｜融合多座標系統的移動機器人定位方法

摘要：本文旨在分享結合現行市面上定位模組（韓國Hagisonic公司的StarGazer產品)，及工研院機械所所開發的機器人移動平台U-Bot，利用座標系統融合的方法建立一個可靠的機器人室內世界座標系統。首先我們先介紹使用StarGazer可能遭遇的問題，而我們利用自行開發的校正方法及結合U-Bot的Odometry資訊建立一新的座標系統。我們並在實驗室設計一個運行環境，讓使用這個定位模組及座標系統的機器人，可成功地連續運行2小時，且精度為20公分以內。

Abstract: This article introduces the integration experience of the indoor localization module (Hagisonic StarGazer) and U-Bot- the robot platform of ITRI MSL to build a reliable world coordinate for indoor service robots. At first, we briefly describe some problems while using the StarGazer module. Then we utilize a calibration method and the Odometry data of U-Bot to create a new world coordinate for indoor robotic application.  Finally, we design the experiment environment in our laboratory and test the reliability of the new coordination. In this experiment, it shows that those devices and the coordinate can let the robot locate its current position and move to next target position repetitively and smoothly over two hours in the specified environment. The precision is less than 20cm.

關鍵詞：機器人、室內定位、座標系統、校正

Keywords：Robot, Indoor Localization, Coordinates, Calibration

前言
本篇文章我們延續之前[1][2]的研究，探尋可用於居家，或是辦公室工作場所等環境的室內定位導航技術。

如同[5][6][7]所介紹過的現行室內定位技術，目前於機器人室內定位已提出多項方法，但大多數的方法都需花費昂貴的量測器材或使用一般的感測器卻需搭配原廠提供複雜演算法的軟體才能使用。我們希望能以一個價格適宜，定位精確性高且適用於室內定位的裝置來輔助機器人於室內環境的精確移動，但以上的這些室內定位裝置技術，並不符合我們想要運用的環境需求。在此我們選用南韓Hagisonic的StarGazer模組[3]，來做定位測試。在實際上，從前幾篇文章[1][2]中的使用經驗裡，我們主要使用的是StarGazer模組的Map模式，在這個Map模式中，雖然提供使用者一個工具軟體可以將室內已經貼好的框標貼紙，藉由推移載著StarGazer模組的移動機器人（Mobile Robot)讀取各框標座標資料後，該工具軟體可以在取完所有的框標讀值後，建立一個單一的世界座標系統。我們從Map模式中發現了幾樣不方便處，也藉此思考可以改善的方法，但蒐集國內外相關的論文大部分都是使用StarGazer模組的Map模式建立一個單一的座標系統，接下來再研究其他的相關應用。如[14][20]用來做路徑規畫驗證及停車控制應用，[16]用來實現室內園藝機器人的定位澆灌及採果工作，[13]利用StarGazer 提供一個較準確的 Head 資訊。[6][19]利用StarGazer建立的座標系統（5%)及Robot Encoder資料（95%)各佔一些比例來作新的 Odometry資料。其他的論文如[12]利用一準確標示座標的環境及一比較基準方法來比較DVS （Distributed Vision System)、StarGazer與Evolution Robotic公司的NotrhStar定位系統的誤差數據。[15]應用於多Robot時的自動距離計算，計算的部份放在每一台機器人上的CORE-TX上，由個別機器人運算與其他機器人的距離。[17]應用提出一個數學方法整合多種 DGPS （Differential GPS)資料得到 real time準確的座標資料，StarGazer座標資料即為其中之一。[18]只利用StarGazer的框標進行特殊區域的小座標系統建立，搭配Laser Range Finder建立大的座標系統 及iterative closest point （ICP) algorithm推估現在機器人位置。但實際上以上這些論文並未對我們發現的問題進行探討，或進行類似的研究。

因此將在此篇文章中，提出之前這些問題的改善方法，以下第三節簡述我們所用的軟硬體架構及相關技術簡介，第四節說明我們的研究目的及針對之前的研究結果作一些改進，第五節說明改善方法，第五節就實驗測試結果做說明，第六節就這些成果作總結。