基于北斗的輪履復(fù)合式清掃車*

*基金項目：沈陽航空航天大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（X202210143008）

1   前言

現(xiàn)有智能垃圾車一般沒有配備衛(wèi)星導(dǎo)航裝置，不能實現(xiàn)全自主行進功能，是智能化垃圾車難以實際應(yīng)用的重要因素之一。

北斗衛(wèi)星導(dǎo)航系統(tǒng)是我國自主建設(shè)、獨立運行的衛(wèi)星導(dǎo)航定位系統(tǒng)，系統(tǒng)能提供時間和空間基準，以及與位置相關(guān)的實時動態(tài)信息，將北斗系統(tǒng)導(dǎo)入垃圾清掃機器車中，符合國家將北斗衛(wèi)星全行業(yè)植入發(fā)展的科技戰(zhàn)略和保護環(huán)境的基本宗旨，也是改善社會公共服務(wù)和提高人民生活環(huán)境水平的重要舉措。

表1 基于北斗的輪履復(fù)合式清掃車各功能模塊概述

2   系統(tǒng)總體方案設(shè)計

系統(tǒng)功能模塊包括：中心控制模塊、北斗路況檢測模塊、北斗導(dǎo)航定位模塊、自主動態(tài)避障模塊、工作行進模塊、垃圾撿取模塊，各模塊功能簡介見表1。

根據(jù)上述分析，本項目主要實現(xiàn)功能如下：

1）本車采用北斗導(dǎo)航定位彌補不足，規(guī)劃出多種線路，進行擇優(yōu)選擇；

2）采用自主避障模式保證人員與車輛安全，利用北斗衛(wèi)星對周圍環(huán)境人員密集度的實時檢測，避免大規(guī)模人群；

3）用輪履復(fù)合結(jié)構(gòu)有效應(yīng)對多種復(fù)雜環(huán)境，3 種工作模式的適時切換，可通過絕大部分復(fù)雜地形。

3   主要功能模塊設(shè)計

3.1 清掃車中心控制模塊

清掃車硬件組成框圖如圖1 所示，圖中的中心控制模塊對北斗和3D 相機傳遞回來的信息分析處理，之后對工作行進模塊以及垃圾撿拾模塊進行控制。

基于功能需求、成本和資源豐富性考慮，清掃車中心控制模塊采用Atmega 為核心控制器。Atmega 具有高性能、低功耗的8 位AVR 微處理器，兩個具有獨立預(yù)分頻器和比較器功能的8 位定時器、比較器，使得其在圖像處理上有更大優(yōu)勢，便于基于VSLAM 技術(shù)構(gòu)建清掃車所在區(qū)域的三維地圖。

3.2 北斗路況檢測模塊

北斗衛(wèi)星可以采集一定范圍內(nèi)的路況信息，通過ATK -S1216F8-BD 北斗模塊將數(shù)據(jù)傳輸?shù)紸tmega 控制器中。系統(tǒng)在其與北斗導(dǎo)航系統(tǒng)信號傳輸?shù)耐瑫r將地理位置傳輸?shù)街行目刂颇K，并通過數(shù)據(jù)存儲相關(guān)模塊進行短期的地理位置的數(shù)據(jù)存儲，最終將實時的地理位置數(shù)據(jù)傳輸?shù)娇刂浦行牡臄?shù)據(jù)處理系統(tǒng)終端。

后Atmega 控制器采用圓算法的光伏陣列、標點定位、視覺的高壓方法檢測識別不同的路況信息。路況信息檢測識別過程如圖2所示。

1）檢測道路分布情況

使用圓算法的光伏陣列法，首先建立道路模型、城市模型和定位子系統(tǒng)，掃描大致路況，然后構(gòu)建數(shù)學(xué)模型，采用圓算法對道路的分布情況進行檢測，使清掃車可以得到可行進的道路，避免清掃車在道路上亂行。

2）檢測識別建筑物

使用標點定位法，首先用柵格法建立路況的模型，其中用小方格代表所檢測的環(huán)境，并對環(huán)境矩形建模。接著建立道路上高大建筑物、樹木等數(shù)學(xué)模型，根據(jù)模型進行訓(xùn)練，檢測識別出建筑物，避免發(fā)生危險。

3）檢測車、人流量

使用視覺高壓法，北斗衛(wèi)星具有自動化視覺檢測定位子系統(tǒng)，根據(jù)全局搜索與區(qū)域細分檢驗相結(jié)合的原理，進行投影變換?？蓪嚵髁?、人流量密集的道路進行檢測，當一些車流量、人流量密集的時候，清掃車可以暫時排除此道路。

3.3 導(dǎo)航定位模塊

導(dǎo)航定位模塊分為兩個部分：北斗定位和自主規(guī)劃最優(yōu)路線。

1）北斗定位

利用北斗衛(wèi)星的定位技術(shù)將清掃車出發(fā)點的地理位置、終點的地理位置、清掃車實時位置相比較，通過北斗導(dǎo)航定位中的二維定位法，確定位置信息的經(jīng)緯度。同時采用圓算法的光伏陣列法，將從出發(fā)點到終點的所有路徑進行整合，為下一步進行路線規(guī)劃打好基礎(chǔ)。

2）自主動態(tài)地規(guī)劃最優(yōu)清掃路線

采用柵格法構(gòu)建清掃車行進的路線模擬圖，從所有由出發(fā)點到終點的清掃路線中，結(jié)合實時路況擁堵情況，選擇出清掃時間最短的最優(yōu)路線。

如圖3 所示，假設(shè)清掃車要清掃A 位置到B 位置的所有道路，圖中白色區(qū)域為要清掃的道路，黑色區(qū)域為建筑物、圓環(huán)區(qū)域為紅燈、斜杠區(qū)域為擁擠路段, 其中一個小格代表的實際距離為500 m。由于清掃車在建筑物拐角處要進行拐彎，可根據(jù)清掃車要拐彎的數(shù)量計算出所有可能的路線數(shù)量S 為：

式中n 為拐點數(shù)。清掃車由A走向B要經(jīng)過14 個拐點( 經(jīng)過建筑物的數(shù)量)，所以清掃車有S = 105 條路線可供選擇。理想情況下，即當沒有紅燈、道路并不擁擠的情況下，經(jīng)過拐點數(shù)量最少的道路即為最短路線，清掃用時最短。但是若出現(xiàn)道路擁堵等特殊情況，按理想路線行駛并不能省時節(jié)能。因此本項目在規(guī)劃路徑時，結(jié)合北斗衛(wèi)星檢測到的實時路況，自主動態(tài)的調(diào)整行駛路線。

如圖4 可知，當存在紅燈和擁擠時，清掃車在建筑物②左上角處拐彎然后在建筑物⑧右下角處拐彎再在建筑物?右上角處拐彎，最后在建筑物?左下角處拐彎，共需要經(jīng)過27 個小格，為最優(yōu)路線。采用柵格法將城市道路轉(zhuǎn)化為數(shù)學(xué)模型，通過計算，分析清掃車的工作時的車速。清掃車的行駛速度應(yīng)在3~20 km/h，清掃車根據(jù)路面的實際情況來調(diào)整車速。清掃路線模擬圖如圖6 所示。圖中深黑色箭頭，在沒有經(jīng)過紅燈和人群路段時會加快車速。例如，箭頭經(jīng)過路線為27 小格，代表實際距離為13.5 km。此時為節(jié)約時間保證清掃干凈，車速將控制在15~20 km/h。所以所需要的時間為0.675~0.9 h。在工作途中遇到行人、車輛會停止避免發(fā)生危險。例如，圖6 灰色箭頭所示，途中經(jīng)過紅燈、人群擁堵路段，清掃車會降低車速。箭頭經(jīng)過路線為31 小格，代表實際距離為15.5 km。車速應(yīng)保持在8~15 km/h，避免發(fā)生意外。其中等待紅燈的時間為30 s、經(jīng)過人群車速為3~8 km/h。所以所需時間為2.66~5.225 h。

圖3 清掃路線示意圖

圖4 清掃路線模擬圖

3.4 自主動態(tài)避障模塊

在清掃車工作過程中，清掃車應(yīng)對隨時出現(xiàn)的人或物體采取及時、精確、自主的避讓措施，這就要求清掃車能夠?qū)ξ蛔藢崟r改變的人或物體進行分析，并進行自主動態(tài)避障，為清掃車在所處實時變化的環(huán)境下的工作安全提供保障。

對比幾種在二維平面中進行測距實現(xiàn)避障的策略，本設(shè)計選用3D 相機作為采集信息的視覺傳感器，利用3D 相帶有的測距功能，采用VSLAM 技術(shù)，通過構(gòu)建三維地圖的方式搭建清掃車周邊的環(huán)境地圖，相比其它距離傳感器而言，應(yīng)用3D 視覺傳感器更能獲取足夠豐富的圖像信息。

VSLAM 處理流程如圖5 所示。通過VSLAM 處理相機采集的多幀圖像來估計自身的位姿變化，而后通過累計位姿的變化計算出清掃車與人或物體的距離，并進行地圖構(gòu)建與全局定位；采用圖像處理技術(shù)進行閉環(huán)檢測，即采用邊緣描述法和體積描述法描述VSLAM 構(gòu)建地圖中的人或物體的幾何特性，并對目標位姿進行數(shù)據(jù)標注；對經(jīng)由閉環(huán)檢測得到的信息，由核心控制器對所構(gòu)建的三維地圖中的物體的幾何特性信息、位姿信息進行分析比對和優(yōu)化處理，完成全局軌跡和地圖的構(gòu)建；最后進行自主動態(tài)避障決策，實現(xiàn)清掃車的自主動態(tài)避障。

3.5 面對復(fù)雜地形的行走模式自主切換

1）履帶模式

履帶模式采用履帶接觸地面，車輪附著在履帶兩側(cè)。履帶模式特點為行進平穩(wěn)，行進速度較為緩慢，重心低，附著系數(shù)大，具有良好的抗側(cè)翻和抗滑坡性能，同時還具有轉(zhuǎn)彎半徑小的機動性，爬坡能力強等優(yōu)越的越野性能，屬于全地形的作業(yè)機械。

2）車輪模式

車輪模式采用車輪接觸地面，傳動桿伸長以抬高車體。車輪模式特點為行進速度較快，效率高，車輪可180 度調(diào)節(jié)故其方向調(diào)整靈活度高，機動性強。適用于較為平坦的路面以及水洼等需要抬高車體的情況，因其高機動性能也適用于人員較為密集的場所。

3）輪履復(fù)合模式

輪履復(fù)合模式采用車輪與履帶的同時作用，傳動桿伸縮自身長度以改變車輪與履帶間距。輪履復(fù)合模式特點為可實時調(diào)節(jié)車輛重心，保持車身穩(wěn)定性，車輪履帶相互作用，可彌補各自缺點。適用于臺階、樓梯等復(fù)雜路況。

4   結(jié)束語

本文針對垃圾清掃車自主規(guī)劃清掃路線這一特殊要求，在自主避障研究的基礎(chǔ)上與北斗衛(wèi)星相結(jié)合，提高了自主清掃能力。并且對復(fù)雜地形進行了分析，對車體結(jié)構(gòu)進行改良，效果良好。

參考文獻：

[1] 蔣勇.地面清潔機器人結(jié)構(gòu)及控制系統(tǒng)設(shè)計[D].南京:南京理工大學(xué),2018.

[2] 李延斌,牛雷,佟賀.基于GPS的智能車自動駕駛系統(tǒng)的研制[J].電子產(chǎn)品世界,2018,25(11):61-63,50.

[3] 冉冬東.輪履切換型道路垃圾清理機器人的設(shè)計[J].工程科技Ⅱ輯,2021,40(5):42-44.

[4] 李雪艷.智能掃地車系統(tǒng)設(shè)計與研究[J].機電信息,2015(33):179-180.

[5] 許俊勇.移動機器人全景vSLAM研究[D].上海:上海交通大學(xué),2008.

[6] 尹韜儒.無人駕駛垃圾清掃車的設(shè)計與北斗導(dǎo)航定位系統(tǒng)應(yīng)用[J].中國新技術(shù)新產(chǎn)品,2016(16):19-20.

[7] 張明路,李敏,田穎,等.輪履復(fù)合被動自適應(yīng)機器人設(shè)計與參數(shù)分析[J].機械科學(xué)與技術(shù),2019,38(2):198-204.

（本文來源于《電子產(chǎn)品世界》雜志2023年2月期）