CN109708642A - 一种磁场感应设备和一种室内机器人方向感知方法 - Google Patents
一种磁场感应设备和一种室内机器人方向感知方法 Download PDFInfo
- Publication number
- CN109708642A CN109708642A CN201910025888.7A CN201910025888A CN109708642A CN 109708642 A CN109708642 A CN 109708642A CN 201910025888 A CN201910025888 A CN 201910025888A CN 109708642 A CN109708642 A CN 109708642A
- Authority
- CN
- China
- Prior art keywords
- magnetic field
- neural network
- axis magnetometer
- robot
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种磁场感应设备和一种室内机器人方向感知方法。所述的磁场感应设备是在半径为R的环形支架上均匀布置N个双轴磁强计；将N个双轴磁强计分别标号为1、2、3、…、N，以1号双轴磁强计安装在正对机器人移动的方向。所述的室内机器人方向感知方法一种基于人工神经网络的室内机器人方向感知方法。与现有的技术相比，本发明优点在于：1、该磁场感应设备可以多方位探测周围的环境磁场，为神经网络模型提供丰富的环境信息；2、采用人工神经网络技术，克服了三轴磁强计在磁场混乱的室内无法探测方向的问题以及从陀螺仪、视觉相机中解算的方向具有累积误差的问题，为室内机器人提供绝对的高精度的方向信息。
Description
【技术领域】
本发明属于导航定位领域，具体涉及一种磁场感应设备和一种室内机器人方向感知方法。
【背景技术】
随着社会的发展，室内机器人对于提高社会生产力，解放人类劳动力具有重要的社会意义已经得到了社会各界广泛的共识。近几年来，伴随着人工智能、机器人技术、先进传感器技术、智能控制、模式识别等学科突飞猛进的发展，对室内机器人的研究成为了国内外各大科研团队和大学实验室研究的热点，著名的有日本本田公司开发的人形机器人ASIMO、波士顿动力公司开发的人形机器人Atlas和小狗机器人SpotMini、我国独立研制的第一台人型机器人“先行者”等。
在陌生环境中能够自主导航是室内机器人的基本能力，也是室内机器人智能的重要标志之一，其中室内机器人的方向感知能力是自主导航技术中至关重要的一环，也是主要难点。目前室内机器人的方向感知能力主要依靠陀螺仪、视觉里程计和室内磁场等信息，然而从陀螺仪和视觉相机中得到的方向信息都有不可避免的累积误差，同时室内磁场受到室内多种因素的干扰而混乱，在现有的设备基础上无法得到准确的方向估计。
【发明内容】
本发明的目的是提供一种磁场感应设备和一种室内机器人方向感知方法，以解决现有技术中室内机器人的方向感知能力主要依靠陀螺仪、视觉里程计和室内磁场等信息，无法得到准确的方向估计的问题；利用一种新型的磁场感应设备感知磁场信息，同时利用人工神经网络处理得到的磁场信息，实现室内机器人实时感知方向。
本发明一种磁场感应设备，具体设计如下：
磁场感应设备的结构如附图1所示，在半径为R的环形支架上均匀布置N个双轴磁强计，这种双轴磁强计可实时测量所处位置在载体坐标系下的地磁场强度B在X轴、Y轴的分量(mxb,myb)。相邻两个双轴磁强计之间的角度间隔为
将N个双轴磁强计与环形支架固定组成一个固定的结构。将N个双轴磁强计分别标号为1、2、3、…、N，以1号双轴磁强计的方向作为主方向，即1号双轴磁强计的安装位置正对机器人移动方向。
一种室内机器人方向感知方法，尤其是一种基于人工神经网络的室内机器人方向感知方法，该方法分为以下5个步骤：
步骤1、将导航坐标系下的360度方向角从0度开始等分为M个区间，每一份的区间长度为取区间右边界对应的角度作为标签，得到M个角度标签，如(2)式所示，
步骤2、磁场感应设备安装在室内机器人结构中，即将N个分别标号为1、2、3、…、N的双轴磁强计与环形支架固定组成一个固定的结构安装在室内机器人中，其中1号双轴磁强计安装方向正对机器人移动方向。在室内沿着步骤1设置的标签方向移动，记录磁场感应设备中N个双轴磁强计探测到的X轴和Y轴磁场信息和对应的标签方向，得到如(3)式所示的数据
[(x1,y1,x2,y2,…,xN,yN),φj] (3)
其中xi,yi为第i号双轴磁强计探测到的磁场数据，i＝1,2,…,N，φj为行走时对应的第j个标签方向，j＝1,2,…,M。
步骤3、神经网络模型搭建与训练。人工神经网络采用BP神经网络，模型输入神经元个数为2N。隐藏层层数和每个隐藏层神经元个数通过多次实验获得，每次实验取不同的层数和神经元个数，取使得模型预测准确性最高的隐藏层个数和相应神经元个数即可，实验次数不限。输出神经元M个，输出值分别对应M个标签方向的概率。将经过步骤2采集并处理好的数据作为训练数据，输入神经网络模型进行训练，得到训练好的神经网络模型。
步骤4、实际应用过程中，利用机器人装备的磁场感应设备探测磁场数据，得到如(4)式所示格式的数据，
[x1,y1,x2,y2,…,xN,yN] (4)
其中xi,yi为第i号双轴磁强计探测到的磁场数据，i＝1,2,…,N。将(4)式所示数据输入到步骤3得到的神经网络模型进行计算，得到神经网络模型的输出如(5)式所示：
[p1,p2,…,pM] (5)
步骤5、比较步骤4得到的神经网络模型的M个输出，取M个输出中的最大值pj和第二大值pk。pj和pk分别表征机器人移动方向和的概率。以pj和pk为加权系数对移动方向和进行加权计算得到机器人的移动方向。
本发明提供一种磁场感应设备和一种室内机器人方向感知方法。与现有的技术相比，其优点在于：1、该磁场感应设备可以多方位探测周围的环境磁场，为神经网络模型提供丰富的环境信息；2、采用人工神经网络技术，克服了三轴磁强计在磁场混乱的室内无法探测方向的问题以及从陀螺仪、视觉相机中解算的方向具有累积误差的问题，为室内机器人提供绝对的高精度的方向信息。如果对本发明的各种改动和变形不脱离本发明范围，仍然属于本发明的权利要求和同等技术范围之内。
【附图说明】
图1为本发明一种磁场感应设备结构示意图。
图2为本发明一种基于人工神经网络的室内机器人方向感知方法中的人工神经网络模型的构建流程图。
图3为本发明一种基于人工神经网络的室内机器人方向感知方法。
【具体实施方式】
本发明提出了一种磁场感应设备和一种室内机器人方向感知方法，其中本发明提出的一种磁场感应设备的结构如附图1所示，一种室内机器人方向感知方法中人工神经网络模型的构建流程如附图2所示，一种室内机器人方向感知方法的运行过程如附图3所示。
一种磁场感应设备的结构如附图1所示，在半径为R的环形支架上均匀布置N个双轴磁强计，这种双轴磁强计可实时测量所处位置在载体坐标系下的地磁场强度B在X轴、Y轴的分量(mxb,myb)。相连两个双轴磁强计之间的角度间隔为
将N个双轴磁强计与环形支架固定组成一个固定的结构。将N个双轴磁强计分别标号为1、2、3、…、N，以1号双轴磁强计的方向作为主方向，即1号双轴磁强计的安装位置正对机器人移动方向。其中圆环支架的半径R和双轴磁强计的个数N由室内面积大小和机器人体型结构而定，若是环境空间较大，为了获得包含较大信息量的磁场数据，R和N的取值可以在机器人体型结构允许的情况下适当加大。
一种室内机器人方向感知方法，尤其是一种基于人工神经网络的室内机器人方向感知方法，如附图2和附图3所示，该方法分为以下5个步骤：
步骤1、如附图2所示，将导航坐标系下的方向角360度从0度开始等分为M份，每一份的区间长度为取区间右边界对应的方向角角度作为标签，得到M个角度标签，如(7)式所示，
其中M的取值根据室内机器人对方向灵敏度的要求和训练数据采集成本的限制而定，灵敏度要求越高，M的取值越大，默认取36。
步骤2、将方法1中设计的新型磁场感应设备安装在室内机器人结构中，1号双轴磁强计安装方向正对机器人移动方向。在室内沿着步骤1设置的标签方向移动，记录多探头磁强计设备中N个双轴磁强计探测到的X轴和Y轴磁场信息和对应的标签方向，得到如(8)式所示格式的数据：
[(x1,y1,x2,y2,…,xN,yN),φj] (8)
其中xi,yi为第i号双轴磁强计探测到的磁场数据，i＝1,2,…,N，φj为行走时对应的第j个标签方向，j＝1,2,…,M。
步骤3、神经网络模型搭建与训练。人工神经网络采用BP神经网络，模型输入神经元个数为2N。隐藏层层数和每个隐藏层神经元个数通过多次实验获得，每次实验取不同的层数和神经元个数，取使得模型预测准确性最高的隐藏层个数和相应神经元个数即可，实验次数不限。输出神经元M个，输出值分别对应M个标签方向的概率。将经过步骤2采集并处理好的数据作为训练数据，输入神经网络模型进行训练，得到训练好的神经网络模型。
步骤4、如附图3所示，在实际应用过程中，利用机器人装备的磁场感应设备探测磁场数据，得到如(9)式所示格式的数据，
[x1,y1,x2,y2,…,xN,yN] (9)
其中xi,yi为第i号双轴磁强计探测到的磁场数据，i＝1,2,…,N。将(9)式所示数据输入到步骤3得到的神经网络模型进行计算，得到神经网络模型的输出如(10)式所示：
[p1,p2,…,pM] (10)
步骤5、比较步骤4得到的神经网络模型的M个输出，取M个输出中的最大值pj和第二大值pk，分别表征机器人移动方向和的概率。若则机器人的移动方向为否则，若则
若则
若则机器人的移动方向为若则机器人的移动方向为
Claims (2)
1.一种磁场感应设备，其特征在于：所述的磁场感应设备是在半径为R的环形支架上均匀布置N个双轴磁强计，相邻两个双轴磁强计之间的角度间隔为
将N个双轴磁强计与环形支架固定组成一个固定的结构；将N个双轴磁强计分别标号为1、2、3、…、N，以1号双轴磁强计的方向作为主方向，即1号双轴磁强计的安装在正对机器人移动的方向。
2.一种室内机器人方向感知方法，其特征在于：该方法分为以下5个步骤：
步骤1、将导航坐标系下的360度方向角从0度开始等分为M个区间，每一份的区间长度为取区间右边界对应的角度作为标签，得到M个角度标签，如(2)式所示，
步骤2、磁场感应设备安装在室内机器人结构中，即将N个分别标号为1、2、3、…、N的双轴磁强计与环形支架固定组成一个固定的结构安装在室内机器人中，其中1号双轴磁强计安装方向正对机器人移动方向；在室内沿着步骤1设置的标签方向移动，记录磁场感应设备中N个双轴磁强计探测到的X轴和Y轴磁场信息和对应的标签方向，得到如(3)式所示的数据
[(x1,y1,x2,y2,…,xN,yN),φj] (3)
其中xi,yi为第i号双轴磁强计探测到的磁场数据，i＝1,2,…,N，φj为行走时对应的第j个标签方向，j＝1,2,…,M；
步骤3、神经网络模型搭建与训练：人工神经网络采用BP神经网络，模型输入神经元个数为2N，隐藏层层数和每个隐藏层神经元个数通过多次实验获得，每次实验取不同的层数和神经元个数，取使得模型预测准确性最高的隐藏层个数和相应神经元个数；输出神经元M个，输出值分别对应M个标签方向的概率；将经过步骤2采集并处理好的数据作为训练数据，输入神经网络模型进行训练，得到训练好的神经网络模型；
步骤4、实际应用过程中，利用机器人装备的磁场感应设备探测磁场数据，得到如(4)式所示格式的数据，
[x1,y1,x2,y2,…,xN,yN] (4)
其中xi,yi为第i号双轴磁强计探测到的磁场数据，i＝1,2,…,N；将(4)式所示数据输入到步骤3得到的神经网络模型进行计算，得到神经网络模型的输出如(5)式所示：
[p1,p2,…,pM] (5)；
步骤5、比较步骤4得到的神经网络模型的M个输出，取M个输出中的最大值pj和第二大值pk,pj和pk分别表征机器人移动方向和的概率,以pj和pk为加权系数对移动方向和进行加权计算得到机器人的移动方向。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910025888.7A CN109708642B (zh) | 2019-01-11 | 2019-01-11 | 一种室内机器人方向感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910025888.7A CN109708642B (zh) | 2019-01-11 | 2019-01-11 | 一种室内机器人方向感知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109708642A true CN109708642A (zh) | 2019-05-03 |
| CN109708642B CN109708642B (zh) | 2020-08-25 |
Family
ID=66260088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910025888.7A Active CN109708642B (zh) | 2019-01-11 | 2019-01-11 | 一种室内机器人方向感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109708642B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170248428A1 (en) * | 2016-02-25 | 2017-08-31 | Electronics And Telecommunications Research Institute | Indoor positioning system and method |
| CN107203587A (zh) * | 2017-04-20 | 2017-09-26 | 中国人民解放军军械工程学院 | 构建地磁图方向适配性特征的方法 |
| CN107390246A (zh) * | 2017-07-06 | 2017-11-24 | 电子科技大学 | 一种基于遗传神经网络的gps/ins组合导航方法 |
| CN107543541A (zh) * | 2017-08-25 | 2018-01-05 | 北京麦钉艾特科技有限公司 | 一种适合室内***载体的地磁定位方法 |
| CN109115205A (zh) * | 2018-07-20 | 2019-01-01 | 上海工程技术大学 | 一种基于地磁传感器阵列的室内指纹定位方法及*** |
-
2019
- 2019-01-11 CN CN201910025888.7A patent/CN109708642B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170248428A1 (en) * | 2016-02-25 | 2017-08-31 | Electronics And Telecommunications Research Institute | Indoor positioning system and method |
| CN107203587A (zh) * | 2017-04-20 | 2017-09-26 | 中国人民解放军军械工程学院 | 构建地磁图方向适配性特征的方法 |
| CN107390246A (zh) * | 2017-07-06 | 2017-11-24 | 电子科技大学 | 一种基于遗传神经网络的gps/ins组合导航方法 |
| CN107543541A (zh) * | 2017-08-25 | 2018-01-05 | 北京麦钉艾特科技有限公司 | 一种适合室内***载体的地磁定位方法 |
| CN109115205A (zh) * | 2018-07-20 | 2019-01-01 | 上海工程技术大学 | 一种基于地磁传感器阵列的室内指纹定位方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| JAEWOO CHUNG等: "Indoor location sensing using geo-magnetism", 《MOBISYS "11:PROCEEDINGS OF THE 9TH INTERNATIONAL CONFERENCE ON MOBILE SYSTEMS, APPLICATIONS, AND SERVICES》 * |
| 孟志彬: "基于地磁的室内定位相关算法研究", 《万方学位论文数据库》 * |
| 康瑞清: "建筑物内复杂环境下的地磁场定位导航研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109708642B (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104729407B (zh) | 机器人基坐标系与世界坐标系之间关系的自动确定方法 | |
| CN106383517A (zh) | 一种自主移动机器人平台用控制***、方法及装置 | |
| CN102353379B (zh) | 一种适用于自动驾驶车导航的环境建模方法 | |
| CN109327797B (zh) | 基于WiFi网络信号的移动机器人室内定位*** | |
| CN106595474A (zh) | 一种基于激光跟踪仪的双机器人基坐标系标定方法 | |
| CN106153048A (zh) | 一种基于多传感器的机器人室内定位及制图*** | |
| CN103369466B (zh) | 一种地图匹配辅助室内定位方法 | |
| CN106597363A (zh) | 一种室内wlan环境下的行人定位方法 | |
| CN108362289B (zh) | 一种基于多传感器融合的移动智能终端pdr定位方法 | |
| CN109470238A (zh) | 一种定位方法、装置和移动终端 | |
| Wang et al. | Pose-invariant inertial odometry for pedestrian localization | |
| CN109324298B (zh) | 一种基于检测阵列运动规划的磁源磁场信号检测方法 | |
| Murillo et al. | Wearable omnidirectional vision system for personal localization and guidance | |
| CN109725360A (zh) | 基于磁梯度张量不变量的单点定位方法 | |
| CN113197752B (zh) | 一种上肢康复机器人的肢体重力动态补偿方法 | |
| CN108021534A (zh) | 基于3-d磁场传感器的永磁球形电动机位置检测方法 | |
| CN110207688A (zh) | 一种基于特征矢量的磁信标快速定向方法与*** | |
| CN109764876A (zh) | 无人平台的多模态融合定位方法 | |
| CN109708642A (zh) | 一种磁场感应设备和一种室内机器人方向感知方法 | |
| CN111121818B (zh) | 一种无人车中相机与二维码的标定方法 | |
| CN115688610B (zh) | 一种无线电磁六维定位方法、***、存储介质及电子设备 | |
| CN114666732B (zh) | 一种含噪网络下动目标定位解算及误差评价方法 | |
| Zhang et al. | Monitoring and analysis of athletes’ local body movement status based on BP neural network | |
| CN109931956A (zh) | 捷联式三分量磁测***中三轴磁力仪与惯导安装误差校正方法 | |
| CN105891780A (zh) | 一种基于超声阵列信息的室内场景定位方法与装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210208 Address after: 315100 b-211-47, Kexin building, 655 bachelor Road, Yinzhou District, Ningbo City, Zhejiang Province Patentee after: NINGBO ZHIZHENG WEIYING INFORMATION TECHNOLOGY Co.,Ltd. Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road Patentee before: BEIHANG University |
|
| TR01 | Transfer of patent right |