【導讀】我wo保bao證zheng會hui深shen入ru研yan究jiu這zhe個ge話hua題ti，但dan首shou先xian得de從cong如ru何he進jin行xing算suan法fa測ce試shi開kai始shi。我wo們men之zhi前qian在zai基ji於yu國guo際ji規gui範fan的de模mo擬ni居ju家jia環huan境jing中zhong收shou集ji了le數shu據ju。但dan是shi
，為wei了le記ji錄lu更geng多duo與yu航hang位wei推tui算suan精jing度du直zhi接jie相xiang關guan的de測ce試shi數shu據ju，我wo們men在zai一yi個ge更geng簡jian單dan、更小環境中對更多的方向變化進行了測試。

今天，我們將詳細介紹我們所做的測試
，向您展示這個話題的深度。和我一起深入了解，好嗎？

對於新讀者，我想快速回顧幾個概念。如果您是這方麵的行家，請直接跳到測試機器人航位推算的性能。

機器人航位推算的快速回顧

什麼是機器人航位推算？

通tong過guo融rong合he來lai自zi多duo個ge傳chuan感gan器qi的de數shu據ju，航hang位wei推tui算suan可ke以yi利li用yong隨sui時shi間jian推tui移yi測ce得de的de速su度du值zhi和he方fang向xiang信xin息xi來lai估gu計ji機ji器qi人ren所suo在zai的de位wei置zhi。就jiu像xiang人ren類lei一yi樣yang
，機ji器qi人ren可ke能neng不bu知zhi道dao自zi己ji的de確que切qie位wei置zhi
，但dan它ta有you很hen強qiang的de估gu計ji能neng力li。這zhe種zhong能neng力li也ye被bei稱cheng為wei裏li程cheng計ji。

使用了什麼傳感器
？

機器人航位推算算法通常使用車輪編碼器、IMU和光流傳感器（就像您鼠標裏的那個一樣）。在機器人上使用的一些光流傳感器有LED光源和激光光源，前者適合在粗糙表麵上工作，後者則更適合光滑表麵。此外
，機器人裏程計也可以單獨使用IMU和上述兩種傳感器之一來推算位置。

為什麼這很有幫助？

一些機器人使用基於攝像頭或激光雷達的同步定位和測繪（SLAM）算suan法fa來lai確que定ding它ta們men的de位wei置zhi，而er且qie更geng整zheng潔jie。機ji器qi人ren航hang位wei推tui算suan提ti供gong了le該gai算suan法fa不bu可ke或huo缺que的de速su度du值zhi和he方fang向xiang信xin息xi。另ling一yi些xie機ji器qi人ren不bu需xu要yao構gou建jian持chi續xu的de測ce繪hui圖tu（它們隻需要在完成工作後返回原點），它們可能隻需要進行航位推算就可以確定位置。

備注：這是摘自CliffNotes/SparkNotes的基礎知識
，幫助讀者理解這篇博文的其餘部分。但如果您想了解更多關於機器人航位推算傳感器的信息，請參閱這篇博文。

測試機器人裏程計的性能

收集數據

wobaozhenghuishenruyanjiuzhegehuati
，danshouxianwomendecongruhejinxingsuanfaceshikaishi。womenzhiqianzaijiyuguojiguifandemonijujiahuanjingzhongshoujileshuju。danshi
，weilejilugengduoyuhangweituisuanjingduzhijiexiangguandeceshishuju，womenzaiyigegengjiandan、更小環境中對更多的方向變化進行了測試。這些更頻繁的變化被整合到以下驅動算法中：

1. 以0.3m/s的速度向前行駛，直到撞牆

2. 停止0.1s

3. 以0.2m/s的速度後退0.5s

4. 以0.6rad/s隨機旋轉45°至180°

     該旋轉方向以使機器人的航向在其原始航向720°內為依據

5. 每行駛60s
，靜止5s

我wo們men的de測ce試shi對dui象xiang是shi來lai自zi享xiang譽yu全quan球qiu的de消xiao費fei級ji機ji器qi人ren製zhi造zao商shang的de機ji器qi人ren開kai發fa平ping台tai。我wo們men可ke以yi借jie助zhu一yi個ge強qiang有you力li的de比bi較jiao點dian，比bi較jiao行xing業ye中zhong佼jiao佼jiao者zhe的de發fa展zhan水shui平ping。除chu了le原yuan始shi數shu據ju和he來lai自zi我wo們men自zi己ji研yan發fa的deMotionEngine Scout騎手模塊的輸出值外，這個測試機器人還有自己的裏程計算法輸出值
，我們也記錄了這些數據。

除(chu)這(zhe)兩(liang)組(zu)數(shu)據(ju)外(wai)，我(wo)們(men)還(hai)需(xu)要(yao)實(shi)況(kuang)測(ce)量(liang)值(zhi)。為(wei)此(ci)
，我(wo)們(men)安(an)裝(zhuang)了(le)紅(hong)外(wai)攝(she)像(xiang)頭(tou)來(lai)覆(fu)蓋(gai)整(zheng)個(ge)測(ce)試(shi)空(kong)間(jian)，跟(gen)蹤(zong)機(ji)器(qi)人(ren)的(de)位(wei)置(zhi)。這(zhe)些(xie)攝(she)像(xiang)頭(tou)的(de)數(shu)據(ju)被(bei)用(yong)作(zuo)實(shi)況(kuang)值(zhi)。這(zhe)些(xie)攝(she)像(xiang)頭(tou)可(ke)以(yi)用(yong)於(yu)各(ge)種(zhong)高(gao)精(jing)度(du)、低延遲的項目
，包括這個自動瞄準弓。

我們在測試中想要調整的最後一個變量是不同類型的表麵。在這些測試中，我們讓機器人在硬木、短絨地毯、長絨地毯、人造瓷磚和這些表麵的組合上運行。這些表麵會產生與其相關的傳感器誤差，我們將在後麵詳細講述這一點。

xianzaiwomenyijingshoujileceshishuju，youleyongyubijiaodeshikuangzhi
，yijizaiqishangyunxingjiqirendexuduobutongdeceshibiaomian，womenxuyaodezuihouyigeyaosushiyonglaiquedingjingdudeduliang。dangwomenzaihengliangdingweixingnengshi
，bijiaojiyukaishiweizhihejieshuweizhidewuchafeichangyouyong。zhezhongguijiwuchakeyixifenweiduozhongleixing。

絕(jue)對(dui)誤(wu)差(cha)就(jiu)是(shi)機(ji)器(qi)人(ren)認(ren)為(wei)它(ta)所(suo)在(zai)的(de)位(wei)置(zhi)和(he)它(ta)真(zhen)正(zheng)所(suo)在(zai)的(de)位(wei)置(zhi)之(zhi)間(jian)的(de)差(cha)值(zhi)。這(zhe)很(hen)容(rong)易(yi)理(li)解(jie)
，但(dan)是(shi)任(ren)何(he)時(shi)間(jian)點(dian)的(de)絕(jue)對(dui)誤(wu)差(cha)取(qu)決(jue)於(yu)之(zhi)前(qian)所(suo)有(you)時(shi)間(jian)點(dian)的(de)航(hang)向(xiang)和(he)距(ju)離(li)誤(wu)差(cha)的(de)曆(li)史(shi)記(ji)錄(lu)，因(yin)此(ci)很(hen)難(nan)普(pu)及(ji)這(zhe)個(ge)度(du)量(liang)。

duiyuxiangduiwucha，womenhuijiangzaiceliangzhouqikaishishipipeideweizhiguiling
，yixiaochuxianqianjuliwuchadeyingxiang。zhongdingxiangxiangduiwuchayehuixiaochuxianqianhangxiangwuchadeyingxiang。zuihouzhegeduliangkeyitongguoshiyanzhongxuduodaxiaogudingdechuangkoujisuan，weiwomentigongmeidanweijulidewuchazengchanglvdelianxushitu。

重定向相對誤差不如絕對誤差直觀，但更適用於處理家用機器人用例中行駛模式和任務持續時間的變化。

為了全麵了解誤差是如何在整個試驗過程中增加的，我們計算了基於設定的移動距離（1m）滑動數據窗口期間的重定向相對誤差。換言之
，我們計算在每行駛1m的距離窗口（為每個數據點滑動1cm的窗口）期間算法的相對誤差。

這個曲線圖顯示了在CDF（累積分布函數）中使用的每個平麵和算法對應的這些誤差值的分布，如上麵的例子所示。查看曲線圖（左邊的線更好），womenkeyihenrongyidijiangzhongzhixingnengyuzuihuaiqingkuanghuoqitabaifenbijinxingbijiao，bingquedingyichangzhi。congzhelininkeyikandao，zaisuoyoubiaomianshang
，shiyongdianxingchushixiaozhundedongtaixiaozhunmoxingshizhongbigaikaifapingtaijuyougenghaodexingneng。

優化機器人裏程計的性能

這些校準模型意味著什麼？為什麼校準傳感器很重要
？

親qin愛ai的de讀du者zhe，讓rang我wo們men從cong更geng高gao層ceng次ci的de問wen題ti開kai始shi。校xiao準zhun傳chuan感gan器qi非fei常chang重zhong要yao，因yin為wei即ji使shi傳chuan感gan器qi的de質zhi量liang控kong製zhi在zai數shu據ju手shou冊ce上shang列lie出chu的de特te定ding規gui格ge內nei
，但dan是shi每mei個ge傳chuan感gan器qi都dou是shi不bu同tong的de。這zhe就jiu是shi動dong態tai校xiao準zhun發fa揮hui作zuo用yong的de地di方fang。簡jian而er言yan之zhi，每mei個ge傳chuan感gan器qi的de行xing為wei差cha異yi足zu以yi影ying響xiang整zheng體ti精jing度du，根gen據ju這zhe些xie差cha異yi進jin行xing調tiao整zheng可ke以yi充chong分fen提ti高gao性xing能neng。

正如您可能已經猜到的那樣，靜態校準模型使用初始校準
，並一直使用它。但是
，動態校準模型使用IMU和車輪測量值來調整光流傳感器的輸出。這可以隨時間推移保持精度不變
，無論溫度、車輪打滑率
、表麵反射
、表麵柔軟度等等如何變化。

我wo們men在zai不bu同tong類lei型xing的de地di板ban上shang進jin行xing了le測ce試shi，因yin為wei光guang流liu傳chuan感gan器qi和he車che輪lun會hui根gen據ju它ta們men行xing駛shi的de表biao麵mian做zuo出chu不bu同tong的de反fan應ying。車che輪lun會hui在zai表biao麵mian上shang打da滑hua，車che輪lun編bian碼ma器qi將jiang給gei出chu不bu準zhun確que的de讀du數shu。光guang流liu傳chuan感gan器qi在zai某mou些xie表biao麵mian上shang工gong作zuo比bi在zai其qi他ta表biao麵mian上shang表biao現xian更geng好hao

，通tong過guo仔zai細xi校xiao準zhun可ke以yi提ti高gao其qi精jing度du。使shi用yong傳chuan感gan器qi的de方fang式shi也ye很hen重zhong要yao。機ji器qi人ren使shi用yong的de領ling先xian光guang流liu傳chuan感gan器qi包bao括kuoLED模式（照亮地板紋理進行跟蹤）和激光模式（誘導可跟蹤的“散斑圖”）。確定何時切換模式，何時保留現有模式，這對於獲得卓越的性能至關重要。

在各種地板表麵上進行細致而詳盡的測試後（見上麵的gif），我們確定了每種光流光模式的典型校準值。每一種傳感器的比例都需要根據地板類型進行調整。通過動態校準，IMU數據可以幫助在運行過程中實時調整初始校準。

womenfenxizhongshiyongdetiaoxiexiaozhunfangfafanyinglexiaozhunjingdudeshangxian。jisuanfangfashitongguowomendesuanfalixianchuansongyuanshichuanganqishuju，ranhoutiaozhengguangliuchuanganqidebili，shiwuchajinkenengjiejinyu0。

我們的分析結果表明，在各種表麵上使用最實際可行的機器人校準模式（動態，典型）進行測試時，我們比市場領先企業的精度高出22%以上。

這篇博文旨在強調我們的測試和分析能力
，並希望吸引您深入了解更多細節。如果您感興趣，請聯係我們，了解更多關於MotionEngine Scout可以為您的機器人項目帶來哪些益處，並關注即將發布的白皮書，其中詳細介紹了我們的測試和分析的更多細節。

（來源：EDN電子設計
，作者：Charles Pao
，CEVA公司）

推薦閱讀：

這些莫名其妙的焊接缺陷，你遇到過幾種
？

AD4130-8超低功耗24位Σ-Δ模數轉換器 – 電池供電應用的理想之選

這個ADC係列可簡化驅動並拓寬ADC驅動器選擇範圍！

如何在實時電機控製係統中實現高效、可靠且準確的驅動

智能汽車CAN FD總線需要什麼樣的降噪對策？