本文提出了一种使用超声波传感器提取特征的移动机器人环境建模方法。声使用固定的声纳环布置。于超声波传感器的特性，这种布置通常不能获得障碍物的精确位置。了解决这个问题，本文提出了一种利用机器人的运动并结合机器人的定位信息的方法。
每个阶段获得的超声数据以一系列几何弧的形式记录，其特征使用这些弧设计算法提取弧和虚拟圆，并将这些特征用作障碍物的形状和位置的更好估计。
验表明，该方法可以进行更精确的环境建模，并在一定程度上克服了超声传感器的角度误差和多次反射问题。动机器人导航技术包括许多技术分支，例如环境信息的表示，定位，轨迹规划，自动避障等。中，机器人对环境的精确识别是基础。目前广泛研究的激光雷达和视觉传感器相比，超声传感器具有成本低，返回数据易于处理和响应速度快的优点，但也有其固有的缺点。检测到时存在一个广角。误。此，研究人员提出了各种方法来克服这些缺点，包括概率分布方法[1]，单发多接收方法[2]和旋转声纳方法。种基于几何的特征提取方法。虑到障碍物总是分布在圆弧外部，恒温阀芯因此圆弧之间的简单几何操作就是外接操作。
了简化模型，我们将几个弧的操作简化为两个弧的操作。图1和2所示，可以在平面空间中提取两个弧。
中的灰色扇形代表超声测量，其中O1O2代表声纳在二维平面中的整体坐标的位置，扇形的半径代表测量值，扇形束的角度代表声纳的角度范围。图1中，可以从两次检测中提取直线实体，并且该直线实体可以对应于环境中的一类障碍物，例如墙壁，房屋的边缘等。
图2中，可以从两次检测中提取出圆形实体。于圆的半径可以大也可以小，因此空间障碍物的凸起边缘（例如门框，硬纸板边缘，墙壁的凸角，垂直细杆等）会出现，可以用虚拟圆圈特征表示。
以上分析可以看出，空间中的大多数障碍物可以通过外切线和外切圆以直线和圆线的形式提取。际上，直线和圆的特征是内在联系的。线提取可以理解为圆弧提取中无限切线圆半径的特殊情况。一方面，当切圆的半径特别小时，圆形实体会朝着点实体发展，这可能表示空间中非常小的障碍。了便于进行原理分析，我们使用两个扇形操作提取实体。是，在算法的实际实现中，我们必须使用大量扇区（圆弧）来执行操作，同时需要精确提取实体。在确定哪些参数适合于提取线而哪些参数适合于提取圆时需要考虑特定的因素。于线特征的提取，当我们仅考虑两个弧时，我们无法确定应将其提取为线还是圆。实，在几何关系中，两个圆弧通常不仅可以提取公共切线，而且可以提取公共切线，并且有无数个更常见的切线。解决此问题，提取线要素时至少需要3个弧，弧越多越好。声波传感器具有较高的采样密度，可以提供大量数据，但是也存在许多错误数据。1是本文中方法测试结果的分析。们可以看到，大量声纳测量返回的值太大，其中包含大量错误数据（镜面反射，多次反射）。满足距离条件的检测中，可以执行特征相关提取。中只有1/3到1/4是可靠性高的测量结果的一部分，可以表示更精确的环境信息，剩余的测量结果可以进行过滤以确保环境检测的准确性。
以得出结论，该方法在一定程度上克服了超声的发散角误差，在一定程度上克服了镜面反射和多次反射的问题。合大量数据后，提取算法是实时的，障碍物位置信息更加精确。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com