面向可靠wifi连接的移动机器人自主巡航方法
【技术领域】
[0001] 本发明涉及一种面向可靠 WIFI连接的移动机器人自主巡航方法，属于移动机器人 导航与远程监控。
【背景技术】
[0002] 无线网络摆脱了有线的束缚，通过无线通信网络进行数据采集和监控，与有线通 信方式相比，具有建网容易、管理方便、适应范围广、不受环境的限制、抗干扰能力强、网络 的保密性好等优点。这也使得基于无线通信方式控制的智能移动机器人的优势越来越明 显。在利用室内WIFI无线网络的移动机器人远程监控应用中，移动机器人的导航模式主要 有两种工作方式：
[0003] -种工作方式是远程遥操作导航模式。大多数巡航监控机器人都工作在遥操作运 行模式下，监控人员通过远程客户端软件界面来操纵机器人运动，机器人将实时采集画面 通过WIFI网络回传给监控客户端(参见"彭一准，原魁，周庆瑞，一种遥操作移动机器人的研 究与实现，科学技术与工程，2005,1162-1166."）。位于操作端的操作者需要实时知道移动 机器人端的环境信息、任务进展情况以及移动机器人本体的状态信息，并通过网络发送机 器人控制指令。因此此类系统对无线网络连接提出了很高的要求，当机器人进入无线网络 信号覆盖薄弱区域时，远程实时遥控操作将被断开。
[0004] 另一种工作方式是自主导航模式。一些巡航监控机器人初步具备了自主导航功 能，即利用环境地图实现自主导航，例如漫游、探索、点到点运动等，并在导航过程中传回实 时视频信息。而这种情况下，也需要确保机器人不进入无无线网络覆盖区域，或者偶然进入 无线网络信号覆盖薄弱区域之后能立刻自行离开，从而确保实时视频信息的回传。
[0005] 本发明所提出的面向可靠 WIFI连接的机器人导航，是指机器人在未知AP位置的情 况下，通过自主建立室内环境的WIFI分布地图并利用该地图进行导航从而绕开WIFI信号薄 弱的区域。因此该发明中的关键问题是建立室内环境的WIFI地图。
[0006] 当需要描述室内复杂环境的路标、地点、栅格以及WIFI信号强度分布等多种信息 时，应建立混合形式的环境模型，例如拓扑/栅格混合地图、栅格/特征混合地图等（参见 UZ.Lin.Recognition-based Indoor Topological Navigation Using Robust Invariant Features.IEEE/RSJ International Conference on Intelligent Robots and Systems. 2005，3975-3980"）。建立环境的WIFI地图就是通过机器人SLAM过程创建环境的栅 格地图，同时根据机器人对环境WIFI强度测量所得的有限数据，利用高斯回归模型建立连 续的环境WIFI强度分布，并将障碍物栅格地图与WIFI强度分布图相融合。
[0007] 障碍物环境地图创建是移动机器人的基本研究问题之一。经专利检索查新，熊蓉 等人申请了中国发明专利第200610053690.2号，名称为"移动机器人在未知环境中同时定 位与地图构建的方法"。该专利公开了一种移动机器人在未知环境中同时定位与地图构建 的方法，利用测距传感器获得的数据，构建局部线段特征地图和栅格地图，利用当前机器人 位姿估计结果对局部地图进行坐标变换，从而更新全局特征地图和全局栅格地图。此类方 法并未讨论WIFI地图的创建问题，所创建的地图也仅描述了环境几何与障碍物特征。
[0008] 以往的WIFI分布创建方法大多不是利用机器人实际测量数据进行建模，而是根据 已知AP位置并利用电磁波衰减模型等从理论上分析WIFI信号的室内传递公式，根据室内墙 壁等障碍物特点来建立RSS信号的空间分布(见涂岩恺，陈典全，多模自适应WIFI无线图构 建与定位方法，电子测量技术，2013，36(9) :112-114)。而本发明考虑的是在未知环境、未知 AP位置情况下，不依赖于RSS信号的理论传播模型，如何仅利用移动机器人所测量的WIFI信 号强度来建立WIFI的二维场分布，与以往方法存在本质上不同。
[0009] 利用移动机器人建立环境参数的连续二维场分布是最近出现的移动机器人应用 之一，目前此类典型应用是学习环境中危险气体的概率分布（见C.Stachniss， C.Plagemann, A.J. Li 1ienthal, Learning gas distribution models using sparse Gaussian process mixtures，Autonomous 1?〇13(^8,2009,26,2-3，187-202.)，从而用于估 计危险气源的泄露点位置。对于基于传感器网络的环境场参数场(例如温度场、气体浓度场 等)测量问题，不仅关心测点处的测量值，更关心无测点处的测量值。在机器学习方法中，高 斯过程模型是拟合、预测随机变量概率分布的有力数学工具，其特点在于能够获知预测分 布的不确定性，（参见 "C · Guestrin，A · Krause，and A · Singh · Near-optimal sensor placements in gaussian processes.In ICML,2005·"）。通常可利用的数据样本仅仅是少 量离散点处的实测值，因此存在典型的数据回归问题。但是目前尚无类似论文及公开专利 讨论如何仅利用移动机器人所探测的有限WIFI信号强度数据点，来建立WIFI信号的连续二 维场分布等相关问题。
【发明内容】
[0010]发明目的：针对未知室内环境中WIFI无线网络连接下的机器人巡航监控问题，本 发明提出了一种面向可靠 WIFI连接的移动机器人自主巡航方法。通过机器人自主探索导航 遍历整个环境，根据访问位置处的有限个测点的WIFI信号强度数据，利用高斯过程回归模 型建立WIFI二维分布场的概率模型；同时建立环境栅格地图，并与WIFI信号强度分布相融 合，生成混合地图即WIFI地图；利用已建立的WIFI地图进行避障导航，从而在实现最优路径 避障导航的同时确保机器人所经路径绕开WIFI信号薄弱区域。该方法适用于远程移动机器 人巡航监控中对实时无线网络连接有较高要求的应用场合。
[0011] 技术方案:为实现上述目的，本发明采用的技术方案为：
[0012] -种面向可靠 WIFI连接的移动机器人自主巡航方法，包括以下步骤：
[0013] 步骤1，对于未知环境，机器人通过自主探索导航遍历整个未知环境，建立环境障 碍物栅格地图与WIFI信号强度分布的混合地图，该混合地图即为WIFI地图；
[0014] WIFI地图创建过程中，采用移动机器人搭载的控制计算机WIFI模块测量未知环境 内的WIFI信号强度，在机器人探索未知环境的过程中采集WIFI信号强度并记录测点位置； 根据WIFI信号强度和测点位置，通过高斯过程回归模型拟合WIFI信号强度的连续二维场概 率分布，同时估计机器人未访问的任意位置上的WIFI信号强度测量值；
[0015] 根据拟合得到的WIFI信号强度的连续二维场概率分布与环境障碍物栅格地图相 融合，得到室内环境的WIFI地图；
[0016] 步骤2,利用已建立的WIFI地图进行避障导航，从而在实现最优路径避障导航的同 时确保机器人所经路径绕开WIFI信号薄弱区域。
[0017] 所述步骤1中的高斯过程回归模型为采用高斯过程回归拟合场的二维分布概率模 型，其建立方法如下:将分散在室内各个点上的环境测量参数考虑为随机变量，根据移动机 器人测量到的WIFI信号强度和测点位置，利用高斯过程回归方法，拟合连续的WIFI信号概 率分布。
[0018] 所述步骤1中WIFI地图为将机器人通过自主探索导航遍历整个未知环境得到的环 境障碍物栅格地图与WIFI信号强度的连续二维场概率分布通过概率方法进行融合，从而生 成一种既描述环境障碍物几何信息又描述环境WIFI信号强度分布的混合地图；其中，每个 栅格的概率值既能表达被障碍物占有的概率，又能表达当前点处WIFI信号强弱。
[0019] 在机器人在运行过程中，机器人以一定频率更新WIFI地图以适应障碍物变动及 WIFI信号变化情况。
[0020] 所述步骤2中利用已建立的WIFI地图进行避障导航的方法如下：对于机器人工作 在遥操作模式下的情况，机器人对进入WIFI信号薄弱区域的操作指令加以屏蔽，从而避免 遥操作者将机器人驶入可能不存在WIFI连接的区域;对于机器人工作在自主导航模式下的 情况，机器人利用已创建的WIFI地图并采用D*Lite导航算法进行自主导航，实现自主绕开 WIFI信号薄弱区域而最终仍能到达设定目标点；另外，若设定导航目标点为在WIFI信号薄 弱区域内的情况，系统通过远程监控软件界面向操作者报警，提示其导航目标点不可达。 [0021 ]所述步骤1中机器人通过自主探索导航遍历整个未知环境建立环境障碍物栅格地 图的方法如下：
[0022]步骤111，机器人旋转360度扫描，更新传感器检测到的网格的占据概率，据此判断 前沿部分；
[0023]步骤112,采用Dijkstra算法进行路径规划，从机器人当前位置开始，寻找到目标 位置的最短的无障碍路径；
[0024] 步骤113,选择最近可行并且没有访问过的前沿作为目标点并导航，导航过程中采 用机器人的