学习方法（随机森林），建立基于BLE室内定位的分类模型，将实时收集到的RSSI数据作为该分类模型的输入，从而得到机器人的位置信息。最后在云端服务器，融合前面所述的两种定位方法，以及环境传感器的信息（灰度传感器、超声传感器）进行综合决策，从而得到服务机器人在室内所处的位置。
机器人的运动机构采用的是轮式结构，主要包括两个动力轮和一个支撑轮，其中运动轮由步进电机驱动，光电传感器固定在左右轮上。电子罗盘主要用来采集机器人当前的方位角，由于电子罗盘测量单位是0.1度，故方位角θϵ[0，3600]。服务机器人融合超声传感器和灰度传感器，实现自主循迹和自主避障，在整个机器人的运动过程中，共包括3种运动状态，分别为直行、左转、右转，如图4所示。左、右光电传感器信号分别记为Pl，Pr ，基于机器人的运动状态，左、右光电传感器信号也有三种关系，分别为Pl=Pr、Pl>Pr、Pl 4 定位算法 该文融合基于BLE的定位技术与基于距离的定位方法，实现对机器人的准确定位。假设时间i，j的时间间隔为Δt，机器人的移动距离为sij，x，y的相对位移增量记为xΔt、yΔt，，j时刻机器人与起始点的相对坐标记为xi、yj，计算公式如（1）-（5）所示。 当服务机器人完成一次送餐任务时，也就完成了一轮位置的转换，可定义为{厨房--->餐桌--->厨房}，即从初始位置厨房出发，将餐点送到特定餐桌，然后再回到厨房的起始位置。将厨房S0设置为运动的起点，坐标记为（xs0，ys0），其中xs0=0，ys0=0，融合光电传感器和电子罗盘信息，计算服务机器人在j时刻的相对坐标xj，yj，然后将当前坐标（xj，yj）作为分类模型的输入，应用k近邻算法，得到机器人当前所在的位置。 对机器人的室内定位主要包括两个部分，即离线机器学习阶段和在线测试两个阶段。首先通过机器学习建立室内位置的分类模式，该分类模型融合了BLE室内定位与距离定位两个分类模型。首先收集BLE传感器以及光电传感器、电子罗盘数据，分别建立RSSI数据集与位置坐标数据集，其中基于RSSI数据集，应用机器学习算法（随机森林）建立分类模型，建立RSSI与位置的映射关系，共包含S0，S1……S6共7个类；而对于位置坐标数据集，刚采用k近邻算法，得到相对坐标与位置之间的关系，建立分类模型；在线测试阶段，一方面将收集到的BLE蓝牙数据作为定位分类模型的输入，得到在j时刻室内位置的分类结果Cbj；另一方面，基于距离分类模型和当前机器人相对坐标（xj，yj），得到机器人的位置分类Cdj，最后融合Cbj，Cdj两个分类结果，并融合j时刻环境信息，由综合控制单元进行决策分析，输出服务机器人在j时刻的位置，算法流程如图5所示。 位置信息是集群机器人资源共享、分配的一个重要参数，也是综合决策、任务调整的重要依据，当机器人检测到自己接近目的地，综合控制单元控制机器人进行语音提示，提醒顾客餐点送达，并控制机械手臂送餐；另一方面当机器人回到厨房起始点，自动对环境信息进行初始化，进行等待状态。 5 结束语 移动服务机器人室内定位的挑战在于室内环境的复杂性，尤其是在服务场所，遍布着各种干扰因素，不仅包括来自无线电信号的干扰还包括顾客的阻挡。顾客手机的wifi、蓝牙信号会造成BLE信号的绕射、衰减，致使收到的RSSI值上下波动，从而影响基于BLE技术的室内定位方法的准确率，为了解决以上问题，该文将基于移动距离的定位方法与基于BLE的室内定位方法进行融合，有效的修正定位的结果，从而提高了室内定位的准确率。准确的位置定位是对服务机器人调度、任务分配的基础，今后可以将室内定位应用到服务机器的综合决策中，实现集群机器人任务分配、调度的最优化。 参考文献： [1] Gupta R. Image-based indoor position determination[J]. Qualcomm Incorporated California， 2017. [2] Chiu C C， Hsu J C， Leu J S. Implementation and analysis of Hybrid Wireless Indoor Positioning with iBeacon and Wi-Fi[C]// Ultra Modern Telecommunications and Control Systems and Workshops （ICUMT）， 2016 8th International Congress on， 2016： 80-84. [3] Faragher R， Harle R. Location Fingerprinting With Bluetooth Low Energy Beacons[J]. IEEE Journal on Selected Areas in Communications， 2015， 33（11）： 2418-2428. [4] 蘇春芳， 杨立志. 安防监控机器人的移动定位技术研究[J]. 江苏理工学院学报， 2015， 8（15）： 22-25. [5] 刘志昆. 基于蓝牙4.0和位置指纹的室内定位技术研究和实现[D].北京： 中央民族大学， 2017： 18-22.