引 言

移動機器人在室內(nèi)定位的應用愈發(fā)廣泛，其研究的發(fā)展趨勢日益迅猛 [1-2]。2017年 CES展會上維弦科技（Ewaybot） 推出的 MoRo家居助理機器人可以通過實時語音控制與用戶進行自然語言交互，在室內(nèi)和室外環(huán)境中進行導航。2018年9 月 12 日，安博會在連云港工業(yè)展覽中心展館開幕。智能安防巡檢機器人將巡邏地區(qū)的地圖輸入車輛芯片，然后設置巡防路線，該機器人就能進行自主無人巡防，如果途中遇到障礙物，會自動辨識并避讓。沃爾瑪采用 BossaNova制造的機器人在貨架之間智能穿梭，將捕捉的商店貨架上的數(shù)碼圖像反饋給工作人員。

室內(nèi)移動機器人的自主移動研究逐漸成為一個熱點問題 [3]。機器人在室內(nèi)移動過程中，需要解決三個主要問題， 分別為“在哪里”“去哪里”“怎么去”，而這些問題的核心就是室內(nèi)定位技術 [4]。

在傳統(tǒng) RFID 傳感器定位中，往往采用三點定位方式 [5]。具體方法是已知三個 RFID 傳感器的位置坐標，通過信號強度測量得到三個 RFID 傳感器分別與目標標簽的距離，通過已知點坐標與到目標點距離列方程求解，從而得到目標點位置 [6]。但由于誤差因素的影響，通常得到的三個圓是相交成某一區(qū)域而非特別精確的一點 [7]。通常的解決方法為計算相交區(qū)域的質(zhì)心 [8]，但 RFID 單獨進行室內(nèi)定位的缺點是受環(huán)境影響較大，誤差較大，計算過程復雜 [9-10]。

本文提出了一種基于 RFID 和超聲波結合的室內(nèi)定位算法，用于解決現(xiàn)有 RFID 室內(nèi)定位方法中存在的針對不同實際需求靈活性較差、數(shù)據(jù)處理過程復雜的問題。

1 信號強度定位算法

本算法利用室內(nèi)移動機器人上的 RFID 傳感器測量其與RFID 標簽之間的距離，首先利用 RFID 傳感器對室內(nèi)墻壁上水平、均勻地設置的 N 個 RFID 標簽進行信號強度值測量，得到 N 個信號強度值 p（dn）。

從得到的 N 個信號強度值 p（dn）中，任意選取兩個RFID 標簽對應的信號強度值 p（d0）和 p（dn），并將其代入對數(shù) - 常態(tài)分布傳播損耗模型，得到當前室內(nèi)環(huán)境的信號傳播常量 n ：

式中：p（dn）為 RFID 閱讀器接收到距離為 dn 的標簽發(fā)送回來的信號強度；p（d0）為 RFID 閱讀器接收到距離為 d0的標簽發(fā)送回來的信號強度。

將信號傳播常量 n 代入對數(shù) - 常態(tài)分布傳播損耗模型，得到當前室內(nèi)環(huán)境下機器人上 RFID 傳感器與 RFID 標簽之間的距離 ：

利用機器人上 RFID 傳感器到多點 RFID 標簽之間距離最短的一個 RFID 標簽坐標（xmin，ymin）和剩余 N-1 個 RFID標簽坐標（xi，yi），求取機器人當前位置的 N-1 個待定坐標值， i 表示 N-1 個 RFID 標簽坐標中第 i 個 RFID 標簽的坐標。

由于采用距離閱讀器越近的電子標簽估算的位置就越確，因此引入賦權值比例算法給距離閱讀器越近的標簽坐標賦予更多的權重，并根據(jù)權值函數(shù)將不同的權值賦予方程中不同的位置標簽，對應計算出坐標值。距閱讀器越遠權值越小，越近權值越大。本實驗所使用的權值函數(shù)見式（3）：

式中：wi 代表第 i 個電子標簽坐標所對應的權重，距閱讀器di；dmin 為距閱讀器最近的標簽距離。在該賦權值比例算法下的閱讀器坐標如下：

由于較遠距離的估算不準確，因此將距離閱讀器較遠的標簽賦予權值為 0，使其不對最終的坐標結果產(chǎn)生任何干擾。舍棄估算的距離大于 80 cm 的閱讀器標簽坐標，將這些標簽的權值賦為 0，即不參與最終的坐標加權求和。各標簽節(jié)點的權重函數(shù)表達式見式（5）：

最后利用機器人上的超聲波傳感器測量與其平行的室內(nèi)墻面之間的距離，得到機器人當前待定位置的縱向坐標。將得到的橫向坐標和縱向坐標結合，得到機器人當前待定位置的最終坐標。

2 定位算法測試結果

在本實驗中，我們在室內(nèi)墻壁的同一條線上每相隔10 cm 貼一個標簽，共貼 10 個。將這 10 個標簽的坐標分別設置為（0，0）、（10，0）、（20，0）、（30，0）、（40，0）、（50，0）、（60， 0）、（70，0）、（80，0）、（90，0）、（100，0）。將 RFID 閱讀器分別放置在不同的位置，閱讀器距離墻壁的距離值即為其縱坐標值。每次接收這 10 個標簽的一組信號強度值，若無法接收到某標簽的信號強度時，則記為 0。為減小實際環(huán)境帶來的不確定干擾，在每個位置依次測量 10 組數(shù)據(jù)，并對記錄的數(shù)據(jù)求平均值，作為機器人定位算法的輸入數(shù)據(jù)。使用賦權值算法對實驗數(shù)據(jù)進行加權，最終估算的機器人定位坐標見表 1 所列。

3 結 語

由實驗表中的數(shù)據(jù)可知，結合定位算法估算出的橫坐標誤差可以控制在 5 cm 范圍內(nèi)，估算出的縱坐標誤差可以控制在 2 cm 范圍內(nèi)，超聲波結合 RFID 共同定位的算法大大提高了單一傳感器定位的精度，減小了定位誤差。