第三章、 移動載具之硬體架構
3.3 超音波距離感測器 (避障用)
測距/避障有很多方法如紅外線、雷射、超音波、影像等，本研究係採 用超音波感測距離模組如圖 3.3.1 所示，當移動載具追隨時作避障使用。
圖 3.3.1 超音波距離感測模組正視圖
3.3.1 超音波距離感測器的規格
超音波距離感測器為模組設計共有一發送端、一接收端的設計，其 硬體規格表，如表 3.3.1 所示。
表 3.3.1 超音波距離感測器規格
Parameter Technical data
Working Voltage DC 5 V Working Current 15mA Working Frequency 40kHz
Max Range 4m
10
Min Range 2cm
Measuring Angle 15 degree Trigger Input Signal 10uS TTL pulse
Echo Output Signal Input TTL lever signal and the range in proportion Dimension 45*20*15mm
3.4 三軸磁力感測計
磁力感測計之功用是測量環境磁力(Magnetic)大小的元件，如圖 3.4.1，
常以高斯(Gauss)或特斯拉(Tesla)來表示磁場大小。3-axis 磁力感測計為了感 測地磁的磁場之外，還包含了環境的 Hard iron、Soft iron 磁場干擾，因此需 透過磁力計分辨出小於 1m Gauss 的磁場變化量，來準確測量出約 200m 至 300m Gauss 的地磁磁場強度。
圖 3.4.1 磁力感測模組正視圖
11
3.4.1 三軸磁力感測計的規格
本研究採用 MEMS 3-axis 磁力感測計，其硬體規格表，如表 3.4.1 所示。
表 3.4.1 磁力感測計規格
Parameter Technical data
Package
CSWLP- (12 pin) 1.56×1.56×0.6 mm³ 0.4 mm diagonal ball pitch Temperature range -40°C ~ +85°C
Digital interfaces I²C and SPI (2 interrupt pins)
Resolution 0.3μT
Supply voltage VDD: 1.62V to 3.6V VDDIO: 1.2V to 3.6V
Zero-B offset ±50μT
Non-linearity <1% FS Magnetic range typ. ±1300μT (x,y-axis)
±2500μT (z-axis) Average current consumption 170 μA (low power preset)
500 μA (normal mode)
Interrupts New data, magnetic threshold high / low
12
第四章、研究內容
本章節將敘述一個基於相對位置來實現追隨的方法，從感測器如何擷取資 訊到移動載具自動追隨的流程與相關技術原理。
4.1 資料處理流程
要設計一個基於相對位置來實現追隨的方法，其重點在於獲取目標的 相對位置。因此，資料即時的流程處理非常重要，其處理流程如圖 4.1.1：
(1) 感測器資料擷取 (2) 異常數值過濾 (3) 數值計算 (4) 相對位置計算
圖 4.1.1 資料處理流程
13
4.2 感測器資料擷取與計算
本節內容將敘述各種感測器資料的擷取與數值處理方法。
4.2.1 磁力感測計
磁力感測計是用於量測磁場的元件，本研究係以磁力計量測地球 磁場如圖 4.2.2，透過地磁北極與地理北極的關係如圖 4.2.3，因地磁北 極與地理北極有 11 度的夾角，經量測換算後可得知物體指向的絕對方 向。
圖 4.2.1 地球磁場示意圖
14
圖 4.2.2 磁偏角及磁傾角示意圖
磁力感測計的工作原理
磁力感測計採用 AMR (Anisotropic Magnetoresistance) 材料來檢測 空間中的磁場强度。這種晶體結構的合金材料對外界磁場反應很敏感，
磁場些微的强弱變化即會導致 AMR 自身阻值發生變化。當有外界磁場 Ha 時，AMR 上方的磁場方向會產生變化，磁場方向和電流方向的夾角 θ隨著變化，如圖 4.2.4 所示。θ角變化與 AMR 自身阻值變化的關係，
呈線性關係。
15
圖 4.2.3 磁場方向和電流方向的夾角
4.2.2 超音波距離感測器
超音波感測器 (Supersonic Sensor) 的頻率為 40 kHz，當啟動時會 持續發送聲波，從最接近的物體反射聲波後接收回音。其感測器模組是 由超音波發射器、接收器與控制電路所組成。
超音波的工作原理
其測距原理示意圖如圖 4.2.5 所示，從感測器模組連續發送 40 kHz 聲波，當聲波遇到最接近的物體時將聲波反射回模組的接收端，最後根 據聲波在空氣中傳遞的時間換算出感測器模組與物體之間的距離。
圖 4.2.4 超音波量測距離示意圖
16
N = Path-Loss Exponent, ranges from 2.7 to 4.3
Po = Signal power (dBm) at zero distance - Get this value by testing Pr = Signal power (dBm) at distance - Get this value by testing F = Signal frequency in MHz - 2.400~2.4835 MHz for BLE
4.4 相對位置判斷演算法
判斷相對位置方式可分為手動判斷與自動偵測判斷兩種，手動判斷方式 如圖 4.4.1 所示，使用者(人)將智慧型裝置的方向指向移動載具，利用磁力
計取得當下方向與地理北極夾角θ，再透過藍牙通訊 RSSI 換算出相對距離
D，即可得知移動載具與使用者的相對位置，其相對位置公式如下：
17
圖 4.4.1 相對位置示意圖
假設人的座標為 ( x0 , y0 )，移動載具的座標為 ( x , y )
𝐱 = 𝐱𝟎+ 𝐃 × 𝐬𝐢𝐧 𝛉 (4-10) 𝐲 = 𝐲𝟎+ 𝐃 × 𝐜𝐨𝐬 𝛉 (4-11)
D = 使用者與移動載具的直線距離
θ = 使用者指向移動載具的方向與地理北極的夾角
自動偵測判斷相對位置則必須透過移動載具上的感應器與動態偵測來 判斷相對位置，初始時透過使用者與移動載具之間藍牙的 RSSI 換算取得相 對距離，如圖 4.4.2 所示，並假設載具為圓心，根據相對距離 R 得知使用者 可能為圓上的任何一點。
18
圖 4.4.2 相對位置初始圖
假設有兩條平行於 y 軸的平行線分別通過載具與人，如圖 4.4.3 所示，根據 兩平行線間最短距離為垂直於平行線的直線距離，因此，一直線通過人且垂 直於平行線交於 P 點的交點連線即為載具與人之間的最短距離。依照上述原 理，載具將沿著平行線前後移動，根據 RSSI 與距離成反比的特性，持續偵 測並記錄 RSSI 與位置，最後 RSSI 最大值的位置，即為 P 點。
圖 4.4.3 平行線最短距離示意圖
取得 P 點後，載具與人的相對位置關係僅兩種如圖 4.4.4 所示，人可能在載 具的左方或右方。因此，載具從 P 點往 x 軸的方向移動時，人如果在載具的
19
右方，其載具與人1的距離縮短與人2的距離增加；反之，人如果在載具的
左方，其載具與人1的距離增加與人2的距離縮短。
圖 4.4.4 載具與人相對位置關係圖
20
4.5 自動追隨流程
程序流程圖如圖 4.6.1 所示，從使用者開始搜尋移動載具到移動載具自 動追隨使用者的完整流程。
圖 4.6.1 自動追隨程序流程圖
21
4.6 結論與探討
本研究分析消費性產品當追隨目標的可行性與感測器資料準確性，並 建立演算法，以自走車來模擬移動載具自動追隨。其研究價值在於消費性產 品能連接移動載具當追隨目標，評估移動載具自動追隨應用的範圍與可行性。
本研究當中所使用的演算法與追隨目標可供人們開發使用，增加自動追隨的 技術與降低自動追隨系統建置的成本。
22
參考文獻
[1] F. Goldenberg, "Geomagnetic Navigation beyond the Magnetic Compass," in 2006 IEEE/ION Position, Location, And Navigation Symposium, April 2006, pp. 684-694.
[2] S. J. Yang, T. K. Kim, T. Y. Kuc, and J. K. Park, "Geomagnetic localization of mobile robot," in 2017 IEEE International Conference on Mechatronics (ICM), Feb. 2017, pp. 123-127.
[3] F. Y. Sung, S. H. Fang, and Y. R. Chien, "An experimental study of MEMS-based magnetometers on Android mobile phones," in 2014 IEEE International Conference on Consumer Electronics - Taiwan, May 2014, pp.
227-228.
[4] L. Han, Y. Li, S. Mi, and H. Liu, "Research on compass error compensation of certain UAS," in 2013 IEEE International Conference on Information and Automation (ICIA), Aug. 2013, pp. 811-815.
[5] A. Yousefi, K. Somaratne, and F. J. Dian, "Analysis of time synchronization based on current measurement for Bluetooth Low Energy (BLE)," in 2017 8th IEEE Annual Information Technology, Electronics and Mobile Communication Conference (IEMCON), Oct. 2017, pp. 602-607.
[6] B. Soewito, A. Y. H. Ritonga, and F. E. Gunawan, "Increasing accuracy of bluetooth low energy for distance measurement applications," in 2016 11th International Conference on Knowledge, Information and Creativity Support Systems (KICSS), Nov. 2016, pp. 1-5.
[7] J. Xiong, Q. Qin, and K. Zeng, "A Distance Measurement Wireless
23
Localization Correction Algorithm Based on RSSI," in 2014 Seventh International Symposium on Computational Intelligence and Design, Dec.
2014, pp. 276-278.
[8] T. Türkoral, T. Ö , S. Yetiş, E. İnanç, and L. Çetin, "Indoor distance estimation with using received signal strength indicator (RSSI) metric," in 2016 National Conference on Electrical, Electronics and Biomedical Engineering (ELECO), Dec. 2016, pp. 397-401.
[9] D. Gualda, J. Ureña, J. C. García, E. García, and D. Ruiz, "RSSI distance estimation based on Genetic Programming," in International Conference on Indoor Positioning and Indoor Navigation, Oct. 2013, pp. 1-8.
[10] V. Daiya, J. Ebenezer, S. A. V. S. Murty, and B. Raj, "Experimental analysis of RSSI for distance and position estimation," in 2011 International Conference on Recent Trends in Information Technology (ICRTIT), June 2011, pp.
1093-1098.
[11] A. H. Adiwahono, V. B. Saputra, K. P. Ng, W. Gao, Q. Ren, B. H. Tan, et al.,
"Human tracking and following in dynamic environment for service robots,"
in TENCON 2017 - 2017 IEEE Region 10 Conference, Nov. 2017, pp.
3068-3073.
[12] H. C. Chu, M. F. Chien, T. H. Lin, and Z. J. Zhang, "Design and
implementation of an auto-following robot-car system for the elderly," in 2016 International Conference on System Science and Engineering (ICSSE), July 2016, pp. 1-4.
[13] P. Amaradi, N. Sriramoju, D. Li, G. S. Tewolde, and J. Kwon, "Lane following and obstacle detection techniques in autonomous driving vehicles," in 2016
24
IEEE International Conference on Electro Information Technology (EIT), May 2016, pp. 0674-0679.