基于可见光定位的机器人定位与导航研究学术报告

一、作者及发表信息
本研究由新西兰梅西大学（Massey University）机械与电子工程系的Moi-Tin Chew（第一作者及通讯作者）、Frazer K. Noble、Mathew Legg、Gourab Sen Gupta，以及奥克兰理工大学（Auckland University of Technology）电子与电气工程系的Fakhrul Alam合作完成。论文标题为《Visible Light Positioning-Based Robot Localization and Navigation》，发表于期刊《Electronics》2024年第13卷第2期（DOI: 10.3390/electronics13020368），出版时间为2024年1月16日。

二、学术背景
科学领域与动机
本研究属于室内定位与机器人导航交叉领域，聚焦于可见光定位（Visible Light Positioning, VLP）技术的应用。传统室内定位技术（如Wi-Fi、UWB）存在精度不足或依赖专用基础设施的问题，而VLP利用现有LED照明设施实现厘米级定位，具有成本低、无射频干扰的优势。然而，现有VLP研究多依赖摄像头或需与其他传感器融合，尚未充分探索低成本光电二极管（Photodiode, PD）接收器作为独立控制机器人的可行性。本研究旨在开发一种仅基于PD-VLP的机器人实时导航系统，填补这一技术空白。

研究目标
1. 设计两种新型算法，利用PD-VLP实现二维直角坐标机器人（Cartesian Robot）的自主导航；
2. 验证算法在直线、方形和蝶形路径中的定位精度与鲁棒性；
3. 评估PD-VLP作为独立导航工具的可行性。

三、研究流程与方法
1. 实验系统搭建
研究团队构建了定制化的二维数控（CNC）平台作为机器人载体，关键组件包括：
- 硬件：
- 发射端：4个商用LED灯具，安装于实验区域上方1.05米处，分别调制为2 kHz、2.6 kHz、3.2 kHz和4.4 kHz的正弦波信号。
- 接收端：光电二极管（PD）固定在CNC末端执行器上，通过跨阻放大器将光信号转换为电信号，经ADC采样后传输至PC处理。
- 运动控制：采用OpenBuilds Blackbox运动控制系统，步进电机最小步长0.1毫米，通过Python生成G代码指令控制运动。

• 软件：基于Python的实时信号处理系统，通过快速傅里叶变换（FFT）解调接收信号强度（RSS），并计算距离。

2. 离线校准阶段
- 数据采集：在29个预定义位置（覆盖实验区域）采集RSS数据，建立RSS-距离模型（图5）。
- 模型校准：采用简化Lambertian传播模型（公式1），通过反函数计算距离（公式3）。每个灯具的Lambertian阶数（mi）经28次测量取平均（表1），最终校准曲线如图6所示。

3. 在线定位与导航
- 实时定位：通过多边测量法（Multilateration）计算末端执行器位置，步骤如下：
1. 采集500 ms的可见光信号，提取RSS值；
2. 根据校准模型计算与各灯具的直线距离（公式3），再转换为水平距离（公式4）；
3. 通过多边测量法估计当前位置。

• 导航算法：
  
  • 算法1：基于目标点直线路径规划（图7-8）。计算当前位置与目标点的偏差（Δx, Δy, Δxy），若偏差大于步长（20 mm），则按比例移动（xs = Δx/Δxy × t, ys = Δy/Δxy × t）。
    
  • 算法2：基于弹簧松弛（Spring Relaxation）原理（图9-10）。将灯具视为弹簧锚点，目标位置为弹簧自然长度，通过合力方向（F⃗_net）引导机器人移动，直至合力小于阈值（TH）。
    

4. 路径验证实验
- 路径设计：机器人重复执行直线、方形和蝶形路径各5次（图12-14）。
- 数据记录：CNC编码器记录真实位置（精度0.1 mm）作为基准，与VLP估计位置对比计算误差。

四、主要结果
1. 定位精度：
- 算法1在方形路径中表现最佳，中位误差15.15毫米（表2）；
- 算法2在直线和蝶形路径中更优，中位误差分别为5.86毫米和11.1毫米。
- 目标点到达误差的中位值为26.05-27.16毫米，90百分位误差≤47.48毫米（图16）。

1. 路径跟踪性能：

   • 两种算法均能引导机器人完成复杂路径（图12-14），但存在因离散步长和RSS噪声导致的路径偏差。
     
   • 误差累积分布函数（CDF）显示，算法2在直线路径中90%误差≤12.71毫米，优于算法1的16.34毫米（图15）。
     

2. 步长影响：步长从20 mm降至5 mm时，算法1的目标点误差从27.16 mm降至15.23 mm，但计算耗时增加。

五、结论与价值
科学价值
1. 首次验证了PD-VLP作为独立机器人导航工具的可行性，无需融合其他传感器；
2. 提出的弹簧松弛算法为VLP导航提供了新思路，可扩展至动态环境避障。

应用价值
1. 低成本：利用商用LED和PD接收器，适合仓库AGV、服务机器人等场景；
2. 高精度：厘米级定位满足多数室内导航需求，优于传统射频技术。

局限性
1. 假设接收器与灯具平行，倾斜时需引入更复杂模型（如[35]）；
2. 未优化灯具布局，实际部署需兼顾照明需求。

六、研究亮点
1. 创新性：首次实现仅PD-VLP控制的机器人实时导航，突破现有研究依赖摄像头或多传感器融合的限制；
2. 方法学：开发两种算法，弹簧松弛法为VLP导航引入物理模型优化；
3. 可重复性：公开实验细节与校准流程，为后续研究提供基准。

七、其他价值
1. 开源潜力：Python代码与硬件设计可复用于其他VLP项目；
2. 扩展方向：未来可结合多PD接收器估计姿态（如[36]），或融合IMU提升动态性能。