外文翻译移动机器人基于LFR激光探测器和IR的MFVFA方法.docx
《外文翻译移动机器人基于LFR激光探测器和IR的MFVFA方法.docx》由会员分享,可在线阅读,更多相关《外文翻译移动机器人基于LFR激光探测器和IR的MFVFA方法.docx(11页珍藏版)》请在冰豆网上搜索。
外文翻译移动机器人基于LFR激光探测器和IR的MFVFA方法
毕业设计(论文)外文资料翻译
学院(系):
机械工程学院
专业:
机械工程及自动化
姓名:
学号:
(用外文写)
外文出处:
MobileRobotNavigationUsing
ModifiedFlexibleVectorFieldApproachWithLaserRangeFinderandIRsensor
附件:
1.外文资料翻译译文;2.外文原文。
指导教师评语:
译文的意思基本正确,语句较通顺。
专业性术语的翻译也较为得当。
译文的数量已超过学校规定的要求。
这说明该生具有较强的科技文献的阅读理解与翻译能力。
签名:
年月日
注:
请将该封面与附件装订成册。
附件1:
外文资料翻译译文
移动机器人基于LFR激光探测器和IR的MFVFA方法
摘要:
在公共空间,移动的机器人可以用作导游者。
指导一个人到达目标位置,移动的机器人的路径应该安全,可以避免障碍物并生成良好的导航的路径。
一般来说,激光测距仪是用来检测在移动机器人周围的地图。
我们建议移动机器人的导航方法用我们的,我们的方法可以在检测紧急情况下使用,它是我们开发的一种移动机器人的导航改性的柔性的矢量场与激光测距仪和红外传感器的方法,因为它高于激光测距仪响应的频率,通过实验结果表明了我们提出的控制方案和避障方法应用在公共场所里移动机器人的控制是非常有效的。
关键词:
移动机器人导航改性的柔性的矢量场方法激光测距仪红外传感器。
1.引言
一个移动机器人可以在公共场所当向导,比如市场,邮局,图书馆等等,最重要的功能是弄够找到路径到达目标和导航的目标位置。
无论怎样,在公共场所,移动机器人应该能够在避免障碍和到达目标位置同时进行。
像一把椅子,一个架子和一个人等等这样的障碍。
为达到导航目标位置的目的,许多研究者给了势场法的地址[1][2]。
一个向量场柱状图[3][5]和动态窗口的方法[6]。
由于市场是由许多狭窄的通道和许多障碍组成。
以下是把势场法应用到市场里的机器人身上遇到的一些困难:
1)在近空间的障碍中很难找到通口。
当机器人在狭窄的通道中移动会发生摆动运动。
2)还有矢量场柱状图对环境地图的变化敏感,但是却不能找到到达目标的路径,因为我们从移动机器人的完成中仅仅能得到角度的信息。
动态窗口中使用了以目标,离障碍距离和速度为标题作为移动机器人的参数在动态窗口可以通过优化过程找到最佳速度。
但是这不是唯一的为避免障碍而获得到达目标最短路径的方法。
为了使机器人在公共场所中安全和稳定运行,一个新的导航方法是非常必要的,这种方法对于导航移动机器人环境的变化和运动最短路径的能力是敏感的。
因此,我们提出一个新的移动机器人导航的方法,即移动机器人的导航改性的柔性的矢量场与激光测距仪和红外传感器的方法。
在我们提出的方法中,由于路径信息的获得来自于障碍(作为圆)和移动机器人(作为一点)的几何关系,可以减少处理载荷。
由于我们在移动机器人中开发了具有差别驱动结构,当控制移动机器人趋向产生路径的时候,首先应该在运动学条件下考虑移动机器人稳定的速度。
通常,如果把路径规划和路径跟踪分开,就会存在各种追踪控制方法,比如滑动模式,线性化,反演,神经网络,神经模糊系统。
无论怎样,使用在传统的控制方法中,当追踪突然发生错误时,产生的这个基本速度命令是以极端大的估值和因遭受速度暴涨开始的。
在这篇论文中我们提出一个新的速度变化图的方法来保证移动机器人稳定的运动。
如果我们第一时间假想移动机器人开始的位置和目标位置,在移动机器人的开始位置,目标位置和现在位置之间使用欧氏距离,我们就能生产参考的速度变化图。
2.移动机器人平台和路径规划
2.1移动机器人平台
图1是我们开发的移动机器人平台。
GIMAR,移动机器人差别驱动结构有非完整约束。
它有若干个传感器来检测移动机器人周围的状况。
在这次研究中,我们仅仅使用两个传感器,一个是(激光测距仪)检测扫描地图的数据和另外一个是(红外传感器)紧急停止和避免障碍。
这两个传感器各有优缺点。
激光测距仪生产详细地扫描地图数据,但是它比红外传感器运行的慢。
另外一方面,红外传感器比激光测距仪运行迅速除了它生成一点数据。
因此,我们打算提出的是为稳定驱动控制和避障这两个传感器的数据相结合的方法。
2.2路径规划
为了到达目标位置,在它开始移动之前我们就应该知道它的路径了。
如果地图数据时提前给出,我们就能生成安全路径到达目标的立场,否则我们就不能得到完整的路径。
在文中,我们假设如下:
1.地图数据时没有提前给出。
2.仅仅给出了移动机器人的初始位置和目标位置。
3..移动机器人没有滑运动,我们可以从里程表的信息中知道移动机器人的的位置和移动机器人的姿势
由以上三个假设,我们提出了路径规划策略在图2中表明。
图2危险的区域指示了移动机器人没有障碍碰撞的一个区域。
我们就可以直观地知道红线边沿的路径是最短的安全的路径。
我们事先没有地图数据,我们就建议找出下一个预期的点,这一点来自危险区域的圆和移动机器人现在位置的几何关系。
虽然障碍到处都是,但是从我们提出的改性的柔性的矢量场的方法中我们就可以决定下一个预期的点,在扫描期间里路径规划过程不断的被废除。
3.移动机器人控制
非完整移动机器人可以有两个坐标系统,一个是由XG,YG,SG构成的世界坐标系和另一个是由XL,YL,6L构成的本地坐标系.在图3中,C是机器人中心点,D是做齿轮和右齿轮的距离,B是齿轮中心和主销后倾的距离。
V和W意思是移动机器人的线速度和角速度。
自由移动的移动机器人是作为完整的移动机器人有三个自由度(X,Y,Z和零点)。
但是,由于运动学上的限制,非完整移动机器人的自由度减少到两个。
在没有滑动的条件下,一个非完整移动机器人的运动限制由以下公式给出
从运动控制角度看,我们开发的移动机器人有vC线速度和wc角速度的两个自由度,
把这两个齿轮的直径,半径,角速度描绘成两轮的速度(wL,wR.)。
可以用以下两轮的角的速度关系来叙述线速度和角速度。
为了控制移动机器人,两个齿轮的速度可以分成两部分:
一个是确定移动机器人的线速度和另一个是追踪移动机器人的姿态。
vl=vc-wc
vR=vc+wc
vc是线速度控制部分和wc是角速度控制部分。
线速度控制的目标是根据移动机器人的位置和目标位置的距离来控制移动机器人的速度。
在接下来的分段中,我们提出用欧氏距离来生成线速度的方法。
移动机器人通过控制wc能够避免障碍。
在接下来的章节中,我们将解释利用MFVFA对姿态误差反馈的方法
4.仿真和实验结果
由于提出避障运算法则要用在狭窄的市场空间中为目的,就在通道中设置像架子之类的物体作为测试环境。
我们组成了市场模型的两部分。
这个测试环境的尺寸是由6米*6米。
我们假设没有人在测试环境中。
在实验结果中,点线指示了要求的位置和红线指示了激光扫描数据。
图表中也展示了多障碍情况。
图11是我们看到这个实验结果。
如果在测试环境中有多障碍,这时提出的运算法则能够提供安全通道,保证移动机器人无碰撞地通过通道。
之后,那个运算法则生成到达要求位置的最短轨迹
图.10
图.10稳定的曲率跟踪运算法则仿真结果(a)右拐弯仿真的结果(b)左拐弯仿真的结果
图.10展示稳定的曲率跟踪运算法则仿真结果。
这个结果表明了当机器人进入了危险区域是机器人是怎样逃离危险区域的。
无论机器人的位置在哪里,是在危险区域还是在碰撞区域,在危险区域圆周围都可以控制机器人。
图.10表明了,机器人利用柔性的矢量场根据机器人的位置直接脱离危险区域。
因此,移动机器人移动到安全区域和接受稳定的最短的路径到达目标位置。
图.11
图.11:
机器人和多障碍之间避免碰撞的结果(a)---在运用运算法则前机器人和多障碍之间避免碰撞的结果(b)---在运用运算法则后机器人和多障碍之间避免碰撞的结果
图.12展示了机器人轨迹。
图中的数据来自图11实验的结果。
图12展示了机器人安全地避免障碍的结果。
我们设定F{200,10Q),F(150,120),P(200,100),P(16G,180)作为开始位置,设定P(240,450),P(I30,500),(230,500),(170,600)为要求的位置。
我们把机器人的速度设成70cm/s与人类步行速度一样.我们成功地通过在开始位置和要求的位置之间随意地设定障碍的狭窄的通道。
图.12展示了机器人避开障碍物。
图.12:
在运用避障运算法则后机器人的轨迹
(a)机器人的轨迹从(200,100)到(240,450[Cm]),
(b)机器人的轨迹从(180,160)到(160,520[Cm]),
(c)机器人的轨迹从(200,100)到(230,500[Cm]),
(d)机器人的轨迹从(160,180)到(170,600[Cm]),
5.结论
在这篇论文中,我们讨论了导航方法关于在改性的柔性的矢量场中使用激光测距仪和红外传感器的方法。
该控制器分为线速度控制和角速度控制部分。
利用欧氏距离并考虑了移动机器人在稳定运动时而生成线速度剖面图。
角速度部分,我们利用了虚拟圆起源于角点和切向直线。
无论怎样,因为移动机器人存在碰撞区域,所以我们通过利用提出的稳定曲率运算法则来控制移动机器人。
附件2:
外文原文
MobileRobotNavigationusingModifiedFlexibleVectorFieldApproachwithLaserRangeFinderandIRsensor
JinpyoHong,YoujunChoiandKyihwanPark
Abstract:
Inthepublicspace,amobilerobotisadoptedasaguider.Forguidingapersontothegoalposition,themobilerobotshouldmakethesafepath,avoidtheobstaclesandnavigatethegeneratedpathwell.Ingeneral,LaserRangeFinderisusedforthedetectionofthemaparoundthemobilerobot.WeproposemobilerobotnavigationmethodusingourdevelopedaModifiedFlexibleVectorFieldApproachwithLaserRangeFinderandIRsensorwhichisusedfordetectingtheemergencystatusbecauseithashigherresponsefrequencythanthatofLRF.Wewillverifythatourproposedcontrolschemeandobstacleavoidancealgorithmareusefulenoughtoapplytothemobilerobotcontrolinthepublicspacebyshowingexperimentalresults.
Keywords:
Mobilerobotnavigation,MFVFA(ModifiedFlexibleVectorFieldApproach,LRF(LaserRangeFinder),IRsensor)
1.INTRODUCTION
Whenamobilerobotisoperatedasaguiderinthepublicspacessuchasamarket,apostoffice,amuseum
andsoon,themostimportantfunctionalityistheabilitytofindthepathtoreachagoalandnavigatethegoalposition.However,Inthepublicspace,sincetherearemanyobstacleslikeashelf,achairandaperson,themobilerobotshouldavoidtheobstaclesandreachthegoalpositionsimultaneously.Forthepurposeofnavigatethetargetposition,manyresearchershaveaddressedapotentialfieldmethod[1][2],avectorfieldhistogram[3][5]andadynamicwindowapproach[6].Sincethemarketiscomposedofmanynarrowpassagewaysandalotobstacles,therearesomedifficultytoapplythepotentialfieldintoourrobotasamarketapplicationasfollows:
1)Itishardtofindthepassageintheclosespacedobstacles.2)Thereisanoscillationmotionwhentherobotmovesinthenarrowpassageways.Alsothevectorfieldhistogramissensitivetothechangeoftheenvironmentalmapbutitcannotfindtheshortestpathtoreachthegoalbecauseweonlygettheangleinformationforthemobilerobottogothrough.Thedynamicwindowusestheheadingtogoal,distancetoobstaclesandthevelocityofthemobilerobotasparameters.Sincethedynamicwindowhasanoptimisationprocessforfindingthebestvelocity,thissolutionisnotuniquetotheshortestpathforavoidingtheobstacle.Forthesafeandstableoperationofthemobilerobotinthepublicspace,anewnavigationmethodisessentiallyneededwhichissensitivetothechangeoftheenvironmentandcapableofmovingintheshortestpathasaguider.Therefore,weproposedanewmobilerobotnavigationmethodusingmodifiedflexiblevectorfieldapproachwithLaserRangeFinder(LRF)andInfraRed(IR)sensor.Inourproposedmethod,sincethepathinformation
isobtainedfromthegeometricrelationoftheobstacleasacircleandthemobilerobotasapoint,theprocessingloadcanbedecreased.Sinceourdevelopedmobilerobothasadifferentialdrivestructure,thestablevelocityofthemobilerobotshouldbefirstlyconsideredinthiskinematicconditionwhenthemobilerobotiscontrolledtowardthegeneratedpath.Usually,ifthepathplannerandthepathtrackeraredivided,thevarioustrackingcontrolmethodareexistedlikeasslidingmode,linearization,backstepping,neuralnetworks,neuro-fuzzysystems.However,thegeneratedrootvelocitycommandusingthoseconventionalcontrolapproachesstartwithaverylargevalue,andsuffersfromvelocityjumpswhensuddentrackingerrorsoccur.Therefore,weproposeanewvelocityprofilingapproachguaranteeingthestablemovementofthemobilerobotinthispaper.Ifweassumedthattheinitialpositionofthemobilerobotandthegoalpositionaregivenatthefirsttime,wecangeneratethereferencevelocityprofileusingeuclideandistancesamongthestartposition,thegoalpositionandthecurrentmobilerobotposition.
2.MOBILEROBOTPLATFORMANDPATHPLANNING
2.1Mobilerobotplatform
Figure1isourdevelopedmobilerobotplatform,GIMaR.Themobilerobothasadifferentialdrivestructurethathasnon-holonomicconstraint.Ithasseveralsensorsfordetectingthestatusaroundthemobilerobot.Inthisresearch,weonlyusedtwosensorsthatoneisLRFfordetectingthescanmapdataandanotherisIRsensorforemergencystopandobstacleavoidance.Thesetwosensorshaveadvantagesanddrawbacksrespectively.LRFgeneratesthescanmapdataindetailbutitisoperatedslowlycomparedwithIRsensor.Ontheotherhand,IRsensoroperatesrapidlycomparedwithLRFbutitgeneratesonepointdata.Therefore,weintendtoproposethemethodcombiningtwosensorsdataforstabledrivingcontrolandobstacleavoidance.
2.2Pathplanning
Inorderloreachthegoalposition,weshouldknowhepathbeforestartinglomove.Ifthemapdataisgiveninadvance,wecangeneratethesafepathtoarriveatthegoalpositionbutotherwise,wecannotdotheentirepath.Inthispaper,weassumeasfollows.
1.Mapdataisnotgiveninadvanced.
2.Onlytheinitialpositionofthemobilerobotandthegoalpositionaregiven.
3.Mobilerobothasnoslipmotionandwecanknowthepositionandpostureofthemobilerobotfromtheodometryinformation.
Underthreeassumptions,ourproposedpathplanningstrategyisshowninFig.2.InFig.2.thedangerousregionindicatesanareathatthemobilerobothasnocollisionwithobstacles.Wecanknowintuitively(hatredlinepathistheshortestpathinsafely.Sincewedon'thavemapdatainadvance,wesuggestthatwefindoutthenextdesiredpointfromthegeometricrelationofdangerousregioncircleandthecurrentmobilerobotposition.Althoughtheobstacleexistsanywhere,wecandeterminethenextdesiredpointfromtheourproposedapproach,modifiedflexiblevectorfieldapproach(MFVFA)becausethepathp