智能室外机器人及其机器人系统的制作方法

本实用新型涉及一种室外机器人及其机器人系统，尤其涉及室外机器人的实时定位，实时涉及和处理路径和障碍。

背景技术：

机器人在室外运用已经相当普遍，但主要运用则仍然比较低端，无法智能控制和导航。随着大规模智能硬件的诞生，人工智能已经逐渐成为趋势。因而机器人也开始进入家庭生活。但市面上精确定位控制的机器人比较少，主要原因为高精度的仪器成本比较高，如激光定位器。成本低的设备精度比较低，如GPS接收器。通常民用级别都采用GPS接收器，机器人的运用上可以说效果比较差，一般精度在1米左右，无法有效的运行机器人控制系统以及规划系统。

例如，GPS全球定位系统(Global Positioning System)是美国国防部研制和维护的中距离圆型轨道卫星导航系统。它可以为地球表面绝大部分地区(98％)提供准确的定位、测速和高精度的时间标准。全球定位系统可满足位于全球任何地方或近地空间的军事用户连续精确的确定三维位置、三维运动和时间的需要。该系统包括太空中的24颗GPS卫星；地面上1个主控站、3个数据注入站和5个监测站及作为用户端的GPS接收机。最少只需其中4颗卫星，就能迅速确定用户端在地球上所处的位置及海拔高度；所能收联接到的卫星数越多，解码出来的位置就越精确。基于此GPS技术，机器人实时性会较差，定位精度也不高，且有环境场景限制，此时机器人要达到智能化还有很多差距。

此外，随着卫星定位技术的快速发展，人们对机器人的快速高精度位置数据的需求也日益强烈。而目前使用最为广泛的高精度定位技术就是RTK(实时动态定位：Real-Time Kinematic)，RTK技术的关键在于使用了定位技术的载波相位观测量，并利用了参考站和移动站之间观测误差的空间相关性，通过差分 的方式除去移动站观测数据中的大部分误差，从而实现高精度(分米甚至厘米级)的定位。

业界的定位系统已经有了长足的发展，GNSS(全球导航卫星系统：Global Navigation Satellite System)，泛指所有的卫星导航系统，包括全球的、区域的和增强的，如美国的GPS、俄罗斯的Glonass、欧洲的Galileo、中国的北斗卫星导航系统，以及相关的增强系统，如美国的WAAS(广域增强系统)、欧洲的EGNOS(欧洲静地导航重叠系统)和日本的MSAS(多功能运输卫星增强系统)等，还涵盖在建和以后要建设的其他卫星导航系统。

遗憾的是，针对室外机器人，业界并未将定位技术扩展至全GNSS，精度较差，无法满足实际的使用需求。

技术实现要素：

本实用新型旨在克服现有低成本定位技术的精度限制，用现有GPS-RTK技术扩展运用到GLONASS、GALILEO与BEIDO等GNSS系统，提供高精度的路径规划和智能壁障等定位操作。

为了达成上述目的，提供了一种智能室外机器人，包括：运动机构，用于使得所述机器人进行物理运动；传感机构，用于感测所述机器人的当前位置，包括GNSS接收器，惯性传感器，无线收发模块，及里程计，其通过所述GNSS接收器，惯性传感器，及/或里程计测得所述当前位置，并通过所述无线收发模块发送基于所述当前位置的当前位置数据及/或接收控制命令；控制机构，其根据所述控制命令控制所述运动机构运动从而使得所述机器人移动至目标位置；以及电源管理模块，其为所述机器人的各个机构供电。

本实用新型的另一方面为一种智能室外机器人系统，包括：智能室外机器人；及参考基站，所述参考基站从所述机器人获得所述机器人的当前位置数据，并根据所述参考基站的参考位置数据发出控制命令，从而使得所述机器人根据所述参考位置数据进行定位。

一些实施例中，所述参考基站包括：GNSS接收器，其根据GNSS卫星数据采样得到参考基站GNSS数据；无线收发模块，其将所述参考基站GNSS数据发 送至所述机器人，并从所述智能机器人接收所述当前位置数据；处理单元，其控制数据接收并且对所述当前位置数据和所述GNSS数据进行计算，以规划所述机器人的定位。

根据本实用新型实施例的室外机器人及其机器人系统，通过对定位系统的数据融合有效的解决了机器人控制系统对定位精度的要求，同时加强了智能部件能有效蔽障与规划。制造成本相对较低，具有非常高的使用价值与经济利益。

附图说明

结合附图，通过下文的详细说明，可更清楚地理解本实用新型的上述及其他特征和优点，其中：

图1为根据本实用新型实施例的智能室外机器人系统中的参考基站的模块图；

图2为根据本实用新型实施例的智能室外机器人系统中的机器人的模块图；

图3为根据本实用新型实施例的智能室外机器人系统的控制方法的框架图；

图4示出了根据本实用新型实施例的智能室外机器人系统的基本原理；

图5根据本实用新型实施例的智能室外机器人系统的控制方法的框架图；

图6为根据本实用新型实施例的智能室外机器人系统的控制方法的流程图；

图7示出了根据本实用新型实施例的智能室外机器人系统的控制方法的定位系统时序；

图8示出了惯性系统定位原理。

具体实施方式

参见本实用新型具体实施例的附图，下文将更详细地描述本实用新型。然而，本实用新型可以以许多不同形式实现，并且不应解释为受在此提出之实施例的限制。相反，提出这些实施例是为了达成充分及完整公开，并且使本技术领域的技术人员完全了解本实用新型的范围。

现详细说明根据本实用新型实施例的一种智能室外机器人，包括运动机构，用于使得所述机器人进行物理运动；传感机构，用于感测所述机器人的当前位 置，包括GNSS接收器，惯性传感器，无线收发模块，及里程计，其通过所述GNSS接收器，惯性传感器，及/或里程计测得所述当前位置，并通过所述无线收发模块发送基于所述当前位置的当前位置数据及/或接收控制命令；控制机构，其根据所述控制命令控制所述运动机构运动从而使得所述机器人移动至目标位置；以及电源管理模块，其为所述机器人的各个机构供电。

现详细说明根据本实用新型实施例的智能室外机器人系统，包括智能室外机器人；及参考基站，所述参考基站从所述机器人获得所述机器人的当前位置数据，并根据所述参考基站的参考位置数据发出控制命令，从而使得所述机器人根据所述参考位置数据进行定位。

所述参考基站包括：GNSS接收器，其根据GNSS卫星数据采样得到参考基站GNSS数据；无线收发模块，其将所述参考基站GNSS数据发送至所述机器人，并从所述智能机器人接收所述当前位置数据；处理单元，其控制数据接收并且对所述当前位置数据和所述GNSS数据进行计算，以规划所述机器人的定位。

现详细说明对根据本实用新型实施例的智能室外机器人系统进行控制的方法，包括如下步骤：(1)所述机器人发送当前位置数据至所述参考基站，所述参考基站由所述无线收发模块接收；(2)所述处理单元处理所述机器人的当前位置数据，给出定位命令；且(3)所述参考基站通过所述无线收发模块发送所述下一步运行状态和命令至所述机器人。

步骤(1)，中所述控制机构先使用惯性传感器与马达里程计套入卡尔曼滤波器计算并估算所述当前位置以获得初始当前位置数据。

所述机器人的控制机构还将所述参考基站GNSS数据与所述机器人的GNSS接收器所获得的机器人GNSS数据进行两次差分，并将差分后的GNSS数据作为测量输入量以得到最优状态预估量。

根据所述最优状态预估量与所述目标位置，计算得到误差量，并根据所述误差量生成所述定位命令。

还包括判断所述机器人是否已经到达目的地，若到达则停止运行等待下一阶段的命令，同时将所述当前位置数据信息传至所述参考基站，由所述参考基站计算和选择最佳路径并生成所述定位命令。

还包括对现有地形进行分析，并用神经算法给出最佳路径。

现参考附图1-8，详细说明根据本实用新型的现详细说明根据本实用新型的室外机器人及其机器人系统的实例。

本实用新型共有两个模块组成，一为参考基站，二为机器人。整个机器人系统如图4所示。

基站的电子硬件结构如图1所示，由GNSS接收器、无线收发模块及微处理器组成。并有统一的电源管理模块供电。

机器人的电子硬件结构如图2所示，由GNSS接收器、无线收发模块、惯性传感器及微处理器组成。并有统一的电源管理模块供电。

参考基站一旦开机，便从初始化到工作状态。工作中，参考基站将持续不断的发送从GNSS接收器收到的数据。

参考基站的发送频率可以进行调控，可由轮式机器人或者外部人为调整。

参考基站具有路径规划的功能，具体原理是：

a)轮式机器人发送当前位置给参考基站，参考基站由无线收发模块接受并处理

b)参考基站控制芯片将软件处理现有机器人的位置坐标，由内部路径算法给出最优下一步运行状态和命令。

c)参考基站通过无线传输模块发送下一步状态和命令给轮式机器人

轮式机器人会首先使用惯性传感器与马达里程计套入卡尔曼滤波器计算并估算现有的位置，具体算法使用运动学模型，如图8：

V_k+1＝V_k

其中E表示向东坐标(米)，N表示向北坐标(米)，T表示采样间隔(秒)，V为机器人速度(米/秒)，为方位角(度)，为方位角角速度(度/秒)，其中，方位角，速度及角速度可由惯性传感器计算得出。

轮式机器人实时拿到参考基站传来的GNSS信号数据，触发软件进程进行处理。处理过程中，会将自有GNSS接收器信号采样数据与其进行两次差分。差分的目的差分过程与原理为：

卫星测量的数据主要为接收器到卫星的距离，主要可由伪码和载波表示：P_i＝ρ+c(dt^gnss-dT^gnss)+I_i+T+m_p+ε

分别为第i颗卫星的伪码测量，载波测量。

ρ为接收器到卫星的实际几何距离。

C为光速。

(dt^gnss和dT^gnss)分别为接收器和卫星相对于GPS参考时钟的时钟偏移。

I_i为电离层延迟

T为平流层延迟

N为载波数

λ_i为载波长度

m为信号多路径误差

e为未模型化的误差

此式为标准GNSS的模型式。在绝大多数情况下，影响定位精度的主要是

现在将两个GNSS测量器的数据进行接收和比对，可以消除很多误差项。Δ_u，rP_i＝ρ_u-ρ_r+c(dt_u-dt_r)+m_Δu，rP+ε_Δu，rP

下标u和r分别对应的是接收器u和接收器r

Δ_u，r为差分符号

ε_Δu，rP与包含了差分伪码和载波多路径效应误差和大气未被模型化误 差。

若对信号采样进行再差分，即对多卫星进行差分，我们有：

为多重差分符

是接收端u和r以及卫星k和l的距离差分

是接收端u和r以及卫星k和l的不确定整数量的差分

差分完成后的数据将直接输入卡尔曼滤波器(图5)，滤波器将完成如下几个工作：

a.通过惯性传感器及里程计预测机器人系统状态；

b.将差分好的GNSS数据作为测量输入量；

c.更新并得到最优的状态预估量；

d.给出相应的误差量。

当没有差分信号时，则系统全部使用惯性传感器及里程计，如图7所示。

完成定位以后，机器人系统将位置信息传入控制系统软件部分，用来确定现有系统是否已经偏离预定路径，若有误差，则由控制算法给出左右两轮的马达转数。用来控制机器人的位置及姿态。

完成定位以后，机器人还将判断是否已经到达目的地，若到达则停止运行等待下一阶段的命令，同时位置信息还将通过无线传输模块传至参考基站，由参考基站计算和选择最佳路径并下达指令。

参考基站路径规划功能则可以对现有地形进行分析，并用神经算法给出最佳路径。路径主要为弓字型方式。

根据本实用新型实施例的室外机器人及其机器人系统，通过对定位系统的数据融合有效的解决了机器人控制系统对定位精度的要求，同时加强了智能部件能有效蔽障与规划。制造成本相对较低，具有非常高的使用价值与经济利益。

以上详细描述了本实用新型的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本实用新型的构思做出诸多修改和变化。 凡本技术领域中技术人员依本实用新型的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。