移动机器人和RFID结合的动态目标定位和跟踪研究

Under the tide of the world’s Industry 4.0, the combination of mobile robot and the internet of things (IoT) greatly facilitates various navigation and delivery tasks in many scenarios. As one of the key technologies of the IoT, RFID (radio-frequency identification) provides a solution to automatically identify and track mobile objects. However, there are some disadvantages of the approaches in the state-of-the-art. First, the traditional signal strength-base approach is highly influenced by many environmental factors, and the accuracy is limited. Second, the approach used to localize static objects is not suitable to localize and track moving objects, and thus cannot be used for mobile robots to track moving objects. High precise objects localization and tracking is now becoming a very hot topic in the new interdisciplinary of robotics and IoT. We will deal with this problem from the following two perspectives: (1) we research on the motion model of moving objects. To be precise, we use the phase information to infer the motion of the object and integrate the laser or visual information to improve the estimation accuracy. (2) we research on the problem of dynamic object localization and tracking. In particular, we fuse the RFID information and laser data to obtain the fast tracking of moving object. The robust and accurate object tracking is achieved using a particle filter. Last, we design an optimal controller that allows the robot to follow an optimal path towards the dynamic objects during the tracking. This project aims to improve the tracking accuracy of dynamic objects based on RFID, improve the ability of robots to follow the high-speed moving targets, and enhance usefulness of RFID-based tracking approach in order to meet the requirements of the real industrial scenarios.

在世界工业4.0发展大潮下，移动机器人与物联网结合的智能技术极大地方便了各种场所的导航与运输服务。作为物联网的关键技术，射频识别可以方便地完成移动对象的识别与定位。但尚存一些不足：一是，传统的基于信号强度的标签定位受环境影响较大，定位精度仍有限；二是，主流的静态RFID标签定位不适用于动态定位和追踪，很难应用于移动机器人作业现场。高精度的移动目标定位正在成为当前物联网和机器人交叉领域的热点。本课题从如下两个方面开展研究：1、研究动态目标运动模型，利用RFID相位对标签运动进行估计，同时利用图像或激光来辅助提高估算精度；2、研究动态目标的定位和追踪，融合RFID和激光来快速定位目标，通过粒子滤波器进行数据融合提高精度和鲁棒性，最后设计最优控制器实现机器人对移动目标的快速跟随。本研究力图改进当前基于RFID动态目标定位的精度，并提高对高速运动目标的跟随能力，增强其实用性以真正满足工业现场要求。

射频识别技术(Radio Frequency IDentification, RFID)利用射频方式进行非接触式目标识别，解决了视觉识别中遮挡和外界光线影响等问题，被广泛应用于目标识别、物流及货物清点。传统的方法使用信号强度对标签定位，信号强度受环境的影响较大，导致定位精度受限。本课题研究融合多传感器信息的RFID目标定位与追踪。通过RFID相位信息实现运动物体的RFID相位径向速度估计；对激光扫描的信息进行聚类处理，实现运动环境中聚类的定位以及聚类径向速度的估算。通过RFID相位径向速度与聚类径向速度的匹配，从而实现目标的识别与定位。选择固定大小的时间序列作为时间窗口，搜索此时间窗口内最佳匹配的激光聚类，可实现目标的识别与定位。利用粒子滤波器融合最近邻的K个匹配聚类进行融合，提高了算法的定位精度。另外，采用半自主学习的模式构建RFID信号强度模型，并利用此模型来对RFID的位置进行约束，进一步提高目标的定位精度。由单个RFID标签的检测角度受限，提出了通过RFID标签组的方式，提高检测的成功率与定位精度。实际场景中激光的检测范围往往比RFID大很多，当RFID数据不可用的情况下，提出了融合激光聚类信息来实现RFID目标的连续追踪。本课题所提出在算法均在SCITOS G5服务机器人上进行了验证。实验表明单独使用信号强度传感器模型对运动目标进行定位的误差在0.71米左右，单独使用激光对运动目标进行定位的误差在0.46米左右，融合之后的误差在0.32米左右。出版著作1部，发表论文17篇，其中SCI收录6篇，EI收录8篇。申请发明专利4项，授权2项，研究成果获四川省科技进步奖三等奖，发表论文受到TechXplore的公开报道。课题实现了复杂室内环境下，移动智能对象的高精度定位，对机器人在未来物联网环境中的推广与应用具有重大的意义。