本发明涉及智能手杖与轮椅技术，尤其涉及一种手杖-轮椅自动跟随系统及方法。
背景技术：
随着科技的进步和社会的发展，我国机器人产业迎来蓬勃发展，目前机器人技术已经从制造业走向了医疗、服务、资源采集等领域，而在移动机器人领域，跟随技术越来越受到人们的关注，具有跟随功能的移动机器人的研究也在逐步增长。跟随机器人在很多场景下都有很好的应用，在生活中人们难免会遇到搬运物品的情况，人们通常会选择亲自搬运，开发一种跟随机器人在用户允许的情况下跟随用户帮助其搬运，能有效解放用户的双手，提供便利。在医疗领域，现阶段随着老龄化现象不断加剧，残疾人数量不断上升，医院和一些医疗机构的护理人员监护负担加重，具有自主跟随功能的轮椅可以让轮椅使用者自动跟随护理人员，减轻监护压力。而且在监护的过程中能有效避免身体直接接触轮椅，扩大了监护人与轮椅使用者的监护距离，这样能有效防止传染病的传播。
从众多的现实需求来看，跟随机器人综合性高、渗透性强，可以给人们的生活带来极大的便利。本申请将跟随技术与传统医疗辅助器具轮椅和手杖相结合，研发出具有跟随功能的手杖-轮椅跟随系统，使手杖和轮椅成为一个整体，方便轮椅使用者有散步需求时对轮椅的管理。给我国的医疗、养老行业注入一股新力量，为使用者提供便利。
目前一些自动跟随系统，多处于理论研究阶段，极少应用在实际生活中，特别是智能轮椅这一场景中。现有跟随系统一般利用超声波测距或者视觉识别来实现跟随，但在超声波跟随系统中由于环境干扰、人体服装对超声波的吸收等因素，使得超声波测距的准确性较低，因此难以实现快速准确的跟随；而现有视觉算法在具体应用中实时性较差，物体检测算法的鲁棒性不足。
技术实现要素：
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种手杖-轮椅自动跟随系统及方法。
本发明解决其技术问题所采用的一种技术方案是：一种手杖与轮椅自动跟随方法，包括以下步骤：
1)获取作为跟随目标的信号标签与信号处理装置之间的距离信息，所述信号标签设置在轮椅用户的随身手杖中；所述信号处理装置固定在轮椅底部；
2)根据信号标签与信号处理装置之间的距离信息，对信号标签目标进行定位，具体如下：
2.1)测距分别得到信号处理装置到标签的距离，然后进行初始定位得到目标初始位置(x,y,z)；
通过sdc-twr测距算法完成信号标签到信号处理装置之间的距离测量，完成测距后，设定信号标签离地面初始高度为h，通过toa算法利用信号处理装置对信号标签进行二维定位，得到目标初始位置(x,y,z)；
2.2)进行融合卡尔曼滤波的基于泰勒级数展开的动态定位，最终得到约束x、y方向的目标的(x,y)值；
2.2.1)首先通过信号处理装置到信号标签的真实距离等于测量距离r1、r2、r3加上对应的误差，得到方程:
在目标位置的估计点处进行泰勒展开后，利用加权最小二乘法分离出估计点和目标真实点的偏差，用这个偏差去更新目标位置的估计值，更新后的估计位置再进行计算得到偏差，重复迭代以上的过程，直至偏差中x,y方向的偏差|δx|≤tthres和|δy|≤tthres(其中tthres为事先设定好的误差阈值)迭代终止，最后得到目标点的最优解(x,y)值；
2.2.2)可以看到在在上一步基于泰勒展开的定位方法中，每一步都需要先带入一个估计点，迭代后得到目标点的坐标。估计点决定了迭代的次数和最后结果的准确性，在2.2.1中移动过程中每一时刻的估计点由卡尔曼滤波得到。
在整个卡尔曼滤波过程中，测量方程为：
z(k)＝hx(k) v(k)
式中，z(k)为系统k时刻的观测值，将每时刻通过泰勒级数展开法获得的目标最优解t0(x,y,z)作为观测值，v(k)为测量过程噪声，h为测量矩阵：
状态预测方程为：
x(k|k-1)＝ax(k-1) bu(k)
式中x(k|k-1)为由k-1时刻目标的状态量x(k-1)估计得到的当前状态结果，a为状态转移矩阵，bu(k)为控制输入。
由卡尔曼滤波得到的下一时刻目标的估计值，带入到泰勒展法中得到目标的最优解，而这个最优解又作为卡尔曼滤波过程中的测量值来不断更新，这样可以得到每一时刻目标位置的最优解，实现动态定位的效果。
3)根据信号标签定位信息结合用于障碍物避障的超声波传感器信息，获得包括轮椅跟随速度和轮椅跟随角速度的跟随控制指令，控制轮椅的运动实现准确跟随。
一种手杖与轮椅自动跟随系统，包括以下步骤：
轮椅跟随距离模块，用于获取作为跟随目标的信号标签与信号处理装置之间的距离信息，所述信号标签设置在轮椅用户的随身手杖中；所述信号处理装置固定在轮椅底部；
轮椅跟随定位模块，用于根据信号标签与信号处理装置之间的距离信息，对信号标签目标进行定位，具体如下：
1)测距分别得到信号处理装置和标签的距离，然后进行初始定位得到目标初始位置(x,y,z)；
通过sdc-twr测距算法完成信号标签到信号处理装置之间的距离测量，完成测距后，设定信号标签离地面初始高度为h，通过toa算法利用信号处理装置对信号标签进行二维定位，得到目标初始位置(x,y,z)；
2)进行融合卡尔曼滤波的基于泰勒级数展开的动态定位，最终得到约束x、y方向的目标的(x,y)值；
在目标位置的估计点处进行泰勒展开后，利用加权最小二乘法分离出估计点和目标真实点的偏差，用这个偏差去更新目标位置的估计值，更新后的估计位置再进行计算得到偏差，重复迭代以上的过程，直至偏差中x,y方向的偏差|δx|≤tthres和|δy|≤tthres，其中tthres为预设的误差阈值，迭代终止，最后得到目标点的最优解(x,y)值；
轮椅跟随控制模块，用于根据信号标签定位信息结合用于障碍物避障的超声波传感器信息，获得包括轮椅跟随速度和轮椅跟随角速度的跟随控制指令，控制轮椅的运动实现准确跟随。
按上述方案，所述轮椅跟随定位模块中步骤2)具体如下：
2.1)建立三维坐标系，利用信号处理装置进行三维定位，从而得到不随高度影响的(x,y)值用于跟随；
信号处理装置设三个点分别为a0，a1，a2，以a1a0为x轴，a1a0的中心为原点建立x-y-z三轴坐标系，设信号标签坐标为t0，且t0到点a0，a1，a2的测量距离分别为r1，r2，r3，εi为对应的测量距离与真实距离之间的差值，三个点的坐标分别为a0(x1,y1,z1)，a1(x2,y2,z2)，a2(x3,y3,z3)，目标点为未知点t0(x,y,z)，则得到以下方程：
定义函数如下：
fi(x,y,z)＝ri εi
设t0′(xv,yv,zv)为目标点t0(x,y,z)的估计位置，则有：
其中，δx，δy，δz为估计点与目标点对应在每个坐标方向上的误差，将函数fi(x,y,z)在点t0′(xv,yv,zv)处泰勒展开，忽略1阶以上的分量，取其前两项得到：
fi,v αi,1δx αi,2δy αi,3δz≈ri εi
其中，
2.2)估计目标的初始位置，在最小二乘的原理下不断对初始值进行优化，找到距离真实值到达限定阈值的最优解；
对更新后的估计位置再进行计算得到偏差，重复迭代以上的过程，直至偏差中的|δx|≤tthres和|δy|≤tthres，其中tthres为预设的误差阈值，则此时标签的位置t0(x,y,z)为(xv δx,yv δy,zv δz)，为了保证定位得到的点始终在基站平面上方，对zv δz值进行取绝对值处理，在每一次计算目标的位置时先带入一个初始估计值，再结合基于toa初始化定位，用信号处理装置对标签初始的二维坐标进行定位，然后在移动过程中结合卡尔曼滤波得到每时刻目标的估计位置。
按上述方案，所述轮椅跟随定位模块中步骤2.2)中每一次计算目标的位置时的初始位置的估计值(x,y,z)通过卡尔曼滤波预测获得；具体如下：
将泰勒级数展开法获得的目标k-1时刻的的目标最优解坐标作为观测值，进入卡尔曼滤波的迭代过程中；
测量方程为：
z(k-1)＝hx(k-1) v(k-1)
式中，z(k)为系统k-1时刻的观测值，即泰勒级数展开法获得的目标k-1时刻的坐标，为目标的k-1时刻的初始估计值，v(k)为测量过程噪声，h为测量矩阵：
在卡尔曼滤波中系统状态转移方程为：
x(k)＝ax(k-1) bu(k) w(k)
其中，k为离散时间，u(k)为k时刻系统的控制输入，b为相应的转换矩阵，在此过程中b和u(k)均为0矩阵，w(k)为白噪声，x(k)为k时刻目标状态估计值，即x(k)为k时刻目标的空间坐标和对应于每个方向上的速度：
x(k)＝[x(k),y(k),z(k),vx(k),vy(k),vz(k)]
其中a为从k-1时刻到k时刻目标状态的转移矩阵：
其中t为采样时间，对应信号模块之间的传输频率。
按上述方案，所述轮椅跟随控制模块中轮椅跟随速度和轮椅跟随角速度获取方式如下：通过变量模糊化和建立模糊规则后，通过目标距离偏差和距离偏差变化率决策出轮椅跟随速度，通过目标距离偏差和角度偏差决策出轮椅跟随角速度。
本发明产生的有益效果是：
1、本发明的一种手杖-轮椅自动跟随系统及方法在近距离内准确性高，不易受环境因素干扰，跟随准确，响应速度快。
2、本发明的一种手杖-轮椅自动跟随系统及方法可满足现阶段很多轮椅使用者同时使用轮椅和手杖的需求，有效解决轮椅使用者离开轮椅使用手杖步行活动需求时轮椅无法安置的问题。
3、本发明的一种手杖-轮椅自动跟随系统及方法能实现对伴行看护人员的自动跟随，省去了人为控制，让使用者更加便捷舒适。
4)本发明的一种手杖-轮椅自动跟随系统及方法不仅适用于轮椅跟随，在其他跟随场景中也可以得到广泛的适用。且本系统中的各设备体积小、安装方便、隐蔽性好，不会影响到使用者的正常生活。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明实施例的自动跟随轮椅系统的结构框图。
图2为本发明实施例的轮椅跟随系统模块的结构流程图。
图3为本发明实施例的自动跟随轮椅系统的定位系统流程图。
图4为本发明实施例的自动跟随轮椅系统的模糊跟随结构图。
图5为本发明实施例的轮椅自主跟随的原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，在本发明实施例中一种手杖与轮椅自动跟随系统包括手杖跟随遥控模块、轮椅跟随模块和轮椅介入控制模块三部分，手杖跟随遥控模块包括按键模块、手杖微处理器和uwb标签，负责作为uwb定位的标签，并且能通过标签向轮椅跟随模块传送按键控制指令；轮椅跟随模块包括uwb基站群、超声波传感器和主控微制器，uwb基站群接收uwb标签传来的数据信息并发送给主控微制器，在动态定位算法下能对标签进行定位，依照目标的相对距离等信息对轮椅的运动进行模糊控制，使轮椅能跟随目标，超声波传感器对周围环境进行检查，检查数据发送给主控微处理器；轮椅介入控制模块包括微控制器和da输出模块，其是在轮椅本身控制器中加入的模块，原有轮椅控制器只能通过操纵杆这单一信号向控制器中的底层控制芯片发送控制指令，现在加入本文设计的介入控制模块后，外部信号可以控制模块模拟出操纵杆引起的电压变化，将模拟信号传递到底层轮椅运动控制芯片上，达到外部信号控制轮椅运动的功能。
一种手杖与轮椅自动跟随系统，包括以下步骤：
轮椅跟随距离模块，用于获取作为跟随目标的信号标签与信号处理装置之间的距离信息，所述信号标签设置在轮椅用户的随身手杖中；所述信号处理装置固定在轮椅底部；
轮椅跟随定位模块，用于根据信号标签与信号处理装置之间的距离信息，对信号标签目标进行定位，具体如下：
1)测距分别得到信号处理装置和标签的距离，然后进行初始定位得到目标初始位置(x,y,z)；
通过sdc-twr测距算法完成信号标签到信号处理装置之间的距离测量，完成测距后，设定信号标签离地面初始高度为h，通过toa算法利用信号处理装置对信号标签进行二维定位，得到目标初始位置(x,y,z)；
2)进行融合卡尔曼滤波的基于泰勒级数展开的动态定位，最终得到约束x、y方向的目标的(x,y)值；
在目标位置的估计点处进行泰勒展开后，利用加权最小二乘法分离出估计点和目标真实点的偏差，用这个偏差去更新目标位置的估计值，更新后的估计位置再进行计算得到偏差，重复迭代以上的过程，直至偏差中x,y方向的偏差|δx|≤tthres和|δy|≤tthres，其中tthres为预设的误差阈值，迭代终止，最后得到目标点的最优解(x,y)值；
轮椅跟随控制模块，用于根据信号标签定位信息结合用于障碍物避障的超声波传感器信息，获得包括轮椅跟随速度和轮椅跟随角速度的跟随控制指令，控制轮椅的运动实现准确跟随。
轮椅跟随定位模块中步骤2)具体如下：
2.1)建立三维坐标系，利用信号处理装置进行三维定位，从而得到不随高度影响的(x,y)值用于跟随；
信号处理装置设三个点分别为a0，a1，a2，以a1a0为x轴，a1a0的中心为原点建立x-y-z三轴坐标系，设信号标签坐标为t0，且t0到点a0，a1，a2的测量距离分别为r1，r2，r3，εi为对应的测量距离与真实距离之间的差值，三个点的坐标分别为a0(x1,y1,z1)，a1(x2,y2,z2)，a2(x3,y3,z3)，目标点为未知点t0(x,y,z)，则得到以下方程：
定义函数如下：
fi(x,y,z)＝ri εi
设t0′(xv,yv,zv)为目标点t0(x,y,z)的估计位置，则有：
其中，δx，δy，δz为估计点与目标点对应在每个坐标方向上的误差，将函数fi(x,y,z)在点t0′(xv,yv,zv)处泰勒展开，忽略1阶以上的分量，取其前两项得到：
fi,v αi,1δx αi,2δy αi,3δz≈ri εi
其中，
2.2)估计目标的初始位置，在最小二乘的原理下不断对初始值进行优化，找到距离真实值到达限定阈值的最优解；
对更新后的估计位置再进行计算得到偏差，重复迭代以上的过程，直至偏差中的|δx|≤tthres和|δy|≤tthres，其中tthres为预设的误差阈值，则此时标签的位置t0(x,y,z)为(xv δx,yv δy,zv δz)，为了保证定位得到的点始终在基站平面上方，对zv δz值进行取绝对值处理，在每一次计算目标的位置时先带入一个初始估计值，再结合基于toa初始化定位，用信号处理装置对标签初始的二维坐标进行定位，然后在移动过程中结合卡尔曼滤波得到每时刻目标的估计位置。
轮椅跟随定位模块中步骤2.2)中每一次计算目标的位置时的初始位置的估计值(x,y,z)通过卡尔曼滤波预测获得；具体如下：
将泰勒级数展开法获得的目标k-1时刻的的目标最优解坐标作为观测值，进入卡尔曼滤波的迭代过程中；
测量方程为：
z(k-1)＝hx(k-1) v(k-1)
式中，z(k)为系统k-1时刻的观测值，即泰勒级数展开法获得的目标k-1时刻的坐标，为目标的k-1时刻的初始估计值，v(k)为测量过程噪声，h为测量矩阵：
在卡尔曼滤波中系统状态转移方程为：
x(k)＝ax(k-1) bu(k) w(k)
其中，k为离散时间，u(k)为k时刻系统的控制输入，b为相应的转换矩阵，在此过程中b和u(k)均为0矩阵，w(k)为白噪声，x(k)为k时刻目标状态估计值，即x(k)为k时刻目标的空间坐标和对应于每个方向上的速度：
x(k)＝[x(k),y(k),z(k),vx(k),vy(k),vz(k)]
其中a为从k-1时刻到k时刻目标状态的转移矩阵：
其中t为采样时间，对应信号模块之间的传输频率。
轮椅跟随控制模块中轮椅跟随速度和轮椅跟随角速度获取方式如下：通过变量模糊化和建立模糊规则后，通过目标距离偏差和距离偏差变化率决策出轮椅跟随速度，通过目标距离偏差和角度偏差决策出轮椅跟随角速度。
如图2所示，本发明实施例的轮椅系统跟随模式的工作流程，首先系统进行初始化，然后读取超声波模块数据，判断轮椅前方障碍物是否距离过近，若是，向介入模块发送紧急制动信息，轮椅介入模块将信号传送给轮椅底层控制中心，改变轮椅状态；若否，则读取串口uart1的数据，判断数据头格式是否为“mv”或“mw”，若是，读取rang0数值并将其打包成数据格式，向介入模块发送手杖控制指令，若否，再判断数据头格式是否为“mc”，若否，向介入模块发送异常信息，若是，再判断mask的值是否为7，若否，发送异常信息，若是，依次读取三基站rang0、rang1和rang2的值，利用动态定位算法获取目标坐标，然后获得目标相对于轮椅的相对距离和速度，采用模糊控制算法进行数据处理，向介入模块发送轮椅跟随指令，实现跟随。
如图3所示，本发明实施例的自动跟随轮椅系统的定位系统流程，首先通过sdc-twr测距算法得到三基站与标签之间的距离信息，然后进行基于toa的初始定位得到初始坐标(x,y,z)，再然后融合卡尔曼滤波的泰勒级数展开的三维定位，最终得到约束了x、y方向的目标的(x,y)值，当uwb传输路径中被障碍物遮挡时，本系统利用卡尔曼滤波的增益自适应方法来减少产生的非视距误差。
如图4所示，本发明实施例的自动跟随轮椅系统的模糊控制跟随结构，其控制过程主要由三个部分组成：变量模糊化、模糊推理和输出清晰化。其中变量模糊化是将变量转化为语言变量，使之能与建立的规则库中的规则相匹配，而规则库中的规则是根据人的经验和对规律的掌握总结而来。模糊推理就是将实际的状态与规则库中的规则相匹配，就像是人从自身经验中找出应对的策略。最后将推理得到的模糊量去模糊转化为精确值就是输出清晰化的过程。系统根据跟随过程中轮椅与目标之间的距离偏差、距离偏差变化率、角度偏差，通过模糊推理决策出轮椅跟随时的角速度和线速度，构成了由多个输入和多个输出组成的mimo系统。具体为通过跟随距离偏差和距离偏差变化率来决策出轮椅线速度，通过跟随距离偏差和跟随角度偏差决策出轮椅角速度。在无障碍环境下轮椅的跟随算法需要：变量模糊化、建立模糊规则库，完成模糊推理，输出轮椅运动量。
如图5所示，本发明实施例的轮椅自主跟随的原理，在前方目标人使用手杖移动时，利用uwb基站可以对手杖即目标人的相对位置进行定位，此时的坐标系原点为a0a1的中心。
根据该系统，可以获得对应的方法：
一种手杖与轮椅自动跟随方法，包括以下步骤：
1)获取作为跟随目标的信号标签与信号处理装置之间的距离信息，所述信号标签设置在轮椅用户的随身手杖中；所述信号处理装置固定在轮椅底部；
2)根据信号标签与信号处理装置之间的距离信息，对信号标签目标进行定位，具体如下：
2.1)测距分别得到信号处理装置到标签的距离，然后进行初始定位得到目标初始位置(x,y,z)；
通过sdc-twr测距算法完成信号标签到信号处理装置之间的距离测量，完成测距后，设定信号标签离地面初始高度为h，通过toa算法利用信号处理装置对信号标签进行二维定位，得到目标初始位置(x,y,z)；
2.2)进行融合卡尔曼滤波的基于泰勒级数展开的动态定位，最终得到约束x、y方向的目标的(x,y)值；
2.2.1)首先通过信号处理装置到信号标签的真实距离等于测量距离r1、r2、r3加上对应的误差，得到方程:
在目标位置的估计点处进行泰勒展开后，利用加权最小二乘法分离出估计点和目标真实点的偏差，用这个偏差去更新目标位置的估计值，更新后的估计位置再进行计算得到偏差，重复迭代以上的过程，直至偏差中x,y方向的偏差|δx|≤tthres和|δy|≤tthres(其中tthres为事先设定好的误差阈值)迭代终止，最后得到目标点的最优解(x,y)值；
2.2.2)可以看到在在上一步基于泰勒展开的定位方法中，每一步都需要先带入一个估计点，迭代后得到目标点的坐标。估计点决定了迭代的次数和最后结果的准确性，在2.2.1中移动过程中每一时刻的估计点由卡尔曼滤波得到。
在整个卡尔曼滤波过程中，测量方程为：
z(k)＝hx(k) v(k)
式中，z(k)为系统k时刻的观测值，将每时刻通过泰勒级数展开法获得的目标最优解t0(x,y,z)作为观测值，v(k)为测量过程噪声，h为测量矩阵：
状态预测方程为：
x(k|k-1)＝ax(k-1) bu(k)
式中x(k|k-1)为由k-1时刻目标的状态量x(k-1)估计得到的当前状态结果，a为状态转移矩阵，bu(k)为控制输入。
由卡尔曼滤波得到的下一时刻目标的估计值，带入到泰勒展法中得到目标的最优解，而这个最优解又作为卡尔曼滤波过程中的测量值来不断更新，这样可以得到每一时刻目标位置的最优解，实现动态定位的效果。
3)根据信号标签定位信息结合用于障碍物避障的超声波传感器信息，获得包括轮椅跟随速度和轮椅跟随角速度的跟随控制指令，控制轮椅的运动实现准确跟随。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
1.一种手杖-轮椅自动跟随方法，其特征在于，包括以下步骤：
s1、将作为跟随目标的信号标签安置在手杖内，与布置在轮椅上的信号处理装置通过无线信号建立通讯，获取信号标签与信号处理装置之间的距离信息；
s2、通过uart传递距离信息给主控微处理器进行定位处理；
s3、主控微处理器结合避障传感器信息，将跟随控制指令通过iic传递给轮椅介入控制模块；
s4、指令信号通过轮椅介入控制模块的微控制器、d/a输出模块传递给轮椅底层控制中心，从而控制轮椅运动，实现轮椅对手杖的快速准确跟随。
2.根据权利要求1所述的一种手杖-轮椅自动跟随方法，其特征在于，步骤s2中主控微处理器进行定位处理的方法为：
首先得到轮椅与手杖之间的距离，然后进行初始定位得到目标信号标签的坐标(x,y,h)，再由融合了卡尔曼滤波的泰勒级数展开法进行动态定位，最终得到约束了x、y轴方向的目标坐标的(x,y)值，实现动态定位法，且动态定位算法能有效消除移动时手杖高度变化带来的定位不准确影响。
其中基于泰勒级数展开法具体为：通过信号处理装置到标签的真实距离等于测得的距离值加上误差，可以得到方程:
在目标位置的估计点处进行泰勒展开后，利用加权最小二乘法分离出估计点和目标真实点的偏差，用这个偏差去更新目标位置的估计值，更新后的估计位置再进行计算得到偏差，重复迭代以上的过程，直至偏差中x,y方向的偏差|δx|≤tthres和|δy|≤tthres(其中tthres为事先设定好的误差阈值)迭代终止，最后得到目标点的最优解(x,y)值用于定位。
由于在每一步迭代时都需要目标初始值的估计值，所以在初始时首先基于测距算法分别得到基站群到标签的距离，设定初始时手杖直立，标签离地面高度为h，通过toa算法利用基站群对标签进行二维定位得到(x,y,h)，用于初始目标的估计值。
在移动过程中利用卡尔曼滤波预测出来的值，作为泰勒级数展开法的初始位置的估计值。而泰勒级数展开法获得的目标每时刻的坐标作为测量值，进入卡尔曼滤波的迭代过程中，满足系统要求。
3.一种手杖-轮椅自动跟随系统，包括手杖跟随遥控模块、轮椅跟随模块、轮椅介入控制模块，其中手杖跟随遥控模块负责作为定位的信号标签，并且能通过标签向轮椅跟随模块传送按键控制指令，从而控制轮椅的运动；轮椅跟随模块上装有信号处理装置，在动态定位算法下能对标签进行定位，依照目标的相对距离等信息对轮椅的运动做出判断，使轮椅能跟随目标；轮椅介入控制模块是在轮椅本身控制器中加入的模块，允许外部信号控制轮椅本身运动，与轮椅跟随模块进行通讯后能使手杖控制轮椅运动，轮椅本身能对目标进行跟随。
4.根据权利要求3所述的一种手杖-轮椅自动跟随系统，其特征在于，所述手杖跟随遥控模块包括按键模块、手杖微处理器、信号标签，按键模块和信号标签分别与微处理器建立连接。
5.根据权利要求3所述的一种手杖-轮椅自动跟随系统，其特征在于，所述轮椅跟随模块包括信号处理装置、避障传感器和主微处理器，其中布置的信号接收装置和手杖的信号标签建立通讯后用以获取手杖的位置信息，同时还能直接传递手杖的遥控信息，避障传感器用于得到周围环境中的障碍物信息。主控微处理器将数据处理后传输到轮椅介入控制模块实现轮椅的跟随、远程遥控功能。
6.根据权利要求3所述的一种手杖-轮椅自动跟随系统，其特征在于，所述轮椅介入控制模块包括微控制器、d/a输出模块，所述d/a输出模块将处理后的数字信号转化为模拟电压值，这样可以模拟出操纵杆控制时的电压变化传递到底层运动接口，对轮椅的运动速度和方向进行控制。
技术总结