Robot sigue líneas con Arduino

Este artículo trata sobre la construcción y programación de un robot que sigue líneas con Arduino y un sensor de infrarojos.

Construcción del Robot

Materiales

El chasis que verás en las fotos es específico, creado a medida por la empresa What's Next? para el proyecto [Robots Boost Skills]. El resto de componentes son genéricos y se pueden comprar Arduinos oficiales, What's Next Yellow o cualquier clon compatible.

Esta es la lista de materiales:

• Chasis que permita 2 ruedas con motor DC analógicos y una rueda delantera.
• 2 Motores DC analógicos con reducción y ruedas.
• Arduino Uno o equivalente.
• 1 Sensor Pololu QTR-8A o QTR-8RC
• Arduino Motor Shield o alguno que tenga el mismo Chip L298
• Baterías, entre 9V y 12V

Fotos

Construcción del Chasis

En el caso del robot del ejemplo, el chasis tiene todos los elementos necesarios. Si lo tienes que construir, aquí tienes algunos consejos:

• Se recomienda cuidar el centro de gravedad de robot para que no plante rueda y tenga la adherencia necesaria. Por ejemplo, las baterías deberían estar entre las ruedas motrices y la rueda delantera.
• La distancia al suelo del sensor infrarojo es muy importante, ha de estar muy cerca, pero no rozar.
• Hay que dejar espacio para los cables y para poder modificar las conexiones sin necesidad de desmontar todo el robot.

El sensor

En nuestro caso, el sensor QTR-8[A-RC] es un conjunto de 8 emisores y sensores infrarrojos en un mismo circuito. Esto permite una gran precisión, ya que tienes 8 lecturas cada vez. Los sensores están separados entre ellos 9,52mm. Estos sensores tienen una distancia al suelo recomendada de 3mm y un máximo de 6mm para el QTR-A y 9.5mm para el QTR-8RC.

La salida de los dos sensores es diferente, (analógica o digital), por lo que es importante distinguirlos y decidir cual vamos a usar. En nuestro caso, tenemos el QRT-8RC, por lo que, a partir de aquí, todo el manual se basa en este.

Puesto que vamos a usar 5V para alimentarlo, no es necesario unir los pines de 3.3V Bypass

Podemos conectar el pin LEDON que permite indicar con HIGH, LOW o PWM el estado de los LEDs. Si los apagamos, podemos consumir menos energía cuando no está leyendo.

El QTR8-RC mide la reflectancia con el tiempo entre un estado HIGH y uno LOW del pin de I/O.

La lectura típica en el QTR8-RC es la siguiente:

1. Encender los LEDs (opcional)
2. Poner la linea I/O a una salida y ponerla en HIGH.
3. Dejar al menos 10 μs al sensor para que arranque.
4. Poner la I/O a Input
5. Medir el tiempo que tarda el voltaje en caer esperando a la I/O a que vuelva a LOW.
6. Apagar los LEDs (opcional)

Estos pasos se pueden hacer en varias líneas I/O al mismo tiempo. Con mucha reflectividad, el tiempo de bajada a LOW debe ser mínimo. Con poca (superficie negra) el tiempo debe mayor. Esto funciona porque para leer hay un fototransistor y un capacitor, este recibe un HIGH y en función de la intensidad de la luz, tarda más o menos en quedarse en estado de LOW. De esta manera, con el color blanco tardará unos pocos microsegundos y con el negro unos pocos milisegundos. Puesto que en aproximadamente 1ms se tienen lecturas y se puede leer de todos los sensores a la vez esto da aproximádamente la capacidad de leer hasta a 1kHz, es decir, 1000 lecturas por segundo.

Se recomienda usar el LEDON para no gastar batería hasta en un 90% del tiempo para lecturas a baja frecuencia, unos (100Hz).

Si se necesitan lecturas a mucha frecuencia, se recomienda que el sensor esté muy cerca del suelo, recomendado 3,5 mm i máximo 9 mm.

Cuanto más lejos peor lecturas y cuanta más luz ambiental peor. Si es necesario, bloquearemos la luz ambiental con cinta aislante o similar.

Si necesitamos saber si funcionan los LEDs, podemos usar la cámara del móvil, que capta la luz infraroja.

De esta manera, el esquema de conexiones del robot queda de la siguiente manera:

Programación del robot

Nuestro robot, al igual que el Robot esquiva obstáculos con Arduino va leyendo los sensores y, en función de esto, va modificando la velocidad de las ruedas. A diferencia de los sensores de ultrasonidos, estos sensores veremos que no nos dan los datos en crudo. Por otro lado, son muy ràpidos haciendo las lecturas y no necesitan que pase un tiempo entre lecturas. Este sensor viene con una completa biblioteca con funciones que dan los datos ya tratados. No necesitamos hacer medias ni descartar valores extremos. La biblioteca calibra los sensores según las condiciones del circuito y nos da lo que calcula a partir de los datos que obtiene.

Leyendo del sensor

Para que funcione, necesitamos la biblioteca correspondiente. En los últimos Arduino IDE es tan simple como ir al gestor de Bibliotecas y importar la QTRSensors.

La biblioteca funciona tanto para el QTR-8RC como el QTR-8A, pero cambia la manera de configurarlo:

// Crear un objeto para 8 sensores en los pines digitales 2,4,5,6,7,10 y en los analogicos A4 A5 
  QTRSensors qtr;
  qtr.setTypeRC();
  qtr.setSensorPins((const uint8_t[]){19,18,2,4,5,6,7,10}, 8);
  qtr.setEmitterPin(16);

Para aprender a usarlo, se recomienda ir a los ejemplos de Arduino IDE específicos de los sensores QTR. Hay que tener cuidado porque muchos ejemplos son de versiones anteriores a la 4 de la biblioteca y cambia mucho.

Calibrar los sensores es lo primero que debería hacer el robot. Así, en la rutina de inicialización (setup), se recomienda lanzar este código:

void setup()
{
   pinMode(A3, OUTPUT);  // LED para indicar que está calibrando
 
  // Configuración de los sensores. Aquí ya usamos los que quedan libres del motor shield.
  qtr.setTypeRC();
  qtr.setSensorPins((const uint8_t[]){19,18,2,4,5,6,7,10}, SensorCount);
  qtr.setEmitterPin(16);

  delay(500);
  digitalWrite(A3, HIGH); // Encendemos un led conectado a A3 para indicar que estamos calibrando

  // 2.5 ms RC read timeout (default) * 10 reads per calibrate() call
  // = ~25 ms per calibrate() call.
  // Call calibrate() 400 times to make calibration take about 10 seconds.
  for (uint16_t i = 0; i < 400; i++)
  {
    qtr.calibrate();
  }
  digitalWrite(A3, LOW); // Ya ha calibrado
  // Imprimir los valores mínimos obtenidos cuando se calibraba:
  Serial.begin(9600);
  for (uint8_t i = 0; i < SensorCount; i++)
  {
    Serial.print(qtr.calibrationOn.minimum[i]);
    Serial.print(' ');
  }
  Serial.println();

  // Imprimir los valores máximos obtenidos al calibrar:
  for (uint8_t i = 0; i < SensorCount; i++)
  {
    Serial.print(qtr.calibrationOn.maximum[i]);
    Serial.print(' ');
  }
  Serial.println();
  Serial.println();
  delay(1000);
}

Para leer del sensor, se puede usar la función readCalibrated() o read(). Con readCalibrated(), los valores obtenidos serán entre 0 (blanco) y 1000 (negro). Esto lee un sensor en concreto y retorna su lectura. Estos datos son en 'crudo' y pueden servir para todo tipo de automatismos o robots, pero para seguir líneas, la biblioteca de Pololu tiene sus funciones específicas.

Para la detección de líneas, se usar la función readLineBlack() si la línea es negra. El resultado de esta función es 0 si la línea está dentro o fuera de sensor 0 y 1000*(N-1) para cada sensor. Los valores para 8 sensores pueden ser, por tanto, 0, 1000, 2000 ... 7000 dependiendo de la posición de la línea.

Hemos modificado el código de ejemplo de la biblioteca para analizar los valores que obtiene el sensor con nuestros 8 sensores:

#include <QTRSensors.h>

// This example is designed for use with eight RC QTR sensors. These
// reflectance sensors should be connected to digital pins 3 to 10. The
// sensors' emitter control pin (CTRL or LEDON) can optionally be connected to
// digital pin 2, or you can leave it disconnected and remove the call to
// setEmitterPin().
//
// The setup phase of this example calibrates the sensors for ten seconds and
// turns on the Arduino's LED (usually on pin 13) while calibration is going
// on. During this phase, you should expose each reflectance sensor to the
// lightest and darkest readings they will encounter. For example, if you are
// making a line follower, you should slide the sensors across the line during
// the calibration phase so that each sensor can get a reading of how dark the
// line is and how light the ground is.  Improper calibration will result in
// poor readings.
//
// The main loop of the example reads the calibrated sensor values and uses
// them to estimate the position of a line. You can test this by taping a piece
// of 3/4" black electrical tape to a piece of white paper and sliding the
// sensor across it. It prints the sensor values to the serial monitor as
// numbers from 0 (maximum reflectance) to 1000 (minimum reflectance) followed
// by the estimated location of the line as a number from 0 to 5000. 1000 means
// the line is directly under sensor 1, 2000 means directly under sensor 2,
// etc. 0 means the line is directly under sensor 0 or was last seen by sensor
// 0 before being lost. 5000 means the line is directly under sensor 5 or was
// last seen by sensor 5 before being lost.

QTRSensors qtr;

const uint8_t SensorCount = 8;
uint16_t sensorValues[SensorCount];

void setup()
{
   pinMode(A3, OUTPUT);  // LED para indicar que está calibrando
 
  // Configuración de los sensores. Aquí ya usamos los que quedan libres del motor shield.
  qtr.setTypeRC();
  qtr.setSensorPins((const uint8_t[]){19,18,2,4,5,6,7,10}, SensorCount);
  qtr.setEmitterPin(16);

  delay(500);
  digitalWrite(A3, HIGH); // Encendemos un led conectado a A3 para indicar que estamos calibrando

  // 2.5 ms RC read timeout (default) * 10 reads per calibrate() call
  // = ~25 ms per calibrate() call.
  // Call calibrate() 400 times to make calibration take about 10 seconds.
  for (uint16_t i = 0; i < 400; i++)
  {
    qtr.calibrate();
  }
  digitalWrite(A3, LOW); // Ya ha calibrado
  // Imprimir los valores mínimos obtenidos cuando se calibraba:
  Serial.begin(9600);
  for (uint8_t i = 0; i < SensorCount; i++)
  {
    Serial.print(qtr.calibrationOn.minimum[i]);
    Serial.print(' ');
  }
  Serial.println();

  // Imprimir los valores máximos obtenidos al calibrar:
  for (uint8_t i = 0; i < SensorCount; i++)
  {
    Serial.print(qtr.calibrationOn.maximum[i]);
    Serial.print(' ');
  }
  Serial.println();
  Serial.println();
  delay(1000);
}

void loop()
{
  // Lee los sensores calibrados para obtener una posición de la línea de 0 a 7000
  // En este caso, la línea es negra, para blanca usamos readLineWhite()
  uint16_t position = qtr.readLineBlack(sensorValues);

  // Pintar los valores de los sensores de 0 a 1000 donde 1000 significa negro y 0 blanco
  for (uint8_t i = 0; i < SensorCount; i++)
  {
    Serial.print(sensorValues[i]);
    Serial.print('\t');
  }
  // Al final de la línea la posición:
  Serial.println(position);
  delay(250);
}

El resultado puede dar algo como esto:

292 292 244 196 244 292 244 292    <-- Los valores mínimos de cada sensor 
772 2500 2500 2500 2500 2500 2500 2500 <-- Los valores máximos de cada sensor

16	3	1	1	1	1000	521	3	5342  <-- Donde pone 1000 está la línea
0	0	0	0	0	23	1000	219	6179  <-- El 6179 indica que está en el sensor 7
0	0	0	0	0	23	1000	411	6291
8	1	0	0	0	170	1000	50	5854
0	0	0	0	19	1000	235	0	5190
8	1	0	20	1000	992	23	1	4497
108	0	19	1000	544	0	19	0	3133  <-- Observa el el sensor 4 tiene 1000 y la posición indica 3133 (N-1 sensor)
0	21	1000	342	0	0	0	0	2254
8	1	590	1000	23	1	0	1	2628
100	0	0	503	1000	21	19	0	3436
108	0	0	19	1000	1000	19	0	4269
0	0	0	19	0	1000	1000	0	5500
16	3	0	0	0	3	1000	1000	6500
0	0	0	0	0	0	1000	871	6465
0	0	0	0	0	1000	659	0	5397
0	0	0	204	1000	50	21	0	3830
0	0	634	1000	19	0	19	0	2611
8	534	1000	22	1	1	1	1	1651
0	894	1000	19	0	0	0	0	1527
0	483	1000	19	0	0	0	0	1674
8	1	1000	1000	0	1	0	1	2500
100	0	234	1000	42	0	17	0	2599

Ejemplo del manual oficial del sensor para un sigue líneas simple con 3 sensores:

void loop()
{
  unsigned int sensors[3];
  // get calibrated sensor values returned in the sensors array, 
  // along with the line position.
  // position will range from 0 to 2000, 
  // with 1000 corresponding to the line over the middle sensor.
  int position = qtr.readLine(sensors);
  // if all three sensors see very low reflectance, 
  // take some appropriate action for this situation.
  if (sensors[0] > 750 && sensors[1] > 750 && sensors[2] > 750)
  {
    // do something.  
    // Maybe this means we're at the edge of a course or about to fall off
    // a table, in which case, we might want to stop moving, back up, and turn around.
    return;
  }
 
  // compute our "error" from the line position.  
  // We will make it so that the error is zero
  // when the middle sensor is over the line, 
  // because this is our goal.  Error will range from
  // -1000 to +1000.  
  // If we have sensor 0 on the left and sensor 2 on the right,  a reading of
  // -1000 means that we see the line on the left 
  // and a reading of +1000 means we see the
  // line on the right.
  int error = position - 1000;
 
  int leftMotorSpeed = 100;
  int rightMotorSpeed = 100;
  if (error < -500)  // the line is on the left
    leftMotorSpeed = 0;  // turn left
  if (error > 500)  // the line is on the right
    rightMotorSpeed = 0;  // turn right
  // set motor speeds using the two motor speed variables above
}

PID

El anterior ejemplo ya funciona razonablemente bien en una línea. No obstante, si queremos aplicar más velocidad, el tiempo de reacción y el error acumulado hace que se pueda salir de la línea. Por ello necesitamos una manera de corregir el rumbo antes de que sea demasiado tarde y suavizar el comportamiento del robot.

La lectura de qtr.readLineBlack(sensorValues); Retorna un número. En caso de utilizar los 8 sensores, el número va de 0 a 7000, siendo cada 1000*(N-1) para sensor. De esta manera, si está en el 3456, por ejemplo, quiere decir que está en el sensor 4, aunque parte de la línea está en el sensor 5. Así, lo ideal es que esté más o menos en esa posición, ya que el 4 y 5 son los sensores centrales. Por eso, en el ejemplo anterior calculamos el error como position - 3500. O en el ejemplo de 3 sensores era -1000.

Nuestra estrategia, al contrario que en los ejemplos anteriores, es fijar una velocidad base y calcular una corrección a esa velocidad en función del cálculo que se haga con el error obtenido de los sensores:

velocidad_izquierda = base_izquierda + corrección
velocidad_derecha = base_derecha - corrección

En realidad las dos velocidades base deberían ser las mismas, pero se usan dos variables por si un motor es ligeramente más rápido que otro.

Control Proporcional

A continuación, vamos a utilizar la palabra "control", ya que estos conceptos son ampliamente utilizados en la robótica y el control industrial. Todo automatismo que intenta mantener un control (temperatura, nivel de agua, posición...) en función de lecturas de sensores, ha de tener una estrategia para hacerlo de la forma más inteligente posible. En el ejemplo básico inicial, el robot va dando bandazos de un lado a otro corrigiendo el rumbo sin parar. La idea es que corrija el rumbo antes de tener que hacerlo de forma tan brusca.

En el control proporcional, corregimos más o menos en función de la cantidad de error. Para ello, podemos establecer un coeficiente proporcional (Kp)

error = posición - 3500
corrección = Kp * error
velocidad_izquierda = base_izquierda + corrección
velocidad_derecha = base_derecha - corrección

Como se puede observar, a mayor error, mayor corrección. También se puede observar que no hemos dado un valor determinado a Kp. Este valor se consigue por prueba y error, de la misma manera que la velocidad base de las ruedas. A mayor velocidad base, más rápido va el robot y más posible es que se salga. A mayor Kp, mayor corrección y, por tanto, una respuesta más rápida, pero a cambio de giros más bruscos.

Control Integral

El control Proporcional ya es una mejora, pero en realidad sólo tiene en cuenta el error instantáneo y no sabe si se está acumulando error o es algo puntual. El control Integral va sumando los errores del pasado y permite averiguar si la dirección del robot está empeorando su posición. Es más, si el robot pierde la línea, la integral "recordará" por donde veía el error y podrá retornar el robot a la línea.

En el algoritmo anterior, añadimos la variable integral, (que inicialmente vale 0) y un nuevo coeficiente Ki

error = posición - 3500
integral = integral + error 
corrección = Kp * error + Ki * integral
velocidad_izquierda = base_izquierda + corrección
velocidad_derecha = base_derecha - corrección

Al igual que el otro coeficiente, el Ki también hay que ajustarlo por prueba/error.

Control Diferencial

Esta tercera estrategia sirve para detectar si el error está aumentando. Lo que hace es comparar el error actual con el pasado. Esto permite solucionar cambios bruscos de dirección.

error = posición - 3500
integral = integral + error 
diferencial = error - error_anterior
corrección = Kp * error + Ki * integral + Kd * diferencial
velocidad_izquierda = base_izquierda + corrección
velocidad_derecha = base_derecha - corrección

error_anterior = error

El Kd también se ajusta por prueba y error.

Todos estos métodos pueden modificar mucho la velocidad o demasiado poco. Por ello, se recomienda hacer lo siguiente:

• Probar una velocidad base aceptable.
• Poner todos los K a 0 e ir probando a aumentar el Kp poco a poco hasta que no salga de la línea. Cuanto más lo subamos, más oscilará, por lo que hay que dejarlo justo cuando empieza a oscilar.
• Ir aumentando Ki hasta que empiece a oscilar más y dejarlo por debajo de esos valores.
• Ir aumentando Kd hasta que funcione bien.
• Aumentar la velocidad y los demás ajustes hasta que esté a nuestro gusto, (que nunca ocurrirá)

Mejoras

La primera mejora tiene que ver con un problema con la integral. Si pensamos en lo que puede pasar, si el robot está demasiado tiempo fuera de su posición, acumula mucho error. Este, en teoría, es neutralizado con el error de otro signo en el otro lado, pero si es demasiado, puede que no se neutralice y se salga por el otro lado. Esto se llama overshooting.

Enlaces

• (Obsoleto) Manual de la biblioteca del sensor Referencia de la biblioteca
• (Versión 4.) Manual Referencia
• Tutorial en castellano

PID:

• Tutorial en Castellano
• Otro Tutorial en castellano con ejemplo de código

Ver también:

• Robot esquiva obstáculos con Arduino