移动机器人未知环境下辐射场分布地图构建算法_霍建文.pdf
《移动机器人未知环境下辐射场分布地图构建算法_霍建文.pdf》由会员分享,可在线阅读,更多相关《移动机器人未知环境下辐射场分布地图构建算法_霍建文.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 27 卷第 6 期2022 年 12 月哈 尔 滨 理 工 大 学 学 报JOUNAL OF HABIN UNIVESITY OF SCIENCE AND TECHNOLOGYVol.27No.6Dec.2022特约稿件移动机器人未知环境下辐射场分布地图构建算法霍建文1,胡旭林1,王君玲2,郭云磊1(1 西南科技大学 特殊环境机器人技术四川省重点实验室,四川 绵阳 621010;2 西南科技大学 国防科技学院,四川 绵阳 621010)摘要:针对未知复杂环境中辐射场分布地图构建以及放射源搜寻定位等问题,利用移动机器人搭载核辐射探测器、激光雷达等进行辐射数据采集以及区域栅格地图构建;采集的离
2、散辐射数据通过高斯过程回归方法(GP)构建出环境辐射分布图,并将辐射分布图融合区域栅格地图,实现未知复杂环境中的辐射分布可视化及未知放射源定位。该方法能够处理小样本、非线性以及高维度等复杂问题,可快速构建环境辐射分布图。此外,在放射源存在的真实场景下开展了实验验证,实验结果表明,在无障碍物环境与复杂障碍物环境下移动机器人均能完成辐射场分布地图构建并估计出放射源所在位置,定位精度高于 0.5m,可应用于搜寻丢失的放射源以及辐射安全监测。关键词:移动机器人;辐射场分布地图构建;未知放射源定位;高斯过程回归;栅格地图DOI:10 15938/j jhust 2022 06 003中图分类号:TP24
3、2;TL751文献标志码:A文章编号:10072683(2022)06002408收稿日期:2022 08 16基金项目:国家自然科学基金(12205245,12175187);四川省自然科学基金(2023NSFSC1437)作者简介:胡旭林(1999),男,硕士研究生;王君玲(1991),女,讲师通信作者:霍建文(1988),男,特聘副教授,硕士研究生导师,E-mail:huojianwen2008 hotmail comAn Algorithm for econstructing adiation Distribution Mapin Unknown Environment Based o
4、n Mobile obotsHUO Jian-wen1,HU Xu-lin1,WANG Jun-ling2,GUO Yun-lei1(1.obot Technology Used for Special Environment Key Laboratory of Sichuan Province,Southwest University of Scienceand Technology,Mianyang 621010,China;2.School of National Defense Science,Southwest University of Science and Technology
5、,Mianyang 621010,China)Abstract:Aiming at the problems of radiation distribution map reconstruction and radioactive source searchand localization in unknown complex environments,a mobile robot is used to carry nuclear radiation detector andlidar for radiation data collection and regional grid map co
6、nstruction.The collected discrete radiation data are usedto reconstruct the environmental radiation distribution map through Gaussian Process egression(GP).Furthermore,the radiation distribution map is fused with the regional raster map,which realizes the visualization ofradiation distribution in un
7、known complex environment and the location of unknown radioactive source.The methodcan deal with complex problems such as small samples,nonlinearity and high dimension,and can quickly draw anenvironmental radiation distribution map.In addition,experimental verifications were carried out in real scen
8、arioswhere single radioactive source was present.The experimental results show that the mobile robot can complete thereconstruction of the radiation field distribution map and estimate the location of the radioactive source in both noobstacle environment and complex obstacle environment,and the loca
9、lization accuracy is higher than 0.5m.Thesystem can be applied to search for lost radioactive source and radiation safety monitoring.Keywords:mobile robot;radiation distribution map reconstruction;radioactive source localization;Gaussianprocess regression;raster map0引言随着我国核能发电、军用核动力装置、辐照产业的推广应用以及核设施
10、退役、核废物处置工作的广泛开展,发生核泄漏、核素扩散、强放射源丢失等核事故的风险逐渐增加,对生态环境以及人身安全造成破坏的潜在风险逐渐增大。此外,核恐怖袭击威胁以及未来可能发生的核战争风险需要妥善处置放射性污染物,避免造成社会恐慌与人员伤亡。传统源项参数估计方法主要利用核辐射探测器构建传感器网络采集环境中的辐射数据,然后通过最小二乘法1 2 或最大似然估计法3 4 估计出放射源的位置和强度,其定位精度较差且对操作人员有辐射暴露危险。为了提高放射源搜索效率,可采用单个机器人或多机器人协同搜寻定位放射源5 11,主要利用贝叶斯估计5 6 以及粒子滤波等7 9 方法作为源项估计模型,并结合搜索策略实
11、现放射源的渐进式搜寻。然而,这些方法需要预知源的先验信息且搜寻区域需较为开阔。为了在未知复杂环境下完成辐射安全监测以及放射源定位等工作,需要提前获取区域内的辐射分布情况12 14。因此,利用移动机器人在未知环境中探索并采集信息从而构建出区域辐射场分布地图变得至关重要!本文主要研究利用移动机器人在未知环境中探索并构建区域栅格地图,同时采集离散辐射数据,通过 GP 算法实时构建辐射分布图并将其与区域栅格地图相融合,将未知环境中的辐射分布情况可视化的展示出,并通过区域内辐射场分布地图定位环境中存在的放射源。1辐射分布图构建与放射源定位1.1辐射探测原理与移动机器人介绍由于伽马放射源衰变释放的伽马射线
12、(光子)具有较强电离能力以及穿透性,常利用核辐射探测器收集光子信息。核辐射探测器能探测单位时间内放射源衰变释放的粒子数,但该计数存在统计涨落并服从于泊松分布。假设放射源单位时间内衰变释放的粒子数为 n 个粒子,辐射探测器在单位时间内的粒子计数为 Cps的概率满足:P(Cps;)=CpsCps!e(1)其中:Cps为实际每秒计数值;为辐射计数器期望的计数值,=n。此外,核辐射探测器记录到的计数值还包含天然本底计数值,在后续利用 GP 方法构建辐射分布图时需要提取出本底计数值。由于放射源相对于搜索区域较小,可视作点放射源;当环境中同时存在多个放射源时,探测器采集到的辐射信号来自于多个放射源,会对源
13、项参数估计带来误差干扰15。为了构建未知环境地图、获取环境中的辐射数据信息以及周围图像信息,移动机器人搭载有激光雷达、核辐射探测器以及 GB 深度相机,移动机器人辐射场分布地图构建系统组成如图 1 所示。由于移动机器人在未知环境中搜寻放射源时,会在一定的高度采集辐射数据;当机器人在不同高度采集辐射数据时,构建出的辐射场分布地图会存在一定差异,同时也会影响最终对放射源位置的估计。图 1移动机器人辐射场分布地图构建系统Fig.1econstruction system of radiation distributionmap based on mobile robot1.2区域栅格地图构建与离散辐
14、射数据采集移动机器人在未知环境下搜寻放射源时首先需要构建当前区域地图,地图构建则需要使用即时定52第 6 期霍建文等:移动机器人未知环境下辐射场分布地图构建算法位与地图构建技术(SLAM),该技术最早由 Smith 等人提出16。而 Gmapping 算法是目前常用的 SLAM算法之一,该算法可以实时构建环境地图,在构建小场景地图时所需的计算量较小且精度较高17 19。通过将环境地图做栅格划分并确定好栅格分辨率后,最终得到 2D 占据栅格地图,栅格地图中的每一个栅格仅有三种状态,即占用(障碍物位置)、空闲和未知。当移动机器人在未知环境中构建区域栅格地图的同时,将通过搭载的核辐射探测器采集离散辐
15、射数据,并计算机器人在辐射区域中的当前位置坐标(x,y)。移动机器人在辐射区域中完成 2D 栅格地图构建与离散辐射数据采集的流程图如图 2 所示。图 2栅格地图构建与区域辐射数据采集Fig.2econstruction of grid map andcollection of radiation data1.3辐射分布图构建并融合栅格地图当构建好 2D 栅格地图后,需要通过采集的离散辐射数据去拟合其余空闲栅格的辐射值,当区域较小且相对开阔时可通过插值方法构建辐射分布图。通过 Geant4 仿真出单个伽马放射源(强度为4mCi,能量为 1.33MeV)在区域中的辐射分布情况,并将区域划分为 40
16、 40 的栅格地图,统计每一个栅格中的辐射数值,如图 3(a)所示。然后在该区域栅格地图中随机采集离散辐射数据(30 个点),通过Linear 与 Cubic 插值方法拟合出区域辐射分布图,拟合结果分别如图 3(b)和图 3(c)所示。通过辐射分布图可以较好的反映出区域中的辐射分布情况与放射源所在位置。当环境中存在多个相同强度的放射源时,如图 3(d)所示。同样,通过 Linear 与 Cubic插值方法重建出区域辐射分布图,分别如图 3(e)与图 3(f)所示;可以看出当存在多个放射源时,Linear插值结果与仿真辐射分布情况差异较大,而 Cubic插值则更贴近仿真辐射分布情况。62哈尔滨理
17、工大学学报第 27 卷图 3随机采集 30 个点的离散辐射数据并通过 Linear与 Cubic 插值算法构建辐射分布图Fig.3andomly collect the discrete radiation data of 30points and reconstruct the radiation distribution mapthrough Linear and Cubic interpolation algorithm但当区域环境较为复杂且搜索范围较大时,Linear 与 Cubic 插值方法存在所需辐射数据集大、建图精度低等问题。因此,对于未知环境下的辐射分布图构建,采用高斯过程回归
18、(GP)方法重建区域辐射场分布图。GP 是一种基于贝叶斯网络的机器学习算法,对处理小样本、非线性以及高维等问题具有很好的适应性20 21。GP 方法适用于不确定、非结构化环境,可将采集的离散辐射数据做拟合回归并插值,从而构建出区域辐射场分布图。对于给定数据集合 D=(xi,yi)ni,xi与 yi分别表示输入以及输出数据矩阵。那么,在给定数据D 的有限集合中,f(x1)、f(x2)、f(xn)可构成随机变量的一个集合并具有联合高斯分布。高斯过程(GP)可定义为 f(x)GP(m(x),k(x,x),m(x),k(x,x)分别为均值函数和协方差函数。对于回归问题,建立一般模型:y=f(x)+(2
19、)其中:x 为输入向量;f(x)为函数值;y 为受到加性噪声污染的观测值;为独立的高斯白噪声,即 N(0,2)。则可进一步推导出观测值 y 与预测值 f*的联合先验分布:yf*N 0,K(X,X)+2ninK(X,x*)K(x*,X)K(x*,x*)(3)因此,可以计算出预测值 f*的后验概率分布为:f*|X,y,x*N(m*,Cov(f*)(4)其中:m*,Cov(f*)分别为 x*对应预测值 f*的均值和方差;m*,Cov(f*)计算公式如下:m*=K(x*,X)K(X,X)+2nin1y(5)Cov(f*)=K(x*,x*)K(x*,X)K(X,X)+2nin1K(X,x*)(6)在训练
20、过程中,需要选择合适的协方差函数(核函数)以及超参数。常用的协方差函数包括平方指数协方差函数、Matern 协方差函数、有理二次协方差函数等。且由于单一核函数的 GP 模型很难实现对数据的拟合,可以选择将协方差函数进行组合以增强非线性映射能力。在训练过程中,将辐射数据对应坐标位置(x,y)作为高斯过程回归的输入,辐射计数值作为输出,通过已知辐射数据做回归预测。此外,考虑到在核应急处置中需要获取环境中的辐射分布情况以满足机器人抗辐射加固条件、减少机器人辐射暴露等,因此需要将预测的辐射计数值映射(插值)到栅格地图中。在对栅格地图进行插值时,仅对“空闲”栅格插入辐射数据,而“占用”以及“未知”的栅格
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 移动 机器人 未知 环境 辐射 分布 地图 构建 算法 霍建文
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。