文摘

下面介绍一种新的扫描方法映射,在移动机器人定位的目的。我们的方法是基于一个旋转的单站雷达网络,这决定了对象的位置在扫描仪通过连续运行lateration算法。表面用超宽频雷达网络的评估研究实验在实验室环境中,特别是在lateration,球体的信封,海底算法。但是我们看不到链接映射和移动机器人定位领域,激光扫描仪的支配。事实上,只有少数研究小组使用雷达进行映射和本地化,但是他们的应用传感器原理是基于一个旋转雷达波束。因此,只有2 d雷达扫描仪是已知的在机器人世界和方法对3 d扫描雷达需要调查。本文推导出传感器原理的理论背景,基于雷达网络旋转接头,并讨论其错误的影响。我们执行第一扫描标准几何图形和派生模型为了比较理论和实验测量结果。此外,我们现在首先映射方法和模拟扫描仪与多个传感器。

1。介绍

获取全面的范围信息环境的移动机器人在许多领域至关重要。通常,受欢迎的传感器和激光扫描仪一样,声纳传感器和立体摄影机已经确立了自身作为最先进的移动机器人对大多数任务。然而,雷达传感器经常出现在机器人但很少用于执行任务映射和本地化。雷达可以穿透一定的材料,基本上是绝缘体,它提供了优势在尘土飞扬,雾蒙蒙的,下雨或其他恶劣的环境。但有限的决议,嘈杂的数据和光学效果的影响像折射,反射和吸收使应用程序在移动机器人具有挑战性。

使用雷达传感器在移动机器人是具有挑战性的,但也不是不可能。第一次出现的雷达传感器机器人社区是追溯到澳大利亚中心领域机器人年代早期,基本工作在概率SLAM算法结合雷达开发(克拉克和怀特(1])。因为它们有限的决议和其他提到的缺点,雷达传感器不太适合在室内环境中使用。然而,Detlefsen et al。2)正在调查在工业环境中使用的雷达传感器和Marck et al。3在办公室)。我们可以看到,所有的雷达传感器原理在移动机器人基于机械波束形成。通常,通过抛物面天线和雷达波束集中批评机械环境。电通过相控阵天线波束形成是经常没有看到在移动机器人技术,而是在汽车行业的汽车系统。

除了波束形成技术,通过lateration位置估计可以实现,这是一种常见的技术在雷达网络监视飞机。Lateration是一种测量方法,通过计算目标点的位置距离信息传感器与已知位置。三边测量是指测量三个距离来定义一个对象的位置(在三角测量相比,三个角是用来计算一个物体的位置)。存在两种类型的雷达网络。对于单站雷达网络、雷达信号的发射器和接收器配置在同一位置,只能接收信号,发出了自己。多雷达网络由发射器和接收器在不同的位置,可以接收其他传感器的信号后反映的对象。

在本文中,我们引入一个扫描方法,基于一个旋转的单站雷达网络。我们使用调频连续波(FMCW)雷达传感器,但没有提供距离角度观测区域内的对象的信息。传感器工作在24 GHz的ISM波段,因此是有限的在德国的250 MHz带宽(B),对应于一个理论距离分辨率0.6(见(1),光- speed)。但真正的大多数雷达距离分辨率传感器是两个或三个大的因素。传感器的可用性与高分辨率带宽取决于国家和国际法规。之间的超宽频通道(UWB) 22 GHz, 26岁,在2013年65 GHz已经关闭,但最近搬到79 GHz用于汽车([4,20页):

该决议一个雷达传感器等于它的最小探测范围。雷达的分辨率能力区分对象。如果不同径向距离的两个或两个以上的对象传感器小于其决议,那么传感器合并成一个两个或两个以上的距离信息。此外,取决于他们的对象检测雷达截面(RCS)和环境的背景噪音。

本文组织如下。节2。1,我们提出一个简短概述如何通过lateration位置估计在雷达网络通常被解决。节2。2我们描述一个问题,来自数据协会和如何应用Folster的自下而上的数据关联方法和埃尔5要解决这个问题。部分2。3描述了雷达网络错误的影响。在我们的第一个实验中,将描述的部分3,我们在执行第一次扫描的结果将提交和讨论部分4。

2。材料和方法

估计物体的位置与雷达网络可以通过标准lateration解决方法。例如,为了定义对象的位置在二维空间中,至少有两个传感器是必要的。两个半径可以分解对象的两种可能的位置。通常情况下,只有一个位置可能是由于天线的方向。几何,鬼对象可以出现在lateration网络,代表一个错误的传感器数据关联的对象列表。一个精确的推导,鬼对象如何出现,是由瑞芭et al。6]。

除了lateration技术,球体和海底方法存在的信封。该方法研究了由坂本和Kidera et al。7,8),把它作为一个表面估计三维成像技术与高分辨率超宽频脉冲雷达系统。坂本和Kidera,我们假设在金属表面边界散射模型来描述我们的扫描仪。

2.1。原理和推导

我们的术语,定义在一个雷达传感器网络的数量和sensor-index。因此,传感器的坐标吗和。每个传感器输出一个对象清单,其中包含距离信息从传感器一个对象。

在二维空间雷达网络和两个传感器(见图1),我们得到两个方程:

在传感器的数量高于空间的维数+ 1(例如,三个传感器在二维空间),然后方程组变成超定的。由于在每个传感器测量错误,超定的方程组没有精确解;因此一个回归发现。解决这一问题的常用方法是最小均方法。详细的推导过程和方法的例子中可以看到施耐德的论文9,11 - 14]页。方程组的一般表示在二维空间中给出了传感器网络(3)。扩大三维是自解释的。为了估计对象的位置,系统需要解决:

2.2。鬼对象:数据关联问题

如果不止一个对象坐落在观测区域的雷达网络和传感器之间的距离大于两倍传感器的分辨率,那么所谓的鬼魂对象可以出现(见图2)。鬼对象表示一个错误的数据协会的距离信息由于几何歧义从对象列表。对我们的实验中,鬼对象问题是不相关的,因为我们选择了一个传感器之间的距离小于1、2 m。但如果超宽频雷达的实验,然后鬼对象将是一个问题。

Folster和埃尔5)提供一个方法称为自底向上的数据关联。在二维空间中,至少有三个传感器对于这个方法是必要的。为了区分鬼对象的对象,观察区域的传感器网络离散成细胞,这可能表示一组有限的对象的位置。然后,做一个简单的最小距离计算。每个单元包含一个错误值代表细胞的最小距离的平方的传感器-距离对象之间和传感器,总结传感器(见(4))。这个计算结果在误差值最低的细胞接近真正的对象:

在笛卡尔网格可以表示或极坐标。网格的大小应选用的考虑下雷达网络的距离分辨率和方位角精度(5]。

2.3。考虑在错误的估计在单站雷达网络影响地位

理解和分析错误,影响我们的传感器原理是必不可少的评估和讨论可行性和实验结果。评估对象与lateration需要传感器的位置很高的测距精度。然而,每个传感器的测量误差。lateration,最大位置测量误差可以近似的最大测量误差范围所有的传感器和角度(见(5))。图3阐明了测量误差范围之间的关系的角和位置测量误差图形化。这个数字显示假定的情况是恒定的。仔细看在以下,表明它不能假定为常数;事实上,它是不可能预测的。从(5)和图3可以看到,它的精度是非常坏的传感器网络,接近零。精度的提高可以通过一个更大的传感器之间的距离:

测量精度范围定义的均方根(rms)测量误差(10,p . 167]。根据(6),测量误差范围形成三个错误的root-sum-square组件。控制组件是S / N-dependent随机测量误差范围。其标准偏差是由(7)。固定的随机误差范围剩下的测距误差,仍是如果S / N比率非常高。它代表其余的错误,造成的传感器和传感器电子架构的一个完美的信噪比。偏差范围错误是常数测量。以防我们的传感器原理、偏移误差不会影响功能或在lateration算法需要考虑,因为它只在一个缩放,可以校准结果。一般来说,传感器的测量范围的准确性可以增强通过增加测量的数量。如果测量,记录在一个对象的扫描,可以平均将节中讨论4。节2。3,它是解释说,根标准差不是常数,取决于不可预知的影响。数学,如果不同组的随机变量与不同标准差有相同的期望值,那么他们仍然有相同的期望值和加权标准差。这条规则可以合法的平均测量周期如果雷达网络和对象是静态的。在动态雷达网络的情况下,我们需要考虑non-point-target-case (NPTC),为了澄清期望值的特点在雷达网络的角度依赖性。NPTC基于雷达的事实不是测量对象的同一点的距离,如果传感器被放置在不同的位置。除了获得测量不同测量周期,一个场均可以实现通过增加传感器的数量;因此它是部分所示2。1超定的系统方程的回归。正态分布传感器的测量值范围的调查和确认,但不会被解释在本文进一步的细节:

控制组件(6)是S / N-dependent随机误差范围。有趣的是,传感器的带宽影响传感器的分辨率和精度。到目前为止,估计雷达的精度似乎是可行的。但仔细看看信噪比是导致一个复杂的关系,这是不可能解决我们的实验装置。没有进入详细的推导的S / N比率,比例的(8)就足以知道为我们的实验:

的比例(8),我们可以总结以下事实。第一,信噪比更高,相应的结果在一个更好的准确性,如果RCS ()对象的高。因此,我们的雷达原理的结果在更好的位置估计对象高RCS。但对象高RCS进入观察区域从早些时候双方较低RCS比对象;因此一个对象高RCS遭受更多的从图中描述的几何问题3(一个)。另一个问题是,RCS不能假定为常数一个对象。即使是标准的几何图形,例如,角反射镜,不同方面的观点。从历史角度,研究RCS角及其依赖方面已经表现在1946年由罗伯逊(11]。但不仅是RCS的变化,因为它的几何形状。有波动的RCS,这可以解释为Swerling模型。Ludloff解释(12,3 - 14页]如何波动可以模仿。模型是基于这样一个理念,一个雷达目标由多个反射器元素,分布在目标的体积。模型假设反射器元素各向同性和相同的RCS和忽略了反射和阴影的影响。通过雷达反射波的重叠多个各向同性反射器元素,阶段差异导致复杂的干扰。该模型解释了高波动的RCS的外观,即使视线角仅略有改变。总之,RCS的准确估计,甚至标准的几何图形,在现实世界中是不可能的,因此需要由一个概率表示。除了其他影响参数,如波长雷达的中心频率,对象的距离传感器和热噪声(见(8)),它使我们得出的结论是,这是不可能给一个精确的测距误差估计:

澄清后,位置估计误差取决于一个不可预知的组件,即对象的传感器观测区域,我们希望唤起注意另一个错误,这是由传感器原理本身引起的。我们可以看到从近似(5),可以降低位置估计误差通过增加之间的距离传感器。但是,带有更大的传感器距离,NPTC带来的影响。

NPTC发生是因为在大多数环境中我们不能假设只有点对象,其尺寸远小于雷达的决议。通常,对象超过分辨率传感器的细胞;换句话说,我们需要能够处理表面与我们的传感器原理。边界表面可以估计超宽频雷达结合lateration算法被Mirbach显示和门泽尔(13]。但是,我们可以看到在图4,评估对象的位置是错误的,如果传感器测量物体的距离不同。

3所示。实验

为了评估传感器原理,我们在执行第一次扫描标准对象的室内环境。第一个实验的目的是找出错误的影响在我们的传感器原理。如前所述,有限的决议可以在一个室内环境问题,例如,一个办公室。可能有金属散热器、steal-beams背后的墙壁,电脑塔,和许多其他的对象可以有一个RCS巨大的足够的被我们的雷达传感器探测到的。

因此,两个对象的发生概率,与一个较小的径向距离的差异比雷达传感器的分辨率,高;因此我们很少能相信我们的扫描结果,如果在一个室内环境中执行。对于基础研究,我们的雷达传感器的分辨率大约0.6米就足够了。当然,通过使用更好的传感器,可以实现一个更好的结果。

对于我们的第一个实验中,我们进行了两个测试系列,我们放置一个标准几何,遥远的决议(至少两次)令人不安的对象如前所述。在实验中,我们使用一个平面金属板,并在实验B,我们使用一个角反射器。两个实验将在下一节中解释。

3.1。扫描的金属平面板和角反射器

在实验期间,我们扫描一个室内环境传感器单元。我们把一个平面金属表面垂直于传感器单元。我们把板在相同的高度传感器单元为了执行一个2 d实验在3 d环境中。每个测量包含十个360°的积累程度扫描步长为0.7°摄氏度。不是每个测量周期会导致一个成功的位置估计。成功的位置估计可以处理如果两个传感器检测物体。实验B执行根据实验角反射器。所有相关实验的细节中可以看到表1。

在图6,实验结果和实验显示B。进一步讨论将扫描结果的部分4。实验环境的图片如图5。

3.2。扫描的走廊

在第二个实验中,我们想知道如果我们的传感器原理适用于机器人映射。因此,我们记录原始数据地图的走廊。为了避免错误控制和量距的影响我们的机器人,我们执行扫描在已知的构成(见图7)。走廊的墙上有一个约2米的距离。

4所示。结果与讨论

为了使我们的扫描结果的正确解释,两个模型的情况下董事会和角反射器派生。模型可以帮助在设计参数影响系统或理解。

4.1。扫描对象的模型

在大多数物理模型,我们假设简化为了分解的复杂性问题。我们假设所有雷达光波反射的对象的边界面;因此材料的渗透是被忽视的。此外,我们假设一个传感器只测量距离表面,其观测区域内和垂直于传感器本身。双反射,像那些会出现在两个平行的墙壁,是被忽视的。在正交线或地区,我们假设一个拐角点距离测量。

数据8和9演示一个简化的理解实验设置。的值代表的旋转中心之间的距离传感器单元和对象。平面金属表面(图8),我们不能指望每个传感器测量距离由于NPTC相同的点。根据我们的模型,可以计算的距离(9),是一个随机变量正态分布和标准偏差这是添加到几何方程的一部分:

由于NPTC的影响,是不合法的平均测量分平面金属表面因为期望值,造成lateration算法,不是常数,取决于视线角。

在角反射器的情况下,我们可以期望测距总是同一点(转折点)。因此,一个场均是合法的。测量周期的角反射器可以用下面的方程表示:

图10平面的模型提出了一种比较表面的测量实验中我们不能确认我们的模型是正确的,因为副作用和非完备平面表面。然而,我们知道其中错误的影响我们的传感器单元不是测量误差范围。我们的原则是NPTC的最大的问题,这导致了广泛的测量值。图6显示扫描结果与KDE后处理,这导致一个非常高的概率我们的扫描对象的位置。因此,我们获得的概率描述区域,可能位于一个对象。

图11代表了角反射器的测量结果,这与我们的模型符合很好。我们可以假设NPTC几乎没有影响的情况。其余的传播测量值是由测量误差范围的传感器。

4.2。映射与已知的姿势

存在几种映射算法。概述是由杜伦(14,p . 7)。Thrun介绍算法,适合与未知的机器人提出了映射,这是叫同步定位和映射(大满贯)。在本文中,我们专注于映射与已知的姿势,这是简单的。但是映射与已知的姿势导致更有前景的结果,因为测程法和控制错误不影响地图。占用网格映射与贝叶斯过滤器可能最受欢迎的概率表示地图,将下一步结合我们的传感器原理。

图12提出了两种简单的方法对网格映射我们的传感器原理。图12(一个)介绍了走廊的测量值在一个二维直方图。一般来说,双平行墙或从地面之间可能发生反射,导致错误的位置估计。因为我们可以期待更多的测量真实的对象,而不是错误的检测、直方图是积累相应的真正对象位置;因此,走廊的形状是可见的。直方图表示可以通过改变调整容器的大小。我们的第二个方法进一步网格映射算法如图12 (b)。我们每360°扫描应用于高斯KDE和归一化的值。之后,我们总结所有规范化内核估计扫描获取的地图。这种方法可以调整与内核估计量的大小。一般来说,这种方法导致的模糊表示我们的地图。我们意识到我们可以构建一个动态传感器逆模型与方法,这将是进一步研究的重点。

4.3。三维扫描与多个传感器

我们模拟一个场景有六个点目标和一个扫描仪配备9个传感器。我们使用仿真软件V-REP葛蓓莉亚机器人技术,它允许声纳传感器的模拟,雷达传感器有类似的行为。我们添加到每一个距离测量高斯噪声,解决了系统的方程(3通过最小均方法)。此外,模拟假设与高分辨率传感器。因此,模拟只用于演示NPTC效应的影响没有低分辨率的影响,当检测多个点目标与一个传感器。场景中可以看到图的设置13。

由于NPTC,可以看到在上面的图的照片13,lateration算法导致很多错误的位置估计,可以被视为一种估计点扩散。因此,我们定义了一个标准来过滤测量。是所有的平均位置传感器之间的距离和对象的位置吗:

过滤器标准大幅提高的结果。比较的结果,没有过滤器底部的图13。

5。结论

健壮的定位和导航在危险和艰难的环境中仍然是一个困难的问题在机器人研究领域。灰尘、雨、雾和不充分的照明条件,使流行的传感器,如激光扫描仪或照相机,不合适。雷达克服了上述困难。

在这篇文章中,我们正在调查一种新的扫描方法,仔细看看失败的影响来判断原则的可行性。我们专注于两个因素:第一,传感器本身的测量误差范围第二,错误的位置估计的影响由于lateration原则(NPTC)。我们证明了NPTC需要考虑的影响。只有对象,类似于角反射镜,不受这种影响。

lateration技术小说在观测区域内的点估计。比较像信封表面估计算法的球体或海底可能是一个有趣的调查。

我们证明了传感器原理适用于机器人映射。调查动态传感器逆模型,得到核密度估计,将是未来研究的重点。

总之,我们建议的原则是基于替代标准雷达的扫描方法。机械波束形成技术需要天线和电子波束形成技术需要相控阵雷达,这通常更加膨胀。尽管没有天线结构是必需的,我们的原则需要多个传感器。从一个单一的360°扫描是通过机械波束形成,我们可以期望从每个测量步骤在增量角距离信息,从而导致更多的测量点比我们的原则,只检测到最高的对象RCS由于焦点观察区。但是我们的原则是记录超过一个对象在一个旋转扫描测量,这就带来了一种可能,一个正确的检测对象的。优于传统的旋转机械波束形成技术是进行3 d扫描的可能性,这将是机械复杂机械的波束形成,只有在结合电子波束形成雷达。从NPTC,但是我们的原则遭受更多糟糕的精度和分辨率,错误的校准或异步比传统技术和相应的有限的测量。

利益冲突

作者宣称没有利益冲突有关的出版。