当前位置：首页 > news >正文

经典文献阅读之--WiROS(用于机器人的WiFi感知工具箱)

news 来源：原创 2024/10/1 18:31:13

0. 简介

近期的许多研究探索了使用基于WiFi的感知技术来改善SLAM（同时定位与地图构建）、机器人操控或探索。此外，WiFi的广泛可用性使其成为最具优势的射频信号。但WiFi传感器缺乏一个准确、易处理、多功能的工具箱，这限制了它们与机器人感应器堆栈的广泛应用。我们开发了WiROS来满足这一迫切需求，为许多与WiFi相关的测量提供了易于消费的ROS主题。具体而言，WiROS是一个即插即用的WiFi感知工具箱，提供了粗粒度的WiFi信号强度（RSSI）、细粒度的WiFi信道状态信息（CSI）和其他MAC层信息（设备地址、数据包ID或频道信息）。此外，WiROS开源了最先进的算法，以校准和处理WiFi测量，为接收到的WiFi信号提供准确的方位信息。代码已经在Github上开源了。

在这里插入图片描述

图1：传感器硬件，如摄像头和激光雷达，已广泛支持ROS节点。本工作发布了WiROS，一个与WiFi传感器兼容的类似ROS节点。

1. 主要贡献

为了在机器人传感器堆栈中提供可访问的WiFi感知信息的广泛目标，我们遵循三项设计原则。WiFi传感器包装应该是：

准确的：准确提供WiFi感知测量，
可操作的：快速启动和易于校准，
多功能的：在配备WiFi的空间中广泛可用

相反，WiROS利用广泛使用的802.11ac WiFi协议，提供了2倍的感知带宽（提高了准确性）。我们在先前的工作[11]基础上构建了一个WiFi感知框架，做出了以下贡献并克服了先前工作的局限：

图2： CSI可测得的信号参数。可以在接入点的本地坐标系中测量直射路径（实线）和多径（虚线）的到达和离开角度。还可以测量机器人的速
可扩展的WiFi感知框架：我们提供了一个ROS节点（“CSI-Node”），作为对用于收集CSI的硬件的简单抽象，以便简单集成和利用基于ROS的时间同步。随后，WiROS提取各种物理参数（信号到达和离开的角度，环境中反射的角度位置），以帮助机器人操作。例如，WiROS可以测量单个接收到的WiFi数据包中其他机器人或任意发射器（WiFi AP、笔记本电脑、手机或物联网设备）的方位，而无需与现有网络进行关联或认证。这可以避免网络拥塞，无需与网络基础设施合作，并允许在多个室内空间广泛部署我们的系统。显然，WiROS实现了多功能的WiFi感知，更多细节可在第3节中找到。
易于校准和设置：商用AP带有独特的硬件偏差，可能会使信号测量产生偏差[17]。这些偏差需要事先测量，并且需要校准测量以估计各种物理参数，包括传输信号的方位。过去的工作[18]，[19]，[16]需要拆卸设备并手动测量这些偏差，严重降低了传感器平台的可操作性。相反，我们提供了一种自动校准机器人上的相位偏移的解决方案，扩展了[17]中的工作。这允许无忧、实时的无线校准，第4节提供了更多细节。
感知算法：最后，我们提供了一个ROS节点（“特征提取节点”），使用最先进的技术[20]，[21]来估计WiFi信号的到达和离开角度。此外，我们提供了接收到的WiFi信号的直观可视化，以帮助调试。提供此节点有两个关键目的。首先，它允许直接使用WiFi测量进行SLAM和其他导航目的。其次，它为使用WiFi CSI执行更广泛任务（如多普勒估计或飞行时间测量）提供了一个蓝图[22]。这些概念在第5节中进一步阐述。

2. 使用WiROS

首先，我们将演示如何使用Asus RTAC86U [23]与WiROS，然而，其他芯片组也可以轻松使用，并且我们将提供更多关于如何将其他芯片组集成到WiROS框架中的细节。要设置硬件，我们需要按照以下三个简单的步骤进行操作：

使用catkin编译开源ROS软件包。
通过刷写提供的固件设置接入点。
配置提供的ROS参数并将WiFi测量数据作为ROS主题进行传输。

为了详细说明这些步骤，我们将使用这个Asus现成的接入点作为WiFi接收器或发射器来设置WiROS的CSI节点。如图3所示，CSI节点接收蓝色的ROS参数作为输入，稍后将对其进行简要讨论。

在这里插入图片描述

图3：WiROS的模块图：从图1中可看到WiROS中的两个主要模块——CSI节点和特征提取节点，用于提取原始WiFi测量值，并对这些测量值进行校准和处理。蓝色文字表示控制平面参数，红色文字表示公开的测量值。WiROS扩展了底层黑盒‘CSI提取工具包’的功能。

2.1 设置接收器

首先通过“channel”参数配置特定的WiFi频率通道和带宽。还可以通过“packet”参数包括特定MAC地址的过滤器。如果使用全通滤波器，WiROS将监视并提供指定WiFi频道和带宽上所有WiFi设备发出的接收信号的WiFi测量数据。配置完成后，可以通过rosrun wiros csi node csi node命令启动接收器。另外，我们还提供了简单的启动文件以进一步提高可操作性。

然而，如前所述，从特定频道和带宽接收WiFi信号可能会降低在野外环境中的可用性。大多数企业WiFi网络部署多个接入点（AP），为建筑物内的用户提供服务。这些网络中的相邻AP通常部署在不同的频道上，以减少干扰。因此，WiROS将无法获取配置在其他频道上的AP的CSI测量数据。为了确保系统的多功能性，我们实现了一个ROS服务，允许用户切换WiFi传感器的频道。此外，WiROS还自动执行这种频道切换，以定期扫描所有WiFi频道来监视最近AP的频道。可以通过“setup”参数启用这种自动行为。

2.2 设置发射器

此外，研究人员经常需要稳定的WiFi传输源，需要配置WiFi频率通道、带宽或MAC地址。例如，稍后在第4节中，我们将需要配置WiFi接入点以连续发送数据包以计算硬件校准参数。可以使用“channel”和“setup”参数来配置发射器。配置完成后，可以通过与之前相同的rosrun命令启动接入点。接下来，我们将讨论通过以太网连接可用的ROS主题中的测量数据的概述。

2.3 公开的测量数据

一旦接收器设置好，它将捕获配置频率通道和带宽中的环境WiFi信号的测量数据。这些测量数据将通过ROS主题以自定义的WiFi传感ROS消息rf_msgs/Wifi公开，如图3所示。在各种公开信息中，信号强度（RSSI）和信道状态信息（CSI）是两种常用的测量数据。以分贝为单位的RSSI提供了发射器距离的粗略估计，并被广泛用作衡量通信吞吐量的代理，用于改善SLAM性能的特征，或者粗略地绘制发射器的特征。相反，CSI提供了更精细的信息。它是一个复数矩阵，指示了在一组发射频率和接收天线上接收信号的幅度和相位。传输频率的数量由带宽（20、40或80 MHz）控制，其中80 MHz带宽仅在802.11ac协议中支持。默认情况下，对于Asus硬件，有4个接收天线，而其他系统通常只有3个接收天线。更大的带宽和天线数量提供了更准确的感知能力。此外，如果发射器配置了多个天线，则还存在一个用于传输天线数量的附加维度。然而，这些CSI测量数据很难可视化。为了提高WiFi传感器的可操作性，我们将在接下来提供WiROS中包含的实时可视化的更多细节。

2.4 测量数据的可视化和处理

通过部署特征提取节点2，可以处理和可视化通过ROS主题可用的CSI测量数据。该节点提供了两种重要的可视化方式——幅度-相位剖面和方位-距离似然剖面。幅度-相位剖面（见图4(a)）提供了CSI测量数据的可视化，分别提供了接收信号的幅度（顶部图像的y轴）和相位（底部图像的y轴）的分贝和度数，以及各种子载波频率（x轴）和四个接收天线（作为不同线条）。方位-距离剖面（见图4©）指示了WiFi信号通过直线直接路径和多个反射路径到达的情况。剖面的峰值指示了发射器的方位（在垂直轴上）以及直接路径信号及其反射路径回波的相对距离。此外，这些剖面的可视化也在补充视频中提供。如图3所示，这两种可视化方式以sensor_msgs/Image的形式导出，可用于调试无线信道，检查所有接收天线是否表现一致，或者调整处理参数，如要使用的算法、平均时间窗口或RSSI阈值。此外，图4(b)中还显示了在接入点的本地坐标系中接收信号的方位（白色箭头）的简单可视化。

在这里插入图片描述

图4：(a) 幅度-相位剖面，顶部图显示了4个接收器和234个子载波频率上的幅度，底部图显示了相位。(b) 信号在接入点本地坐标系中预测方向的简化可视化（白色箭头）。© 方位-距离似然剖面，红线表示最强的接收路径，因此也表示了信号的方向。这些图像通过ROS RViz软件实时可视化。

此外，特征提取节点开源了最先进的方位估计算法[20]，[1]，[21]，以测量接收信号的到达和离开角度。这些测量值实时处理，并通过自定义的WiFi方位消息rf msgs/Bearing暴露为ROS主题。这简要描述展示了WiROS的WiFi传感器在实时数据采集、处理和调试方面的易用性，改进了需要繁琐数据文件后处理的最新系统。除了这一描述，代码存储库中还提供了详尽的设置和使用文档。接下来的部分将提供有关实施细节的进一步具体信息，并讨论图3中的特定流程块。

3. CSI节点：与ROS集成的中间件

“CSI节点”以模块化的C++编写，允许其与多个CSI提取工具包（图3中的黑匣子）进行接口。目前已经在Nexmon-CSI的[11] Asus RT-AC86U [23]平台上进行了测试，因为它是目前最适合商用CSI提取的解决方案。CSI节点已在ROS Kinetic、Melodic和Noetic上进行了测试。它可以直接在树莓派上运行，或者通过专用以太网连接到中央服务器上运行。

3.1 数据路径

WiROS从黑匣子（红色箭头所示）通过以太网连接配置的UDP套接字接收原始CSI数据包。 “解码数据”块将这些原始WiFi数据包解码，以便以易于消费的rf_msgs/WiFi格式呈现测量结果。

3.2 控制路径

CSI节点还通过API调用提供不同的无线电配置。这为最终用户抽象出了特定的硬件实现。专用的“传感器配置”子模块配置底层WiFi无线电。它需要“登录”参数以访问WiFi AP，“通道”参数以配置WiFi频率通道和带宽，“数据包”参数以配置发射机的信标速率或过滤WiFi数据包。
同时运行的两个子模块（如果通过“设置”参数启用）负责跟踪和调整AP使用的频率通道。 “AP扫描器”定期扫描不同的通道，并确定最接近的WiFi AP，以通过rf_msgs/AccessPoints消息呈现信息来重新配置WiFi无线电。 “通道切换”子模块处理最小感知停机时间（小于500毫秒）的通道切换。

4. 快速简便的校准

校准传感器是必要的第一步，必须易于执行。通常，校准可能因不同的频率通道而异，并且对于每个硬件都是独特的。这需要一个易于部署且准确的校准框架，以便跟踪WiFi传感器的可行性。本节将详细介绍通过“特征提取”节点中的Python3脚本提供的一次性无线校准系统。

4.1 用法

为了校准我们在上一节中收集的原始WiFi消息，我们必须在每个天线和频率测量上应用独立的相位校正。为了计算这个校准，首先，按照第2节中讨论的内容，将接收器和发射器配置到特定的WiFi频率通道。接下来，通过将WiFi传感器“接收器”放置在机器人上，将WiFi传感器“发射器”放置在空间中的静态预定义位置，收集原始CSI测量。在这个设置中，我们试图校准WiFi传感器接收器。在相对自由的空间中以任何模式运行机器人，在距离发射器5米半径范围内收集机器人的航迹测量( $\overrightarrow{r_t}$ )）作为nav_msgs/Odometry和来自CSI节点的WiFi测量（ $W_t$ ）作为rf_msgs/Wifi。注意发射器( $\overrightarrow{t}$ )）在机器人生成的地图中的位置（通常在使用LiDAR时可见），并测量接收器上的相对天线位置( $\overrightarrow{a}_i$ )）。这些数据可以输入到校准框架中，以生成无线校准矩阵，该矩阵由“特征提取”节点2提供。