤2：机器人移动前，将无线通信模块固定在机械臂一侧并启动，通过机械臂的转动或摆动分别采集周围空间内各点处与各无线访问点通信的无线信号强度序列，并分别计算各组数据的统计特性；选取统计特征与当前推进步序号对应存储数据统计特征最为接近的点为下一步目标，向其移动一步；当所选取的点其采样统计特征与存储的当前推进步序号对应数据的统计特征误差小于设定的最小阈值时，误差归0；反之，当误差大与设定的最大阈值时，自动退回到上一位置，误差归0；

步骤3：重复步骤2，直至机器人到达目的位置。

根据本发明的实施例，所述导航采用主动导航方式步骤为：

步骤1：设定机器人出发点位置和目的点位置坐标，推进步序号设为0，误差设为0；

步骤2：机器人移动前向位置服务其寻求帮助，位置服务器计算从出发点到目的点的最优路径，并向机器人上的无线通信模块传输下一步位置点的无线电信号强度序列的统计特征值；

步骤3：机器人移动前，将无线通信模块固定在机械臂一侧并启动，通过机械臂的转动或摆动分别采集周围空间内各点处与各无线访问点通信的无线信号强度，并分别计算各组数据的统计特征；选取统计特征与收到的来自位置服务器的统计特征最为接近的点为下一步目标，向其移动一步；当所选取的点其采样统计特征与存储的当前推进步序号对应数据的统计特征误差小于设定的最小阈值时，误差归0；反之，当误差大与设定的最大阈值时，自动退回到上一位置，误差归0；

步骤4：重复步骤2和步骤3，直至机器人到达目的位置。

本发明的技术效果及优点：

本发明在***上采用无线通信模块与无线访问点构建导航网络的实现方式，由于无线访问点体积小，无电缆约束等优点，使***布置简单、快速，并易于改造和维护；无线访问点和无线通信模块可采用多种现成成熟技术，设计或购买成本低廉，使***建设和维护成本也相应低廉；无线通信不易受温度、湿度、气流、光线等因素影响，使***普适性强，能应用于各种复杂多变环境。

同时，本发明在方法上通过比对实时采集的与各无线访问点通信的无线电信号强度序列和信号强度参考序列的方式确定导航过程中下一步的移动目标，方法依赖的是无线通信的信号强度，使训练和采集过程简单、快捷；无线信号强度相对稳定，数据简单，其统计特性易于分析，不要求采用高性能处理器就能实现目标，***和算法复杂度低，易于设计和实现；定位方法充分发挥导航网络的数据路由功能，设置了位置服务器，并充分发挥设置位置服务器的大容量、高性能特点，在导航过程中实时提供定位服务，辅助机器人导航；通过存储和标定遇到障碍物时位置点上采集到的各无线访问点信号强度序列，标定出导航区域内的障碍区域，实现导航过程中的智能学习。

附图说明

图1是本发明的结构框图

图2是本发明的***实施例结构示意图

图3是本发明的机器人实施例结构图

图4是本发明的位置服务器管理界面实施例图

具体实施方式

下面将结合附图对本发明加以详细说明，应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。

如图1本发明的结构框图所示包括：

导航网络1有：以无线方式连接、构成互相通信和实现共享网络体系的n个无线访问点AP1～APn，n为自然数。无线访问点实现方式采用ZigBee规范即IEEE802.15.4或WLAN规范即IEEE802.11x(x可以是a、b、g或n)或ISM频段下的非标准自定义协议，天线采用全向天线。无线访问点的布置与机器人定位精度要求、导航网络1覆盖区域大小、导航网络1所处环境和无线访问点布置密度与分布有关，要说明的是，机器人定位精度要求与机器人安装的机械臂长度相关：随着长度增长，精度要求可放宽，但过长的机械臂会约束机器人的运动空间。一般通过试验方式确定无线访问点的布置，试验准则是：

(1)保证到导航区域内的任意位置上机器人的无线通信模块都能接收到两个以上无线访问点信号；

(2)在以机器人位置为中心，以机器臂为半径的圆上，每隔90度，能找到四个位置，在这些位置上机器人收到的无线访问点能量序列有明显的差异。

当满足条件(1)，但不满足条件(2)时，可通过降低无线访问点信号发射功率或增大机械臂长度，降低定位精度的方式调整；

当满足条件(2)，但不满足条件(1)时，可通过增加无线访问点数量的方式调整。无线访问点运行的应用程序必须支持基于IP或媒体控制层地址的路由，同时路由支持的跳数要满足机器人在导航网络内任意位置上都能通过无线访问点连接到位置服务器。

机器人主控单元有：通信驱动接口、传感器接口、显示驱动接口、人机交互接口、运动驱动接口以及控制这些接口的主控处理器。通信驱动接口连接装有全向天线的无线通信模块2，接口方式可采用IIC总线或ISP总线或RS232总线或MiniPCI总线或USB总线。通过该接口，主控处理器实现两个基本功能：

(1)初始化无线通信模块2的物理层和网络层，使无线通信模块正确接入导航网络1，并通过导航网络1的路由功能，向位置服务器发送出发点位置坐标、目的点位置坐标、当前采样强度序列和已历经强度序列，以及接收来自位置服务器的下一步推进位置信息；

(2)控制无线通信模块2发出广播消息，随后读取无线通信模块内寄存器存储的无线访问点应答消息的无线电信号强度序列，以形成训练中的各位置点参考强度序列或导航中的实时强度序列。通过传感器接口，主控处理器读取各传感器3内模数转换结果，接口方式可采用IIC总线或ISP总线或RS485总线。传感器接口连接的传感器3用来检测机器人运动过程中的受阻情况，包含三种情况：

(1)直接接触障碍物，以受到障碍物阻力为判断条件。采用压力传感器，传感器输出与所受压力成正比的电压信号，模数转换结果指示压力大小；

(2)是否与障碍物的距离小于设定阈值，以发射波束与返回波束时差为判断条件。传感器输出与该时差成正比的电压信号，模数转换结果指示时差大小，时差与波速在空气中的传播速度相乘所得结果的一半即为机器人与障碍物的距离，而允许的最小阈值即为机器人机械臂半径；

(3)机器人运动部件受阻，以当前速度等于0，而加速度不等于0为判断条件。传感器输出与加速度成正比的电压信号，模数转换结果指示加速度大小。用a表示加速度，则t时刻的速度通过v_t＝v₀+a*Δt推算。通过显示驱动接口，主控处理器在显示设备上显示各类提示信息，如数据类型、数据范围、当前状态、命令帮助等。接口方式可采用VGA或S-Video或复合视频输出接口方式。通过人机交互，主控处理器接收来自输入设备的设定信息或控制命令，该接口方式可以采用PS2或USB或RS232接口方式。通过运动驱动接口，主控处理器控制转向步进电机和移动步进电机，实现机器人的运动，该接口可以采用USB或RS232或PWM接口方式。机器人主控应用程序包括训练数据采集、小型数据库管理和维护、简单导航算法三部分。

位置服务器4可以采用通用PC，包含通信驱动接口和人机交互接口。通信驱动接口用于连接无线通信模块2，可以采用PCI总线或USB总线或RS232或PCMCIA总线接口方式。通过该接口，位置服务器4驱动无线通信模块2，使之接入到导航网络1中。人机交互接口包括驱动显示器的VGA接口和驱动键盘的PS2或USB接口。位置服务器4应用程序包括管理服务程序、大型数据库管理和维护、导航算法库三部分。大型数据库保存导航区域内各位置点参考强度序列及其统计特征，该参考强度序列可以通过多次长期采样获得，以确保其统计特征准确、可靠，具有代表性。导航算法库可以包括多种算法以适应不同应用下的响应时间要求，包括复杂度较低的欧式距离最小分类法，复杂度中等的贝叶斯分类法和复杂度较高的一阶马尔可夫链法等。一般来说，复杂度越高，算法结果越精确，所需计算时间也越长。

如图2本发明的***实施例结构示意图所示：

本实施例中，采用基于IEEE802.11g规范Linksys WRT54G2.4GHz无线路由器为无线访问点AP构成导航网络1，无线访问点发射功率为18dBm，室内覆盖半径约为30米；与位置位置服务器4相连的无线通信模块2采用PCMCIA接口的Linksys WPC54G无线局域网卡，而与机器人相连的无线通信模块2安装在机器人的一个T型旋转机械臂上，采用基于Conexant Systems公司的CX53111低功耗嵌入式射频芯片设计：机器人主控处理器通过SPI总线设定CX53111内各寄存器，完成网络接入和数据传输，通过读取信号强度指示寄存器获得个AP的强度序列；位置服务器4采用通用笔记本电脑，带一个PCMCIA插槽。机器人从出发点位置S向目的位置E运动。

如图3本发明的机器人实施例结构图所示：

本实施例中，机器人采用轮式移动方式包括，主控单元外壳5，集成各驱动接口电路的主控电路板安装在其内部；输入设备6为一PS2接口标准的鼠标，输出设备7为一标准VGA接口的液晶面板。通过与输出设备7配合，使用鼠标6输入机器人运动的出发点坐标、目的点坐标、传感器3配置信息和操作命令等。在训练和导航过程中，输出设备7实时显示当前可接入的无线访问点地址及其信号强度、传感器输出等信息；配置的传感器3包括八个压力传感器32、一个加速度传感器31和一个超声传感器33：压力传感器32采用压阻式压力传感器CY-YZ-150型，安装于机器人最外侧，在直流5V供电下能够以±2.5％F.S的精度检测0～40MPa的压力。采用该类型压力传感器的最大优势是，当不受力作用时，传感器无电压输出，确保不会出现误检测，因此本实施例直接以压力值>0为障碍物判断条件；加速度传感器31采用摩托罗拉的MMA1260D型，安装在机器人外壳表面，在直流5V供电下能以1260

mV/g的精度检测0～1500g的加速度。该加速度传感器的特点是：良好的线性输出、带自我校准功能、能抗击强震击。在运动过程中，如果速度等于0，但加速度此刻不等于0，则可以判断此时机器人已进入无法通过区域；超声波传感器33为收发一体的通用压电式HT/R1640-A2-1.0型，安装在可旋转的T型机械臂上，随着机械臂的转动，可向周围360度范围发射超声波。其最低声压级≥110dB/10Vrms/50cm，最低灵敏度为-75dBm，测量范围为0.10米～4.00米，精度≤1厘米，本实施例中设定与障碍物的最小距离阈值为0.1米～0.2米。导航算法中，采用当机器人一旦判断遇到了障碍物，则记录并标定当前位置的强度序列，防止机器人再次进入该区域，并自动退回到上一位置，实现导航中的智能学***衡机械臂的作用。可360度自由旋转的T型机械臂9，臂长为1米到1.5米。当机械臂触及障碍物时，能够迅速向反方向旋转，实现机器人无需移动就能探测当前位置点机械臂半径范围内的无线电信号强度。

位置服务器4为一台通用的笔记本计算机，放置在导航区域，通过其连接的PCMCIA接口的无线通信模块2与导航网络1相连并可进行数据交互。位置服务器4响应来自机器人的帮助请求，将其消息帧内所含的机器人出发点位置坐标、目的点位置坐标提取出来，显示在管理界面的示意图上；采用更为复杂的定位算法，将消息帧内的强度序列与其存储的更为完善的位置数据库参考序列进行比对，直接确定机器人当前位置和下一步推进位置，在位置服务器4的地图或示意图上显示出机器人当前位置，将下一步推进位置通过导航网络1发至机器人。位置服务器4提供服务的质量优劣主要有以下两个因素决定：

(1)位置服务器4上采用的定位算法优劣。算法基于模式识别的方法，一般来说，复杂度越高，算法结果越精确，所需计算时间也越长。本实施例采用欧式距离最小分类法算法；

(2)位置服务器4存储的与位置相关的参考强度序列数据库大小。数据库越大，说明栅格划分越小，每个栅格采样次数越高，采样统计特征值描述越接近真实值，以此特征值为参考的算法得出的精度也越高。但数据库包含的各无线访问点强度序列的是通过将机器人移动到栅格中心，由机器人上的无线通信模块2采样获得：采样时机械臂上的无线通信模块2移至机械臂中央，机械臂停止转动，进而复制到位置服务器4上。因此，数据库越大，投入到采样的人力成本和时间就越多。本实施例采用栅格边长均值为0.5米左右，每栅格点采样600次，采样频率2Hz的方式形成位置服务器4参考序列数据库。

如图4本发明的位置服务器4管理界面实施例图所示：

管理界面主要显示现场示意图、机器人位置信息和网络配置等信息：本实施例现场示意图为某楼层布局图，801～813为房间号，机器人出发点位置在左侧电梯附近，目标点位置在右侧电梯附近，导航路线主要沿着中间走廊，五个无线访问点被沿走廊布置在多个房间中。整个示意图被分割成大小不均匀的栅格，每一个栅格与其邻近测到的各无线访问点强度序列在统计角度有明显的差别，栅格的位置用横纵坐标组合来表示，如“E4”；机器人位置信息包括机器人的出发点位置坐标、目的点位置坐标和当前位置坐标：出发点位置坐标和目的点位置坐标在机器人向位置服务器4寻求帮助时通过导航网络1获取，当前位置坐标则是机器人向位置服务器4上传当前采样强度序列和已历经强度序列后，由位置服务器通过算法计算获得，并将其通过导航网络1发送至机器人；网络配置信息包含各无线访问点的网络地址、在导航网络1中的坐标等信息，如AP1地址为192.168.70.1，位置为89；管理界面同时可以显示机器人一次采样的各无线访问点信号强度序列及其统计特征值，并可以接受用户的其它控制命令。

本发明所述导航***可以采用以下导航方式：

1.训练导航方式

步骤1：设定机器人出发点位置和目的点位置坐标，推进步序号设为0。将无线通信模块移至机械臂中央，并停止机械臂转动，确保移动过程中不会发生抖动。

步骤2：通过牵引或者助推方式使机器人从出发点逐步向目标点移动。机器人向前推进0.5米，推进序号加1，并启动无线通信模块，对各无线访问点进行信号强度采集；具体采样过程为：无线通信模块2开始向导航网络1先后发出20次广播，收到广播的无线访问点做出20次响应，及完成20次采样；对采样数据做统计处理和保存；统计处理结果应当与当前移动的推进步序号关联。

步骤3：重复步骤2，直至机器人运动到目的位置，结束训练过程。设从出发点到目标点一共获得N步序列，分别为：

{[R_AP11，R_AP21…R_APm1，Is Recorded₁]，[R_AP12，R_AP22…R_APm2，Is Recorded₂]……[R_AP1n，R_AP2n…R_APmn，Is Recorded_n]}，

m是机器人无线通信模块2能收到信号的无线访问点个数，R_APij为在步序号为j的位置测到的编号为i的无线访问点强度，R_APij为采样平均值。Is Recorded_j为当前是否已经历过该点，其数据类型为布尔型。因当前为训练阶段，取值为False。

步骤4：将机器人归位到出发位置，并设定机器人出发点位置和目的点位置坐标，推进步序号设为j＝0，误差设为δ＝0，进入导航过程。

步骤5：机器人移动前，将无线通信模块2固定在机械臂一侧并启动，启动无线通信模块2进行采样，通过机械臂的转动采集周围空间内各点处与各无线访问点通信的无线信号强度序列，并分别计算各组数据的统计特征—平均值；选取平均值与当前推进步序号对应训练数据平均值最为接近的点为下一步目标，向其移动一步，推进步序号加1；当所选取的点其采样平均值与存储的当前推进步序号对应数据的平均值误差小于设定的最小阈值时，误差归0；反之，当误差大于设定的最大阈值时，自动退回到上一位置，误差归0；具体过程为：机械臂旋转45度，无线通信模块2开始向导航网络1先后发出10次广播，收到广播的无线访问点做出10次响应，及完成10次采样；机械臂继续转动45度，重复以上采样过程，直至机械臂返回初始位置。计算各组数据内各无线访问点信号强度的平均值，分别表示为：

$[R_{\mathrm{AP}1}^{o1},R_{\mathrm{AP}2}^{o1}\·\·\·R_{\mathrm{APm}}^{o1}],[R_{\mathrm{AP}1}^{o2},R_{\mathrm{AP}2}^{o2}\·\·\·R_{\mathrm{APm}}^{o2}]...[R_{\mathrm{AP}1}^{o8},R_{\mathrm{AP}2}^{o8}\·\·\·R_{\mathrm{APm}}^{o8}].$

o1～o8表示8个不同角度。选取平均值与当前步序号j最为接近的角度，移动0.5米，即角度o满足：

使欧式距离 $\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|R_{\mathrm{APk}}^o-R_{\mathrm{APk}}^j|$ 最小，且o∈{o1，o2...o8}，误差更新为

$\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|R_{\mathrm{APk}}^o-R_{\mathrm{APk}}^j|.$

步序号更新为j+1。平均值与当前推进步序号对应训练数据平均值最为接近的点确定为下一步目标，向其移动一步，并置Is Recorded_j为True，表示已历经到该位置。当所选取的点其采样平均值与存储的当前推进步序号对应数据的误差小于设定的最小阈值时，误差归0；反之，当误差δ大与设定的最大阈值时，自动退回到上一位置，误差归，并置Is Recorded_j为False，步序号更新为j-1。

步骤6：重复步骤5，直至机器人到达目的位置。

该导航方式除了在特殊情况下需要寻求位置服务器4帮助外，一般可脱离位置服务器4完成整个导航过程。

2.存储导航方式

步骤1：设定机器人出发点位置坐标和目标位置坐标，推进步序号设为0，误差设为0；并在机器人的存储器中保存一份无线访问点参考强度序列为：

{[R_AP11，R_AP21…R_APm1，Is Recorded₁]，[R_AP12，R_AP22…R_APm2，Is Recorded₂]……[R_AP1n，R_AP2n…R_APmn，Is Recorded_n]}，

该序列实际是某次针对该出发点和目的点的训练数据的备份。将机器人归位到出发位置，推进步序号设为j＝0，误差设为δ＝0，直接进入导航过程。

步骤2：机器人移动前，将无线通信模块2固定在机械臂一侧并启动，启动无线通信模块2进行采样，通过机械臂的转动采集周围空间内各点处与各无线访问点通信的无线信号强度序列，并分别计算各组数据的统计特征—平均值；选取平均值与当前推进步序号对应存储数据平均值最为接近的点为下一步目标，向其移动一步；当所选取的点其采样平均值与存储的当前推进步序号对应数据的平均值误差小于设定的最小阈值时，误差归0；反之，当误差大与设定的最大阈值时，自动退回到上一位置，误差归0；具体过程为：机械臂旋转45度，无线通信模块2开始向导航网络1先后发出10次广播，收到广播的无线访问点做出10次响应，及完成10次采样；机械臂继续转动45度，重复以上采样过程，直至机械臂返回初始位置。计算各组数据内各无线访问点信号强度的平均值，分别表示为：

$[R_{\mathrm{AP}1}^{o1},R_{\mathrm{AP}2}^{o1}\·\·\·R_{\mathrm{APm}}^{o1}],[R_{\mathrm{AP}1}^{o2},R_{\mathrm{AP}2}^{o2}\·\·\·R_{\mathrm{APm}}^{o2}]...[R_{\mathrm{AP}1}^{o8},R_{\mathrm{AP}2}^{o8}\·\·\·R_{\mathrm{APm}}^{o8}].$

o1～o8表示8个不同角度。选取平均值与当前步序号j最为接近的角度，移动0.5米，即角度o满足：

使 $\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|R_{\mathrm{APk}}^o-R_{\mathrm{APk}}^j|$ 最小，且o∈{o1，o2...o8}，误差更新为 $\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|R_{\mathrm{APk}}^o-R_{\mathrm{APk}}^j|.$

步序号更新为j+1。平均值与当前推进步序号对应训练数据平均值最为接近的点为下一步目标，向其移动一步，并置Is Recorded_j为True，表示已历经到该位置。当所选取的点其采样平均值与存储的当前推进步序号对应数据的误差小于设定的最小阈值时，误差归0；反之，当误差δ大与设定的最大阈值时，自动退回到上一位置，误差归0，并置Is Recorded_j为False，步序号更新为j-1。

步骤3：重复步骤2，直至机器人到达目的位置。

该导航方式除了在特殊情况下需要寻求位置服务器4帮助外，一般可脱离位置服务器4完成整个导航过程。

3.主动导航方式

步骤1：设定机器人出发点位置和目的点位置坐标，推进步序号设为0。

步骤2：机器人移动前向位置服务器4寻求帮助，位置服务器4计算从出发点到目的点的最优路径，并向机器人上的无线通信模块2传输下一步位置点的各无线访问点无线电信号强度的参考平均值为：

[R_AP1j，R_AP2j…R_APmj]。

步骤3：机器人移动前，将无线通信模块2固定在机械臂一侧并启动，通过机械臂的转动或摆动分别采集周围空间内各点处与各无线访问点通信的无线信号强度，并分别计算各组数据的统计特征—平均值；选取平均值与收到的来自位置服务器4的平均值最为接近的点为下一步目标，向其移动一步；

当所选取的点其采样平均值与来自位置服务器4的参考平均值误差小于设定的最小阈值时，误差归0；反之，当误差大与设定的最大阈值时，自动退回到上一位置，误差归0；

具体过程为：启动无线通信模块2进行采样，机械臂旋转45度，无线通信模块2开始向导航网络1先后发出10次广播，收到广播的无线访问点做出10次响应，及完成10次采样；机械臂继续转动45度，重复以上采样过程，直至机械臂返回初始位置。计算各组数据内各无线访问点信号强度的平均值，分别表示为：

$[R_{\mathrm{AP}1}^{o1},R_{\mathrm{AP}2}^{o1}\·\·\·R_{\mathrm{APm}}^{o1}],[R_{\mathrm{AP}1}^{o2},R_{\mathrm{AP}2}^{o2}\·\·\·R_{\mathrm{APm}}^{o2}]...[R_{\mathrm{AP}1}^{o8},R_{\mathrm{AP}2}^{o8}\·\·\·R_{\mathrm{APm}}^{o8}].$

o1～o8表示8个不同角度。选取平均值与来自位置服务器4的参考平均值最为接近的角度，移动0.5米，即角度o满足：

使 $\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|R_{\mathrm{APk}}^o-R_{\mathrm{APk}}j|$ 最小，且o∈{o1，o2...o8}，

误差更新为 $\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|R_{\mathrm{APk}}^o-R_{\mathrm{APk}}j|.$

步序号更新为j+1平均值与来自位置服务器4的参考平均值最为接近的点为下一步目标，向其移动一步，并置Is Recorded_j为True，表示已历经到该位置。

当所选取的点其平均值与来自位置服务器4的参考平均值误差小于设定的最小阈值时，误差归0；反之，当误差δ大与设定的最大阈值时，自动退回到上一位置，误差归0，并置Is Recorded_j为False，步序号更新为j-1。

步骤4：重复步骤2和步骤3，直至机器人到达目的位置。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (10)

1.一种机器人导航***，其特征在于，其中包括：

一个导航网络，由多个无线访问点组成，无线访问点天线采用全向天线，多个无线访问点覆盖整个导航区域，导航网络通过无线访问点路由进行数据传输；

一个加装于机器人上的无线通信模块，其天线为全向天线，用于采集其与导航网络中各无线访问点通信的无线电信号强度以及与导航网络交互；

多个加装在机器人的传感器，用于感知机器人是否遇到障碍物，机器人一旦判断遇到了障碍物，机器人记录并标定遇到障碍物时的当前位置，同时记录并标定当前位置的强度序列，防止机器人再次进入该区域，并自动退回到上一位置；

一个位置服务器，用来存储导航区域内各位置点上与无线访问点通信的无线电信号强度数据，位置服务器与一个无线通信模块连接，用于实现与导航网络的交互，接收机器人上无线通信模块发来的出发点位置坐标、目的点位置坐标、当前采样强度序列和已历经强度序列；位置服务器采用更为复杂的定位算法，将这些强度序列与其存储的更为完善位置数据库信息进行对比，直接确定机器人当前位置和下一步推进位置，在位置服务器的地图或示意图上显示出机器人当前位置，将下一步推进位置通过导航网络发至机器人。

2.根据权利要求1中所述的导航***，其特征在于：在导航区域的不同位置设置多个无线访问点，使在导航区域内的任何位置点上，都有两个以上无线访问点覆盖，即在任何位置上，机器人能够同时通过两个以上无线访问点接入导航网络。

3.根据权利要求1中所述的导航***，其特征在于：所述无线通信模块安装在机器人的具有360度自由旋转或者摆动的机械臂上，当机械臂触及障碍物时，能够反方向旋转或摆动，实现机器人无需移动就能探测当前位置点机械臂半径范围内的无线电信号强度。

4.根据权利要求1中所述的导航***，其特征在于：所述机器人上加装的传感器检测机器人是否遇到障碍物，以以下三个判断条件为依据：

检测到与障碍物接触时受到的阻力；

检测到与障碍物的距离小于设定阈值；

检测到当前速度等于0，而加速度不等于0；

当机器人遇到障碍物后，记录并标定当前位置，防止机器人再次进入该区域，并自动退回到上一位置，实现导航中的智能学习。

5.根据权利要求1中所述的导航***，其特征在于：机器人运动过程中，当与机器人相连的无线通信模块采集到的强度序列的统计特性无法和存储器内所有位置点的参考序列匹配时，机器人通过导航网络，向位置服务器发送出发点位置坐标、目的点位置坐标、当前采样强度序列和已历经强度序列。

6.根据权利要求1中所述的导航***，其特征在于：所述位置服务器显示导航区域的地图或示意图，导航区域被分割成不同栅格并在地图或示意图上显示；每个栅格内与不同访问节点通信的无线电信号强度特征被事先测定，并保存于位置服务器的数据库中。

7.一种机器人导航方法，其特征在于：机器人一旦判断遇到了障碍物，则记录并标定当前位置的强度序列，防止机器人再次进入该区域，并自动退回到上一位置，实现导航中的智能学习。

8.根据权利要求7所述的导航方法，其特征在于，所述导航采用训练导航方式，其训练导航步骤为：

步骤1：设定机器人出发点位置坐标和目的点位置坐标，推进步序号设为0，将无线通信模块固定到机械臂中央位置；

步骤2：通过牵引或者助推方式使机器人从出发点逐步向目标点移动；机器人每推进一个大小等于机械臂半径的步距后，推进序号加1，并启动无线通信模块，对各无线访问点进行信号强度采集，做统计处理和保存；统计处理结果与当前移动的推进步序号关联；

步骤3：重复步骤2，直至机器人运动到目的位置，结束训练过程；

步骤4：将机器人归位到出发点位置，并设定机器人出发点位置和目的点位置坐标，推进步序号设为0，误差设为0，进入导航过程；

步骤5：机器人移动前，将无线通信模块固定在机械臂一侧并启动，通过机械臂的转动或摆动分别采集周围空间内各点处与各无线访问点通信的无线信号强度序列，并分别计算各组数据的统计特征；选取统计特征与当前推进步序号对应训练数据统计特征最为接近的点为下一步目标，向其移动一步，推进步序号加1；当所选取的点其采样统计特征与存储的当前推进步序号对应数据的统计特征误差小于设定的最小阈值时，误差归0；反之，当误差大于设定的最大阈值时，自动退回到上一位置，误差归0；

步骤6：重复步骤5，直至机器人到达目的位置。

9.根据权利要求7所述的导航方法，其特征在于，所述导航采用存储导航方式，其存储导航步骤为：

步骤1：设定机器人出发点位置和目的点位置坐标，推进步序号设为0，误差设为0；在机器人的存储器中保存一份无线访问点参考强度序列数据，该序列数据实际是某次针对该出发点和目的点的训练数据的备份；机器人直接开始导航过程；

步骤2：机器人移动前，将无线通信模块固定在机械臂一侧并启动，通过机械臂的转动或摆动分别采集周围空间内各点处与各无线访问点通信的无线信号强度序列，并分别计算各组数据的统计特性；选取统计特征与当前推进步序号对应存储数据统计特征最为接近的点为下一步目标，向其移动一步；当所选取的点其采样统计特征与存储的当前推进步序号对应数据的统计特征误差小于设定的最小阈值时，误差归0；反之，当误差大与设定的最大阈值时，自动退回到上一位置，误差归0；

步骤3：重复步骤2，直至机器人到达目的位置。

10.根据权利要求7所述的导航方法，其特征在于，所述导航采用主动导航方式步骤为：

步骤1：设定机器人出发点位置和目的点位置坐标，推进步序号设为0，误差设为0；

步骤2：机器人移动前向位置服务其寻求帮助，位置服务器计算从出发点到目的点的最优路径，并向机器人上的无线通信模块传输下一步位置点的无线电信号强度序列的统计特征值；

步骤3：机器人移动前，将无线通信模块固定在机械臂一侧并启动，通过机械臂的转动或摆动分别采集周围空间内各点处与各无线访问点通信的无线信号强度，并分别计算各组数据的统计特征；选取统计特征与收到的来自位置服务器的统计特征最为接近的点为下一步目标，向其移动一步；当所选取的点其采样统计特征与存储的当前推进步序号对应数据的统计特征误差小于设定的最小阈值时，误差归0；反之，当误差大与设定的最大阈值时，自动退回到上一位置，误差归0；

步骤4：重复步骤2和步骤3，直至机器人到达目的位置。

Images