通過創(chuàng)新圖形化開發(fā)平臺快速構建移動機器人的原型
加入技術交流群
來自弗吉尼亞理工大學機器人學與機械實驗室（RoMeLa）的工科學生，在Dennis Hong教授的領導下正在進行智能動態(tài)擬人機器人（DARwin）的雙足類人機器人的開發(fā)和研究，目的是對假肢進行研究和開發(fā)。DARwin使用NI LabVIEW圖形化系統(tǒng)設計平臺，能夠實現(xiàn)全范圍運動，并且能夠準確地模擬人類運動。由于動作模擬十分有效，因此很快就對它進行了修改，用于參加RoboCup足球比賽。
RoMeLa的學生使用LabVIEW，就可以分析動態(tài)雙足運動、設計并開發(fā)機器人控制系統(tǒng)的原型。如果開發(fā)的原型能夠令人滿意地工作，他們就將控制算法部署到運行LabVIEW實時模塊的PC/104單板計算機上。
通過LabVIEW，設計人員無需成為計算機專家或程序員，就可以開發(fā)高級機器人。例如，一位只有有限LabVIEW和機器視覺經驗的學生在短短幾個小時之內，就設計了一個讓機器人利用它帶有的IEEE 1394相機和NI機器視覺開發(fā)模塊跟蹤一個紅球的算法。工程師們使用LabVIEW和NI硬件，就可以使用功能強大的圖形化編程語言快速地設計并開發(fā)復雜算法的原型；并通過代碼生成方便地將控制算法部署到PC、FPGA、微控制器或實時系統(tǒng)之中；還可以與幾乎所有的傳感器、執(zhí)行器進行連接。此外，通過LabVIEW和NI硬件平臺，可以支持CAN、以太網、串口、USB等多種接口，方便地構建機器人系統(tǒng)的通訊網絡?，F(xiàn)在，領域專家不僅僅能夠完成機械工程師的工作，還能夠成為機器人設計者。
實例分析：弗吉尼亞理工大學使用NI LabVIEW設計全自主地面車參加DARPA 城市挑戰(zhàn)賽
DARPA城市挑戰(zhàn)賽需要設計一輛全自主地面車能夠在城市環(huán)境中自動導航行駛。在整個賽程中，全自主車需要在6小時內穿越60英里，途經道路、路口和停車場等各種交通狀態(tài)。在比賽開始時，參賽者會拿到任務檔案公路網地圖，并指定需要按一定順序訪問的檢查站。
為了盡快到達檢查站，車輛需要考慮所選道路的車速限制，可能的道路堵塞，以及其他交通狀況。車輛在行駛中必須遵守交通規(guī)則，在十字路口注意安全駕駛和避讓，妥善地處理與其他車輛之間的互動，以最高30英里的時速避讓靜態(tài)和動態(tài)的障礙物。
來自弗吉尼亞理工大學的團隊需要在12個月開發(fā)出全自主地面車，他們將開發(fā)任務分成四個主要部分：基礎平臺、感知系統(tǒng)、決策規(guī)劃和通訊架構。
每一部分都基于NI的軟硬件平臺進行開發(fā)：通過NI硬件與現(xiàn)有車載系統(tǒng)進行交互，并提供操作接口；使用LabVIEW圖形化編程環(huán)境來開發(fā)系統(tǒng)軟件，包括通訊架構、傳感器處理和目標識別算法、激光測距儀和基于視覺的道路檢測、駕駛行為控制、以及底層的車輛接口。
1、基礎平臺
弗吉尼亞理工大學的參賽車Odin是2005年福特翼虎(Escape)混合動力型越野車，如圖3所示，并為自主駕駛做了一定程度的改裝。NI CompactRIO系統(tǒng)與翼虎操控系統(tǒng)進行交互，通過線控驅動(drive-by-wire)的方式控制油門、方向盤、轉向和制動。學生們利用LabVIEW控制設計與仿真模塊開發(fā)了路徑曲率和速度控制系統(tǒng)，并通過LabVIEW實時模塊和FPGA模塊部署到CompactRIO硬件平臺加以實現(xiàn)，從而建立了一個獨立的車輛控制平臺。與此同時，學生使用LabVIEW觸摸屏模塊和NI TPC - 2006觸摸屏構建用戶界面并安裝在控制臺。
2、感知系統(tǒng)
為了滿足城市挑戰(zhàn)賽的競賽規(guī)則，Odin需要能夠定位自身的位置，探測周圍的路面狀況和可用的行駛車道，識別路徑中的所有障礙，并適當分類障礙車輛。Odin安裝了多種傳感器以滿足這些需求，其中包括3枚四平面激光測距儀（ LRF ）安裝在保險杠，另有4枚LRF和2架計算機視覺相機安裝在車頂行李架，以及高精度的全球定位系統(tǒng)/慣性測量裝置系統(tǒng)(GPS/IMU)。本文引用地址：http://m.butianyuan.cn/article/195606.htm
圖3 弗吉尼亞理工大學的參賽車Odin
對于每一類感知需求，都通過多個傳感器以實現(xiàn)最大的保真度和可靠性。為了達到靈活的傳感器融合，規(guī)劃軟件忽略傳感器原始數(shù)據，并使用一套由特定任務組件產生的獨立于傳感器的感知信息。比如定位組件使用了LabVIEW卡爾曼濾波器來跟蹤車輛的位置和方向；道路檢測組件使用NI視覺開發(fā)模塊結合相機以及LRF的數(shù)據來確定路面狀況和附近路段的每個車道；對象分類組件使用LabVIEW處理LRF數(shù)據以檢測障礙并對障礙進行分類，然后預測動態(tài)障礙和其他車輛的路徑及下一步行動。
評論