在室內(nèi)移動機器人的導(dǎo)航中，機器人的定位與地圖創(chuàng)建是機器人研究中一個基礎(chǔ)且重要的問題。機器人只有實時明確自己當(dāng)前的方位，才能快速準(zhǔn)確地到達目的地。自從移動機器人誕生以來，已知環(huán)境地圖的定位問題和已知定位的地圖創(chuàng)建問題已經(jīng)被廣泛研究，提出了多種有效的解決途徑。而當(dāng)?shù)貓D和機器人的位置都事先未知時，定位問題就變得更加復(fù)雜。

在這種情況下，要求機器人在一個完全未知的環(huán)境中從一個未知的位置出發(fā)，在遞增地建立環(huán)境的導(dǎo)航地圖同時，利用已建立的地圖來同步刷新自身的位置，最終形成完整的環(huán)境地圖并在此基礎(chǔ)上提供準(zhǔn)確的定位。在上述問題中，機器人位置和地圖兩者的估算是高度相關(guān)的，任何一方都無法獨立獲取。這樣一種相輔相生，不斷迭代的過程，被學(xué)術(shù)界簡稱為同步定位與地圖創(chuàng)建（ SLAM ）問題。該問題可以表述為：機器人在未知環(huán)境中，從一個未知位置開始移動，在移動過程中根據(jù)位置估計和傳感器進行自身定位，同時建立環(huán)境地圖。目前使用的主要是模糊邏輯和概率的方法，如Bayes估計，Kalman濾波，擴展Kalman濾波和Markov推理等。

射頻識別（RFID）技術(shù)是近年來興起的一門自動識別技術(shù)。與傳統(tǒng)的條形碼系統(tǒng)、接觸式卡等不同，射頻識別系統(tǒng)是利用無線射頻方式非接觸供電，并進行非接觸雙向數(shù)據(jù)通信，以達到識別并交換數(shù)據(jù)的目的。識別工作無須人工干預(yù)，可工作于各種惡劣環(huán)境。將RFID技術(shù)應(yīng)用于機器人中，可以更好地發(fā)揮其技術(shù)特點，使機器人更多地獲取外在信息。

不少學(xué)者正在研究將RFID用于機器人定位系統(tǒng)中，把RFID作為機器人的一種傳感器來進行數(shù)據(jù)采集和處理。標(biāo)簽為機器人的外部信息量，機器人通過閱讀器來采集各個標(biāo)簽中的位置信息，通過獲取的信息利用同步定位與地圖創(chuàng)建算法來對機器人進行有效的定位，從而得到更準(zhǔn)確地控制。本文的研究工作中提出了一種基于RFID 系統(tǒng)的有效SLAM 算法。該算法可以解決2維環(huán)境下的機器人定位問題。實驗證明，通過已知的RFID數(shù)據(jù)，該算法能成功地在2維環(huán)境中實現(xiàn)移動機器人的跟蹤定位。

1 RFID 環(huán)境設(shè)置

將RFID標(biāo)簽如圖1所示均勻分布在地面上，標(biāo)簽的間距為0.5m。每個標(biāo)簽牛都存放該標(biāo)簽所在位置的絕對坐標(biāo)數(shù)據(jù)。以便稍后為機器人提供外部位置信息。

將RFID 閱讀器安裝于機器人的底部，用于讀取放置在地面上的標(biāo)簽中的信息。機器人在移動過程中進入標(biāo)簽范圍時，標(biāo)簽進入閱讀器的磁場范圍，接收閱讀器發(fā)出的射頻信號，憑借感應(yīng)電流所獲得的能量發(fā)送出存儲在標(biāo)簽中的坐標(biāo)信息。實驗中RFID閱讀器的正面朝下讀取地面的標(biāo)簽卡。

當(dāng)移動機器人經(jīng)過標(biāo)簽時，閱讀器讀取標(biāo)簽中的坐標(biāo)信息并將其傳回電腦存儲，并讀取閱讀器的磁場范圍的下一個標(biāo)簽。重復(fù)這一過程直到閱讀器接收其射頻場內(nèi)所有標(biāo)簽信息。在本文的研究中，只考慮RFID閱讀器一次只處理一個標(biāo)簽坐標(biāo)信息的情況。

2 定位算法

上文已經(jīng)描述了通過RFID系統(tǒng)獲取機器人基本位置的方法。然而，同步定位的精度與RFID標(biāo)簽的間距以及硬件設(shè)備的性能密切相關(guān)。文中提出的基于RFID系統(tǒng)的同步定位與地圖創(chuàng)建算法通過一些基本坐標(biāo)信息來預(yù)測移動機器人的運動軌跡并定位。各國研究者已經(jīng)提出了多種地圖表示方法，大致可分為3類：柵格地圖、幾何特征地圖和拓撲地圖。本文使用幾何特征地圖，用幾何特征表示傳感器網(wǎng)絡(luò)中的一個傳感地標(biāo)。地圖中的地標(biāo)和機器人的位置用直角坐標(biāo)系表示。

當(dāng)RFID標(biāo)簽進入閱讀器的磁場范圍時，閱讀器讀取其坐標(biāo)數(shù)據(jù)X（ x，y ），并根據(jù)該坐標(biāo)值計算機器人到各個已知路標(biāo)間的距離，已知路標(biāo)用標(biāo)簽表示。

2.1 不確定性信息處理

作為SLAM 的信息來源，機器人本體的運動模型及其攜帶的傳感器的準(zhǔn)確性是決定地圖精度的關(guān)鍵之一。實際上這些渠道獲得的信息都帶有不同程度的不確定性。在未知環(huán)境中，環(huán)境信息的不確定性尤為明顯。感知信息的不確定必然導(dǎo)致地圖和定位雙方的不確定。研究人員已經(jīng)提出了多種用來處理不確定性的度量方法，如模糊度量、概率度量、信任度量、可能性度量等。目前在SLAM 中使用較多的主要是模糊度量和概率度量的方法。本文采用概率度量來處理不確定性。用概率表示SLAM 中2個重要模型：觀測模型和運動模型。

2.2 觀測模型

觀測模型P（ x t ，y t ）是已知t時刻機器人位置和路標(biāo)位置集合M 的條件下求t時刻觀察值五的條件概率。離散時間t=1，2，3，。。.;s = （ x s ， y s ）表示通過RFID獲得的機器人位置;

表示t時刻得到的整個系統(tǒng)總觀測值。

t 時刻機器人到某一路標(biāo)的距離d是路標(biāo)坐標(biāo)f i （ x f i ，y f i ）與機器人位置坐標(biāo)st （ x s ，ys ）的函數(shù)，f i （ x f i ，y f i ）表示第i個路標(biāo)的實際位置。模型中的噪聲用q表示。觀測模型可以表示為：

在定位算法中，信息標(biāo)簽對未知閱讀器的位置都有影響力，標(biāo)簽到閱讀器的距離越近，其影響力越大，對閱讀器位置有更大決定權(quán)。本文中的閱讀器放在移動機器人底部。所以閱讀器的位置也是機器人的位置。如圖2，閱讀器收到了4個信息標(biāo)簽的信號，4個標(biāo)簽的坐標(biāo)分別為（ x1，y1），（x2，y2），（ x3，y3），（ x4，y4），它們到移動機器人的距離分別為d1 ，d2，d3，d4。可以看出d1《d2 《d4 《 d3。

因此Tagl的影響力最大，對閱讀器的位置有最大決定權(quán)。Tag3的影響力最小，對閱讀器位置的決定權(quán)最小。根據(jù)三角定位原理，只取影響力較大的3個信息標(biāo)簽來做定位計算。

根據(jù)Tagl，Tag2，Tag4到閱讀器的距離d1，d2，d4 可求出待定位的機器人計算坐標(biāo)St =（xs，ys ）：

2.3 運動模型

運動模型預(yù)測下個時間段機器人的運動狀態(tài)和環(huán)境特征。移動機器人在t時刻的位置為St （X s，ys），St是 t 時刻移動機器人的輸入控制Ut和前一時刻位置S t-1 的一個函數(shù)，移動機器人的位置信息可以用運動模型：

來表示

由于環(huán)境特征是靜止的點，運動模型可以如下表示：

其中（xi （t），yi （t））是t 一1時刻標(biāo)簽 i 的坐標(biāo)。

從運動模型中采樣M 條路徑，每條路徑都是一個粒子。對每個粒子來說，機器人運動路徑是確定的，每個粒子分別采用N個卡爾曼濾波器估計用N個環(huán)境特征的位置。

和

分別表示第i個粒子的N個環(huán)境特征的高斯均值和協(xié)方差。

2.4 SLAM 中的粒子濾波器

粒子濾波算法的迭代過程為：

① 初始Ⅳ 個粒子，表示機器人的位置;

② 求上一步中每個粒子的運動模型;

③ 對每個表示機器人的粒子，預(yù)測觀測值，并根據(jù)觀測值計算粒子權(quán)值;

④ 使用每個粒子對應(yīng)的K個卡爾曼濾波求各個環(huán)境坐標(biāo)位置的估計值;

⑤ 重采樣;

機器人路徑粒子重采樣所需要的權(quán)值計算如下：

3 仿真結(jié)果

機器人運動速度為0.5m/s，控制信號時間間隔為0.025s，觀測最遠距離30m.模擬2O個時間步來測試算法的穩(wěn)定性。實驗通過Matlab編程進行參數(shù)設(shè)置，用鼠標(biāo)操作劃出機器人的行走線路。

4 結(jié)語

本文采用RFID技術(shù)和粒子濾波器實現(xiàn)移動機器人自主定位和地圖創(chuàng)建。利用RFID的高速數(shù)據(jù)傳輸?shù)奶攸c，增強移動機器人數(shù)據(jù)獲取能力，提高了機器人定位的效率。但目前，RFID技術(shù)還有待進一步提高，閱讀器同時接受多個標(biāo)簽數(shù)據(jù)時的碰撞問題要進一步解決完善。同時SLAM 算法與RFID應(yīng)用的結(jié)合將幫助機器人更好的定位及控制。

責(zé)任編輯：Ct