·430· 智能系统学报 第8卷 物越近时，受到的排斥力就越大合力F=F+Fp 载了一台计算机，可以方便地与Kinect进行连接。 就用来控制移动机器人的运动，F是一个力的向量， 实验中，设定不存在瞬间进入Kinect盲区的物 它决定了移动机器人的加速度. 体，移动机器人在其离目标的距离小于一个合理的 由于使用的移动机器人为差动驱动的非完整约 保持距离D时停止移动.为保证移动机器人的稳定 束轮式移动机器人，不能像完整约束移动机器人那 性，当移动机器人停止运动后增加一定的死区，避免 样直接使用力来控制移动机器人的运动，而差动驱 轻微的扰动造成移动机器人的振动.实验的结果如 动移动机器人最直观的控制方式就是控制其：及 图7，图中最小的圆点表示移动机器人运动轨迹，略 。,因此在实现上要针对移动机器人的：及ω进行 大的黑色圆表示目标的移动轨迹，长条代表障碍物， 控制对于人工势场法在移动机器人上的实现，J. 矩形框表示移动机器人.移动机器人最后都在距离 Borenstein与Y.Koren曾在文献[7]中提出使用如 目标约为D时停止运动，在实验中设定D为1.5m. 下方法实现： 从图7中可以看出移动机器人在跟踪目标移动的同 |Fp=0; 时能够有效地避开障碍物. D= m(1-Icos al),IF>0; W =K X 5. 式中：δ为合力F的方向与当前机器人运动方向的 偏差角，范围为[-180°，180门，v为移动机器人 的最大直线速度，α为斥力F,与移动机器人运动 方向的夹角，|F|为斥力大小，K为控制参数 为了实现目标跟踪与避障之间的切换，设计了具 有安全区域的人工势场法，实现方法如图6.图6(a) 中的实线矩形框表示正常行驶时的安全区域，当此区 域内没有障碍物存在时，系统运行单纯目标跟踪模 障碍物 目标 00 式，机器人的运动由式(2)、(3)来控制.图6(b)中的 机器人… 0og0oo° 实线矩形框中有障碍物3出现，此时系统进入优先避 障模式，移动机器人根据虚线矩形框所确定范围内的 障碍物信息进行避障，直至小框内没有障碍物.此方 法不仅可以有效地进行控制方式的切换，而且也增强 图7实验效果 了整个系统通过狭小通道及沿墙走的能力. Fig.7 The experimental results 图8(a)给出了其中一次目标跟踪与避障实验 时Kinect获取的彩色图像，图中黑色矩形框代表目 目标 目标 标跟踪区域，由左至右、从上至下选取了整个过程中 X 具有代表性的关键帧图像，对整个过程进行展示.图 回 8(b)是此过程中与光学图像相对应的深度图像，从 图中可以看出，在整个过程中移动机器人能够跟踪 (a)无障碍物 (b)有障碍物 目标移动并完成障碍物回避.在过程中有时会出现 图6势场法安全区域示意 目标短暂丢失的情况，但通过调整移动机器人的运 Fig.6 The safe region of artificial potential 动可以很快重新获取目标并继续跟踪图8（©）展示 3 实验结果与分析 了对应过程的局部地图更新效果，图中小矩形框代 实验移动机器人使用的是MobileRobots公司的 表移动机器人，小线段表示障碍物，浅色点曲线表示 PowerBot.3,这款型号的移动机器人长度为900mm、 移动机器人的运动轨迹.从8(c)中可以看出局部地 宽度约为660mm、高度为480mm,采用差动驱动方 图更新方法可以有效地保证移动机器人对障碍物信 式，且无转弯半径限制.PowerBot3.机器人的内部搭 息进行有效地获取.物越近时ꎬ受到的排斥力就越大.合力 Ｆ ＝ Ｆａｔｔ ＋ Ｆｒｅｐ 就用来控制移动机器人的运动ꎬＦ 是一个力的向量ꎬ 它决定了移动机器人的加速度. 由于使用的移动机器人为差动驱动的非完整约 束轮式移动机器人ꎬ不能像完整约束移动机器人那 样直接使用力来控制移动机器人的运动ꎬ而差动驱 动移动机器人最直观的控制方式就是控制其 ｖ 及 ω ꎬ因此在实现上要针对移动机器人的 ｖ 及ω 进行 控制.对于人工势场法在移动机器人上的实现ꎬＪ. Ｂｏｒｅｎｓｔｅｉｎ 与 Ｙ. Ｋｏｒｅｎ 曾在文献[７] 中提出使用如 下方法实现: ｖ ＝ ｖｍａｘꎬ Ｆｒｅｐ ＝ ０ꎻ ｖ{ ｍａｘ(１ － ｃｏｓ α )ꎬ Ｆｒｅｐ > ０ꎻ ω ＝ Ｋ × δ. 式中:δ 为合力 Ｆ 的方向与当前机器人运动方向的 偏差角ꎬ范围为 [ － １８０ ° ꎬ１８０ ° ] ꎬ ｖｍａｘ 为移动机器人 的最大直线速度ꎬ α 为斥力 Ｆｒｅｐ与移动机器人运动 方向的夹角ꎬ Ｆｒｅｐ 为斥力大小ꎬＫ 为控制参数. 为了实现目标跟踪与避障之间的切换ꎬ设计了具 有安全区域的人工势场法ꎬ实现方法如图 ６.图 ６(ａ) 中的实线矩形框表示正常行驶时的安全区域ꎬ当此区 域内没有障碍物存在时ꎬ系统运行单纯目标跟踪模 式ꎬ机器人的运动由式(２)、(３)来控制.图 ６(ｂ)中的 实线矩形框中有障碍物 ３ 出现ꎬ此时系统进入优先避 障模式ꎬ移动机器人根据虚线矩形框所确定范围内的 障碍物信息进行避障ꎬ直至小框内没有障碍物.此方 法不仅可以有效地进行控制方式的切换ꎬ而且也增强 了整个系统通过狭小通道及沿墙走的能力. 图 ６ 势场法安全区域示意 Ｆｉｇ.６ Ｔｈｅ ｓａｆｅ ｒｅｇｉｏｎ ｏｆ ａｒｔｉｆｉｃｉａｌ ｐｏｔｅｎｔｉａｌ ３ 实验结果与分析 实验移动机器人使用的是 ＭｏｂｉｌｅＲｏｂｏｔｓ 公司的 ＰｏｗｅｒＢｏｔ３ꎬ这款型号的移动机器人长度为９００ ｍｍ、 宽度约为６６０ ｍｍ、高度为４８０ ｍｍꎬ采用差动驱动方 式ꎬ且无转弯半径限制.ＰｏｗｅｒＢｏｔ３ 机器人的内部搭 载了一台计算机ꎬ可以方便地与 Ｋｉｎｅｃｔ 进行连接. 实验中ꎬ设定不存在瞬间进入 Ｋｉｎｅｃｔ 盲区的物 体ꎬ移动机器人在其离目标的距离小于一个合理的 保持距离 Ｄ 时停止移动.为保证移动机器人的稳定 性ꎬ当移动机器人停止运动后增加一定的死区ꎬ避免 轻微的扰动造成移动机器人的振动.实验的结果如 图 ７ꎬ图中最小的圆点表示移动机器人运动轨迹ꎬ略 大的黑色圆表示目标的移动轨迹ꎬ长条代表障碍物ꎬ 矩形框表示移动机器人.移动机器人最后都在距离 目标约为 Ｄ 时停止运动ꎬ在实验中设定 Ｄ 为 １.５ ｍ. 从图 ７ 中可以看出移动机器人在跟踪目标移动的同 时能够有效地避开障碍物. 图 ７ 实验效果 Ｆｉｇ.７ Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ 图 ８(ａ)给出了其中一次目标跟踪与避障实验 时 Ｋｉｎｅｃｔ 获取的彩色图像ꎬ图中黑色矩形框代表目 标跟踪区域ꎬ由左至右、从上至下选取了整个过程中 具有代表性的关键帧图像ꎬ对整个过程进行展示.图 ８(ｂ)是此过程中与光学图像相对应的深度图像ꎬ从 图中可以看出ꎬ在整个过程中移动机器人能够跟踪 目标移动并完成障碍物回避.在过程中有时会出现 目标短暂丢失的情况ꎬ但通过调整移动机器人的运 动可以很快重新获取目标并继续跟踪.图 ８(ｃ)展示 了对应过程的局部地图更新效果ꎬ图中小矩形框代 表移动机器人ꎬ小线段表示障碍物ꎬ浅色点曲线表示 移动机器人的运动轨迹.从 ８(ｃ)中可以看出局部地 图更新方法可以有效地保证移动机器人对障碍物信 息进行有效地获取. 􀅰４３０􀅰 智 能 系 统 学 报 第 ８ 卷