可充电无线传感器网络充电车运动控制方法研究(附件)
在危险环境或者人类无法进入的地点，人工方式无法更换这些区域内传感器节点的电池。当节点电量不足时，节点无法继续采集以及发送数据，这种情况会造成经济上的损失。为了解决上述问题，研究了可充电无线传感器网络充电车运动控制方法，控制充电车向目标节点自主运动。建立充电车的运动模型，通过激光导航技术，选用基于ROS平台的Gmapping建图算法建立二维地图，由概率定位算法估算出充电车当前位姿，根据A*算法设计充电车运动路径，最后由PID控制算法控制充电车运动，实现了充电车向目标节点运动的目的。充电车运动控制方法能够控制充电车运动到目标节点，但是由于激光雷达本身的精度低，充电车运动到节点的误差范围为0~15cm。关键词 可充电，充电车，运动控制，二维地图
目 录
1 引言 1
1.1 研究背景及意义 1
1.2 国内外研究与发展现状 1
1.3 课题主要研究内容 5
2 方法总体设计 5
2.1 需求分析 5
2.2 方案设计 6
3 方法实现 14
3.1 硬件搭建方案 14
3.2 算法研究 18
4 算法测试 20
4.1 硬件连接测试 20
4.2 上位机测试 21
4.3 调试出现的问题和解决方案 25
4.4 测试结果 27
结 论 28
致 谢 29
参考文献 30
1 引言
研究背景及意义
无线传感器网络因其广阔的应用前景以及较多的衍生技术引起国内外广泛的关注。无线传感器网络节点因电池存贮电量较少导致其无法长时间工作，需要外部对其提供供电服务。更换电池需要人工手动进行，存在人工耗费大、更换耗时长等问题，因此需要机器人投放充电模块[1]。除此之外，在火灾、地震等灾害区域进行救援任务时，人工供电方式无法实现会导致传感器无法正常工作。
无线充电技术是一种基于无线技术的对装置进行供电服务的技术。该技术只需将无线充电模块投放至无线传感器节点，即可完成充电操作，减少了人力浪费与更换时间[2]。无线充电模块的投放使用了充电车，通过充电车运动至节点 *好棒文|www.hbsrm.com +Q: @351916072@
完成无线充电模块的运输。使用充电车这一方案还解决了在危险区域内对无线传感器网络节点的充电问题，保障了节点的可持续工作，避免了人员因更换危险地区的无线传感器网络节点电池可能发生的意外。因此，研发人员需要研究如何控制充电车运动到无线传感器网络节点，即研究可充电无线传感器网络充电车运动控制方法。
国内外研究与发展现状
1.2.1 概述
机器人运动控制方法最早由美国南加州大学提出[3]。要控制机器人运动，首先要确定机器人当前所处的位置、目标的位置、如何控制机器人向目标节点运动。充电车的运动问题与机器人运动面临的问题相同。这三个问题需要通过运动控制技术以及导航技术这两种关键技术解决。虽然目前成熟的导航方法有很多种，但是每种导航方法都是由地图构建算法、定位算法、路径规划三种算法组成。
1.2.2 导航系统
移动机器人[4]起源于上世纪60年代，导航技术改变了机器人本身的特性，提高了机器人的灵活性、可操作性，使得机器人能够代替人类完成一些不容易完成的工作。目前移动机器人较成熟的导航方式有磁导航、视觉导航、惯性导航、路标导航等几种。
磁导航[5]是根据磁场强度的原理，预先设计小车行驶路径，设置好每个节点周围的磁场强度，使小车按照预设的路径运动。磁导航方式可靠性高，但是存在成本高、路径固定、维修困难的缺点。
视觉导航[6]目前国内外应用最多的是在移动机器人上安装车载摄像头的视觉导航方式，也有许多机器人系统采用CCD图像传感器，机器人上安装的计算机根据图象识别完成导航。但是不论是摄像头还是图像传感器，都需要计算机对图像数据进行处理，因此存在计算量大以及实时性差的问题。除此以外的最大问题是该导航方法在黑暗环境下无法对机器人进行导航。
惯性导航[7]是利用惯性测量装置获取机器人本身的角加速度与线加速度后计算出机器人位姿的一种导航系统。惯性导航分为平台式惯性导航系统和捷联式惯性导航系统。平台式惯性导航系统通过平台的稳定轴模拟坐标系，计算机器人的位姿。捷联式惯性导航系统将惯性传感器直接安装在载体上，用来感知载体的角速度和线加速度数据。前者计算简单并且精度较高，但是平台制作成本高而且结构复杂。后者不需要惯性平台，减少了整个系统构成的成本，但是需要对机器人的坐标进行复杂的计算，运动中的震动可能会导致惯性传感器出现测量误差。
路标导航[8]是现今应用最为广泛的导航技术。该方法预先将路标信息植入机器人内部，利用传感器识别路标。改进的路标导航系统解决了上述问题，该导航系统分为两部分：纠偏人工路标设计和定位人工路标设计。前者通过图像识别技术修正机器人方向，后者是用于确定机器人运动方向。路标导航存在准确率低和识别速度慢的问题。
雷达导航是基于激光雷达的导航方法，通过雷达扫描环境再配合相应的路径规划后达到对机器人导航的目的。激光雷达的探测距离较远，稳定性高，但是激光雷达的成本较高，价格为几百元到几百万不等。
在上述导航方法中，磁导航可靠性高，但是该导航系统需要预先埋好磁感应线，因此有路线固定、成本高的缺点。视觉导航能够精准确定目标及姿态信息，识别速度较快。惯性导航是基于惯性传感器的导航系统，该算法能够精确计算出充电车方位角与距离。路标导航能够精确识别代表节点路标，但是具有识别速度慢的缺点。雷达导航的精度高，稳定性也好，但是成本比前几种导航方法高很多。
1.2.3 构建地图
在无线传感器网络中运动的移动机器人目的是代替人类对复杂或危险区域的节点的供电以及环境的监测[9]。在未知区域中，使用者需要观测机器人当前所处位置，所以在未知环境中构建地图也成为了一个研究热点。动态地图构建是由DurrantWhyte[17]首次提出的。目前最常用的两种构图方法为基于扩展卡尔曼滤波的建图算法和Gmapping的建图算法。
基于扩展卡尔曼滤波的建图算法是根据移动机器人上装载的惯性传感器对小车本身进行位姿估算，根据估算建立地图。该算法包括两个阶段：（1）预处更新阶段，机器人通过惯性传感器计算自身位姿并给出地图特征点位置估计；（2）匹配阶段，机器人在观测期间获取的地图特征点和再预测阶段所假设的特征点位置进行匹配，通过卡尔曼滤波算法的数据融合，得到较准确的位置。
目 录
1 引言 1
1.1 研究背景及意义 1
1.2 国内外研究与发展现状 1
1.3 课题主要研究内容 5
2 方法总体设计 5
2.1 需求分析 5
2.2 方案设计 6
3 方法实现 14
3.1 硬件搭建方案 14
3.2 算法研究 18
4 算法测试 20
4.1 硬件连接测试 20
4.2 上位机测试 21
4.3 调试出现的问题和解决方案 25
4.4 测试结果 27
结 论 28
致 谢 29
参考文献 30
1 引言
研究背景及意义
无线传感器网络因其广阔的应用前景以及较多的衍生技术引起国内外广泛的关注。无线传感器网络节点因电池存贮电量较少导致其无法长时间工作，需要外部对其提供供电服务。更换电池需要人工手动进行，存在人工耗费大、更换耗时长等问题，因此需要机器人投放充电模块[1]。除此之外，在火灾、地震等灾害区域进行救援任务时，人工供电方式无法实现会导致传感器无法正常工作。
无线充电技术是一种基于无线技术的对装置进行供电服务的技术。该技术只需将无线充电模块投放至无线传感器节点，即可完成充电操作，减少了人力浪费与更换时间[2]。无线充电模块的投放使用了充电车，通过充电车运动至节点 *好棒文|www.hbsrm.com +Q: @351916072@
完成无线充电模块的运输。使用充电车这一方案还解决了在危险区域内对无线传感器网络节点的充电问题，保障了节点的可持续工作，避免了人员因更换危险地区的无线传感器网络节点电池可能发生的意外。因此，研发人员需要研究如何控制充电车运动到无线传感器网络节点，即研究可充电无线传感器网络充电车运动控制方法。
国内外研究与发展现状
1.2.1 概述
机器人运动控制方法最早由美国南加州大学提出[3]。要控制机器人运动，首先要确定机器人当前所处的位置、目标的位置、如何控制机器人向目标节点运动。充电车的运动问题与机器人运动面临的问题相同。这三个问题需要通过运动控制技术以及导航技术这两种关键技术解决。虽然目前成熟的导航方法有很多种，但是每种导航方法都是由地图构建算法、定位算法、路径规划三种算法组成。
1.2.2 导航系统
移动机器人[4]起源于上世纪60年代，导航技术改变了机器人本身的特性，提高了机器人的灵活性、可操作性，使得机器人能够代替人类完成一些不容易完成的工作。目前移动机器人较成熟的导航方式有磁导航、视觉导航、惯性导航、路标导航等几种。
磁导航[5]是根据磁场强度的原理，预先设计小车行驶路径，设置好每个节点周围的磁场强度，使小车按照预设的路径运动。磁导航方式可靠性高，但是存在成本高、路径固定、维修困难的缺点。
视觉导航[6]目前国内外应用最多的是在移动机器人上安装车载摄像头的视觉导航方式，也有许多机器人系统采用CCD图像传感器，机器人上安装的计算机根据图象识别完成导航。但是不论是摄像头还是图像传感器，都需要计算机对图像数据进行处理，因此存在计算量大以及实时性差的问题。除此以外的最大问题是该导航方法在黑暗环境下无法对机器人进行导航。
惯性导航[7]是利用惯性测量装置获取机器人本身的角加速度与线加速度后计算出机器人位姿的一种导航系统。惯性导航分为平台式惯性导航系统和捷联式惯性导航系统。平台式惯性导航系统通过平台的稳定轴模拟坐标系，计算机器人的位姿。捷联式惯性导航系统将惯性传感器直接安装在载体上，用来感知载体的角速度和线加速度数据。前者计算简单并且精度较高，但是平台制作成本高而且结构复杂。后者不需要惯性平台，减少了整个系统构成的成本，但是需要对机器人的坐标进行复杂的计算，运动中的震动可能会导致惯性传感器出现测量误差。
路标导航[8]是现今应用最为广泛的导航技术。该方法预先将路标信息植入机器人内部，利用传感器识别路标。改进的路标导航系统解决了上述问题，该导航系统分为两部分：纠偏人工路标设计和定位人工路标设计。前者通过图像识别技术修正机器人方向，后者是用于确定机器人运动方向。路标导航存在准确率低和识别速度慢的问题。
雷达导航是基于激光雷达的导航方法，通过雷达扫描环境再配合相应的路径规划后达到对机器人导航的目的。激光雷达的探测距离较远，稳定性高，但是激光雷达的成本较高，价格为几百元到几百万不等。
在上述导航方法中，磁导航可靠性高，但是该导航系统需要预先埋好磁感应线，因此有路线固定、成本高的缺点。视觉导航能够精准确定目标及姿态信息，识别速度较快。惯性导航是基于惯性传感器的导航系统，该算法能够精确计算出充电车方位角与距离。路标导航能够精确识别代表节点路标，但是具有识别速度慢的缺点。雷达导航的精度高，稳定性也好，但是成本比前几种导航方法高很多。
1.2.3 构建地图
在无线传感器网络中运动的移动机器人目的是代替人类对复杂或危险区域的节点的供电以及环境的监测[9]。在未知区域中，使用者需要观测机器人当前所处位置，所以在未知环境中构建地图也成为了一个研究热点。动态地图构建是由DurrantWhyte[17]首次提出的。目前最常用的两种构图方法为基于扩展卡尔曼滤波的建图算法和Gmapping的建图算法。
基于扩展卡尔曼滤波的建图算法是根据移动机器人上装载的惯性传感器对小车本身进行位姿估算，根据估算建立地图。该算法包括两个阶段：（1）预处更新阶段，机器人通过惯性传感器计算自身位姿并给出地图特征点位置估计；（2）匹配阶段，机器人在观测期间获取的地图特征点和再预测阶段所假设的特征点位置进行匹配，通过卡尔曼滤波算法的数据融合，得到较准确的位置。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/460.html
