基于Wi-Fi指紋定位的智能車(chē)仿生聲納SLAM算法研究

2 實(shí)驗(yàn)與分析

2.1 仿生聲納系統(tǒng)在對(duì)音頻信號(hào)采集

本文通過(guò)3個(gè)超聲波換能器作為蝙蝠的耳朵和嘴，3個(gè)超聲波換能器按照“一字型”進(jìn)行排列?！岸狈謩e將采集的信息通過(guò)信號(hào)接收電路，經(jīng)過(guò)AD芯片轉(zhuǎn)換為數(shù)字信號(hào)傳遞給智能車(chē)的STM32主控芯片；STM32主控芯片發(fā)出信號(hào)，經(jīng)三極管放大和變壓器升壓，達(dá)到足夠功率后使用“嘴”發(fā)出聲波。仿生聲納系統(tǒng)采集音頻信號(hào)并傳輸給上位機(jī)獲得左右耳蝸圖，仿生聲納系統(tǒng)采集與傳輸?shù)倪^(guò)程，如圖4所示。

圖4 仿生聲納系統(tǒng)采集與傳輸

2.2改進(jìn)算法與原算法的經(jīng)驗(yàn)圖對(duì)比試驗(yàn)

選擇室內(nèi)長(zhǎng)度為14米寬度為8米的空間作為實(shí)驗(yàn)場(chǎng)地，使用GPS獲取位置信息作為基準(zhǔn)。讓智能汽車(chē)在一段相同路徑上循環(huán)行駛2次，記錄智能汽車(chē)在不同算法條件下的經(jīng)歷圖情況。如圖5(a)所示，BatSLAM算法下，在最初時(shí)，經(jīng)歷圖與實(shí)際的運(yùn)動(dòng)軌跡幾乎重合，當(dāng)智能車(chē)運(yùn)動(dòng)到（1.8, 1.8）后，經(jīng)歷圖與實(shí)際運(yùn)動(dòng)軌跡出現(xiàn)較大的偏差，并且偏差越來(lái)越大；如圖5(b)所示,智能車(chē)的經(jīng)歷圖與實(shí)際的運(yùn)動(dòng)軌跡的偏差出現(xiàn)先擴(kuò)大后縮小的情況，當(dāng)運(yùn)動(dòng)到（9, 6.3）時(shí)，經(jīng)歷圖和實(shí)際軌跡出現(xiàn)重合，以上情況說(shuō)明由于外界干擾等原因，BatSLAM算法由于定位的不準(zhǔn)確，會(huì)造成經(jīng)歷圖的失真。

如圖5所示，基于Wi-Fi指紋定位的BatSLAM算法下，圖6(a)中智能車(chē)的經(jīng)歷圖幾乎與實(shí)際的運(yùn)動(dòng)軌跡相重合，雖然圖6(b)中的經(jīng)歷圖和實(shí)際運(yùn)動(dòng)軌跡存在一定的偏差，但是基本上優(yōu)化了經(jīng)歷圖的失真問(wèn)題，提高了定位的準(zhǔn)確性。

圖5(a) BatSLAM經(jīng)歷圖

圖5(b) BatSLAM經(jīng)歷圖

圖6(a) 基于Wi-Fi指紋定位的BatSLAM經(jīng)歷圖

圖6(b) 基于Wi-Fi指紋定位的BatSLAM經(jīng)歷圖

2.3 改進(jìn)算法與原算法定位準(zhǔn)確度對(duì)比試驗(yàn)

在特定的誤差條件下，可以進(jìn)行成功定位的概率作為定位的準(zhǔn)確度。定位誤差的累積概率指的是位置誤差小于或等于某個(gè)值的概率。如圖6所示，當(dāng)誤差距離不斷擴(kuò)大時(shí)，累積誤差概率也不斷上升。相同的誤差距離時(shí)，相對(duì)于BatSLAM算法，基于Wi-Fi指紋定位的BatSLAM算法下定位誤差的累積概率都相對(duì)較高，定位誤差的累積概率上升速率越快，在誤差距離達(dá)到0.12時(shí)，定位誤差的累積概率已經(jīng)達(dá)到了100%，充分的體現(xiàn)了基于Wi-Fi指紋定位的BatSLAM算法準(zhǔn)確度高，有效的提高了定位精度。

圖7 改進(jìn)算法與原算法精度對(duì)比

2.4 改進(jìn)算法與原算法定位精度對(duì)比

本文使用平均誤差，最大誤差這二項(xiàng)指標(biāo)來(lái)衡量2種算法的定位精度，如表1所示。改進(jìn)算法的最大誤差和平均誤差相對(duì)較小，定位精度更高。

表1 算法精度指數(shù)對(duì)比表

3 結(jié)論

本文提出的基于Wi-Fi指紋定位的BatSLAM模型，不僅實(shí)現(xiàn)了不僅實(shí)現(xiàn)了智能車(chē)室內(nèi)二維經(jīng)驗(yàn)圖的構(gòu)建，而且提高了定位的準(zhǔn)確性和精度，改善經(jīng)驗(yàn)圖的失真問(wèn)題，實(shí)現(xiàn)經(jīng)驗(yàn)圖的優(yōu)化效果。

參考文獻(xiàn)：

[1]   遲健男,徐心和.移動(dòng)機(jī)器人即時(shí)定位與地圖創(chuàng)建問(wèn)題研究[J].機(jī)器人,2004,26(1):92-96．

[2]   張鳳,黃陸君,袁帥,等. NLOS環(huán)境下基于EKF的移動(dòng)機(jī)器位研究[J]. 控制工程,2015,22(1):14-19.

[3]   李曉晨,姚素英,黃碧珍,等.一種應(yīng)用于高動(dòng)態(tài)范圍CMOS圖像傳感器的曝光控制技術(shù)[J].傳感技術(shù)學(xué)報(bào),2013(3):328-332.

[4]     李琳,林炳強(qiáng),鄒焱飚.基于條紋式激光傳感器的機(jī)器人焊縫跟蹤系統(tǒng)研究[J].中國(guó)激光, 2015,(5):34-41.

[5]     MILFORD M J,PRASSER D P,WYETH G F. Effect of representation size and visual ambiguity on RatSLAM system performance [C].Australasian Conference on Robotics and Automation. Australian Robotics and Automation Society (ARAA), 2006: 1-8.

[6]   SCHILLEBEECKX F, MEY F D, VANDERELST D, et al. Biomimetic Sonar: Binaural 3D Localization using Artificial Bat Pinnae[J]. International Journal of Robotics Research, 2011, 30(8):975-987.

[7]   蘇松, 胡引翠, 盧光耀, 等. 低功耗藍(lán)牙手機(jī)終端室內(nèi)定位方法[J]. 測(cè)繪通報(bào), 2015(12): 81–84, 97.

[8]   王雪莉, 盧才武, 顧清華, 等. 無(wú)線定位技術(shù)及其在地下礦山中的應(yīng)用[J]. 金屬礦山, 2009(4): 121–125.

（本文來(lái)源于《電子產(chǎn)品世界》雜志2020年8月期）