《智能移動機器人導航控制技術探究》由會員分享，可在線閱讀，更多相關《智能移動機器人導航控制技術探究（9頁珍藏版）》請在裝配圖網上搜索。

1、智能移動機器人導航控制技術探究智能移動機器人導航控制技術探究 2016/11/04 摘要:智能移動機器人在制造業(yè)、服務業(yè)、軍事、星際探測等領域獲得了廣泛的應用，導航是智能移動機器人實現(xiàn)自主控制需要解決的重要問題。對不同領域智能移動機器人導航技術發(fā)展現(xiàn)狀進行了調研。針對環(huán)境感知與建模、定位和路徑規(guī)劃等機器人導航控制關鍵技術，深入分析了其實現(xiàn)方法。在此基礎上歸納出智能移動機器人導航控制未來的發(fā)展趨勢。關鍵詞:智能移動機器人;導航;環(huán)境感知;定位;路徑規(guī)劃0引言20世紀90年代，以計算機技術、微電子技術、信息技術、網絡技術等為標志的現(xiàn)代科技革命進入快速發(fā)展階段，成為促進機器人技術發(fā)展的內在推動力，機

2、器人技術得到了飛速發(fā)展。智能移動機器人是能夠依靠自身攜帶的傳感器感知理解外界環(huán)境，根據任務需要實時決策，進行閉環(huán)控制，以自主或半自主方式進行作業(yè)，在已知或未知環(huán)境中具有一定自我學習和適應能力的新型機器人。目前，智能移動機器人在制造業(yè)、服務業(yè)、軍事、星際探測等領域獲得了廣泛的應用，并將對未來科技的發(fā)展以及人類生活方式產生深遠的影響。導航是智能移動機器人實現(xiàn)自主控制需要解決的重要問題，是指移動機器人通過傳感器和學習，感知環(huán)境和本身狀態(tài)，實現(xiàn)有障礙環(huán)境中指向目標自主運動的過程。1智能移動機器人發(fā)展現(xiàn)狀以美國、德國、日本等為代表的機器人技術發(fā)達國家對機器人自主導航技術開展了較為深入的研究，目前已取得了

3、一些成果，具有自主導航功能的機器人在工業(yè)、服務、外星探測、軍事等領域獲得了不同程度的應用。移動機器人最成功的應用是在機場、碼頭、工廠中實現(xiàn)物流自動化的自動導引車=，如圖1(a)所示。AGV一般配備車載計算機、通信裝置和物料裝卸裝置，隨著科技的發(fā)展，整機復雜性和自動化程度都大大提高。常用的導航方式有視覺導引、磁導引、電磁導引和慣性導引等1-2。在電力、煤礦等領域可采用智能移動機器人代替人工完成危險作業(yè)或枯燥的重復作業(yè)。例如，卡內基梅隆大學機器人研究中心所開發(fā)的Groundhog全自主礦井探測機器人可用于探測井下環(huán)境，精確繪制井下立體地圖3，如圖1(b)所示。在我國變電站自動巡檢機器人已獲得了初步

4、應用。目前變電站巡檢機器人以磁道導航為主，典型產品如1(c)所示山東電科院研制的巡檢機器人。外星探索是自主移動機器人的一個重要應用方向。從20世紀60年代開始，NASA就開始著手研制火星探索用的機器人，以便在火星上軟著陸后進行移動并收集火星表面生態(tài)數據。自1997年機器人索杰納的火星之旅取得成功后，“勇氣”號、“機遇”號、“好奇”號等機器人(如圖1(d)所示)相繼開始了火星探測工作，具備了一定的自主導航功能，并發(fā)回大量有價值的信息。近10年以來，在美國陸軍、DAPA的一系列無人作戰(zhàn)裝備項目=的資助下，一些先進無人作戰(zhàn)裝備目前已試驗性地應用于美軍的反恐戰(zhàn)爭中。MULE(騾馬)是由洛克希德馬丁公司

5、研制的多功能通用/后勤無人車，如圖1(e)所示。MULE系列多用途機器人戰(zhàn)車安裝了自動導航系統(tǒng)等先進的車載電子設備。MULE具備自主導航能力，但在穿越嚴酷地形，或當地形變化影響了規(guī)劃路點時，仍由人來控制4。無人駕駛汽車作為一種特殊的輪式機器人，是計算機科學、模式識別和智能控制技術高度發(fā)展的產物5。無人車技術吸引了全球各大汽車廠商、互聯(lián)網公司的關注。2005年，基于斯坦福大學無人駕駛技術，Google公司開始涉足無人車研發(fā)并不斷完善，已在美國加州、內華達州等多州獲得上路許可。目前Google無人車(如圖1(f)所示)成功行駛70萬英里，在此期間由電腦控制的汽車行駛平穩(wěn)，無意外事故發(fā)生，基本具備商

6、用推廣條件。2智能移動機器人導航關鍵技術分析導航是智能移動機器人實現(xiàn)自主控制需要解決的重要問題。智能移動機器人導航可分解為“我在哪里?”“目標在哪里?”和“怎樣到達那里?”三個問題。前兩個問題通過確定機器人在工作環(huán)境中的位置及相對目標的位置偏差來解決。該工作環(huán)境在機器人內部的表示稱為環(huán)境模型或地圖。機器人確定環(huán)境模型的過程稱為環(huán)境建模。基于環(huán)境模型以及機器人的位置，第三個問題路徑規(guī)劃才能夠解決。環(huán)境建模、定位和路徑規(guī)劃被稱為機器人導航的三要素5。2.1環(huán)境感知與建模為了實現(xiàn)智能移動機器人自主導航，需要根據多種傳感器信息識別多種環(huán)境信息:如道路邊界、地形特征、障礙、引導者等，在無人駕駛汽車導航中

7、還需要識別交通標志、典型路口等信息。機器人通過環(huán)境感知確定前進方向中的可達區(qū)域和不可達區(qū)域，確定在環(huán)境中的相對位置，以及對動態(tài)障礙物運動進行預判，從而為局部路徑規(guī)劃提供依據6?？捎糜跈C器人環(huán)境感知的傳感器包括以下幾類。1)視覺傳感器:具有信號探測范圍寬、目標信息完整、獲得環(huán)境信息的速度快等優(yōu)勢，在機器人導航中獲得了廣泛應用。可見光成像方式可用于白天氣象條件良好情況下，識別環(huán)境中的道路分界、地形特征、障礙物等;紅外成像方式可用于惡劣氣象條件、夜間光照較差等環(huán)境，以及預警環(huán)境中的行人、車輛、動物等熱目標。由于視覺信息本身不攜帶距離信息，為了從圖像中獲得距離等度量信息，立體視覺是通常采用的方案。2)

8、激光雷達:具有探測距離遠(幾十米，甚至上百米)、測量精度高，可進行線掃描和面掃描等特點，廣泛應用于機器人防撞和環(huán)境建模。線掃描激光雷達只能得到環(huán)境的二維模型，面掃描激光雷達可以得到環(huán)境的三維模型。3)毫米波雷達:工作在毫米波段，工作頻率通常在30300GHz。毫米波雷達掃描可用于防撞。相比于視覺傳感器、激光雷達，毫米波穿透霧、煙、灰塵的能力強，具有全天候、全天時的特點。4)紅外測距傳感器:波長大約在幾百nm范圍內。不受電磁波的干擾，非噪聲源，可實現(xiàn)非接觸性快速測量，價格低廉。物體顏色、方向、周圍光線會導致測量誤差，測距范圍較近，一般在3m左右。5)超聲波測距傳感器:頻率在2000Hz以上的機械

9、振動波，傳播具有一定的方向性，價格較低。比紅外傳感器精確，但易發(fā)生鏡面反射導致測距出錯，波束角較大，反射目標點的準確方位難以確定。上述各類傳感器在移動機器人環(huán)境感知和建模中發(fā)揮著不同的作用。其中超聲波、紅外測距傳感器由于測量精度有限，一般只用于障礙物檢測，而不用于環(huán)境特征識別與建模。毫米波雷達主要用于無人駕駛或輔助駕駛的防撞報警。視覺傳感器和激光雷達是移動機器人環(huán)境感知和建模的最常用傳感器，表1對兩類傳感器感知信息內容和常用感知算法進行了歸納總結7-13。由于各類傳感器工作機理、作用范圍、適用環(huán)境不同，感知信息的種類和能力也不盡相同。通常一個機器人需配備多種傳感器，采用多信息融合技術綜合利用多

10、傳感器信息，消除冗余，并加以互補，從而提高對環(huán)境變化的適應性，使機器人能夠獲取更完備的環(huán)境信息。根據環(huán)境模型的形式可以將環(huán)境建模分為基于概率格、幾何信息、拓撲信息、三維環(huán)境信息的環(huán)境建模。根據環(huán)境模型的坐標系，可以將其分為局部建模和全局環(huán)境建模。在環(huán)境建模技術方面，依次出現(xiàn)了基于傳感器的單元分解建模技術、幾何建模技術、拓撲建模技術，自1990年以來，概率技術在環(huán)境建模領域逐漸占據主導地位，包括擴展Kalman濾波(EKF)、極大似然估計法(MLE)。在復雜未知環(huán)境中，由于先驗知識的匱乏和環(huán)境的不確定性，使得并發(fā)環(huán)境建模與定位方法成為研究熱點，但推廣到工程應用，還需要在實時性、魯棒性和準確性三個

11、方面取得突破14。2.2定位移動機器人必須具有定位的能力，其目的就是確定機器人在運行環(huán)境中相對于世界坐標系的位置及航向。目前機器人定位方法分為以下幾類15-16。1)衛(wèi)星定位:在室外無遮時，可以利用衛(wèi)星定位系統(tǒng)對機器人定位。但是在城市、隧道、室內等環(huán)境下，因衛(wèi)星信號遮擋無法應用?？刹捎秒p天線衛(wèi)星定位系統(tǒng)獲得航向，航向精度與基線長度有關。2)慣性定位:通過對固聯(lián)在載體上的三軸加速度計、三軸陀螺儀進行積分，獲得載體實時、連續(xù)的位置、速度、姿態(tài)等信息，但慣性誤差經過積分之后都會產生無限的累積，因此純慣性導航不適合長時間的精確定位。3)航位推算:通過車輪上安裝的光電編碼器對車輪轉動圈數進行記錄，來計算

12、載體的位置和姿態(tài)。由于是一種增量式定位方法，定位誤差會隨時間累計。對于非輪式機器人或是機器人行駛在崎嶇路面輪子存在打滑的情況，可采用視覺方法獲得里程信息。4)電子地圖匹配:利用圖像處理技術，將實時獲取的環(huán)境圖像與基準圖進行匹配，從而確定載體當前的位置，匹配的特征可以為設定的路標、特定的景象或是道路曲率。電子地圖匹配特別適用于對機器人系統(tǒng)長時間的定位誤差進行校準。以上定位方式中，慣性導航以及基于里程計的航位推算為相對定位方式，可以獲得連續(xù)的位置、姿態(tài)信息，但存在累積誤差;衛(wèi)星定位、電子地圖匹配等定位方式為絕對定位，可以獲得精確的位置信息，但難以獲得連續(xù)姿態(tài)信息。相對定位與絕對定位方式存在較強的互

13、補性，通常采用將兩者結合的組合定位方法。通常以相對定位為主導航方式，以衛(wèi)星、里程、地圖信息等為輔助手段，利用Kalman濾波等算法對各導航設備誤差進行估計，以減少組合后系統(tǒng)的導航誤差。2.3路徑規(guī)劃路徑規(guī)劃則是導航研究的一個重要環(huán)節(jié)和課題。路徑規(guī)劃主要涉及的問題包括17-18:1)利用獲得的移動機器人環(huán)境信息建立較為合理的模型，再利用某種算法尋找一條從起始狀態(tài)到目標狀態(tài)的最優(yōu)或次優(yōu)的無碰撞路徑;2)能夠處理環(huán)境模型中的不確定因素和路徑跟蹤中出現(xiàn)的誤差，使外界對機器人的影響降到最小;3)利用已知信息來引導機器人動作，從而得到相對更優(yōu)的行為策略。根據機器人掌握環(huán)境信息的程度不同，可分為兩種類型:一

14、個是基于環(huán)境先驗信息已知的全局路徑規(guī)劃;另一個是基于傳感器信息的局部路徑規(guī)劃，后者環(huán)境是未知或部分未知的，即障礙物的尺寸、形狀和位置等信息必須通過傳感器獲取。全局路徑規(guī)劃方法通常包括:自由空間法、可視圖法、柵格法、拓撲法等，各算法的原理及特點如表2所示。局部路徑規(guī)劃方法通常包括:人工勢能法、遺傳算法、模糊邏輯法、神經網絡法等，各算法的原理及特點如表3所示。3智能移動機器人導航技術發(fā)展趨勢1)從已知環(huán)境、結構化環(huán)境導航向未知環(huán)境、非結構化環(huán)境導航發(fā)展已知環(huán)境導航技術相對成熟，如工廠、碼頭AGV，變電站巡檢機器人等，已有成熟產品投入使用。結構化環(huán)境中，由于環(huán)境要素已知且規(guī)則，其環(huán)境建模、定位較為簡

15、單，自主導航易于實現(xiàn)。在未知環(huán)境中或非結構化環(huán)境中，由于先驗知識缺乏或是環(huán)境要素難以辨識，而感知信息不完備或環(huán)境存在干擾，機器人環(huán)境建模和定位存在困難，自主導航難度較大。外星探測機器人、軍用機器人均涉及未知、非結構化環(huán)境導航，相關研究成為當前研究熱點。SLAM被認為是機器人實現(xiàn)自主導航的有效途徑。2)新技術、新產品的出現(xiàn)為機器人導航提供了新的解決途徑一些新技術、新產品可能源于其他領域，但為機器人導航控制提供了新的解決方法，值得關注。例如圍繞個人移動終端的室內定位技術方興未艾，基于Wi-Fi、藍牙、ZigBee、超寬帶的多種方案趨于成熟，并投入市場應用。將這些技術與機器人導航技術相結合，為機器人

16、室內導航開辟了新思路。微軟的Kinect體感游戲機可進行圖像編碼并主動投射近紅外光譜，已成為機器人室內導航的新裝備，用以替代昂貴的激光雷達進行環(huán)境建模和定位。4結論當機器人走出限定的范圍，走向更廣闊的空間時，導航成為制約機器人在更大范圍內推廣應用的瓶頸技術，也是智能移動機器人真正實現(xiàn)自主控制的關鍵技術。環(huán)境建模、定位與路徑規(guī)劃是智能移動機器人導航的基本問題，相關的理論研究自20世紀7080年代以來已較為完備。隨著科技的進步，新技術、新產品的出現(xiàn)為機器人導航提供了更多解決方案，為自主移動機器人走向工程應用創(chuàng)造了條件。參考文獻：1徐驍，趙永康，廖超，等.一種基于FID的AGV電磁導引新方式J物流技

17、術，2011，30(1):138-141.2龍水軍，汪焰恩，魏生民，等.基于彩色軌跡引導的AGV視覺導航方案研究J工具技術，2014，48(1):74-77.6于金霞，王璐，蔡自興.未知環(huán)境中移動機器人自定位技術M北京:電子工業(yè)出版社，2011.7王燕清，陳德運，石朝俠.基于單目視覺的非結構化道路檢測與跟蹤J哈爾濱工程大學學報，2011，32(3):334-339.8史曉鵬，何為，韓力群.采用Hough變換的道路邊界檢測算法J智能系統(tǒng)學報，2012，7(1):81-85.9楊象軍，項志宇，劉濟林.基于四線激光雷達的校園道路的檢測與跟蹤J傳感器與微系統(tǒng)，2013，32(9):134-138.12

18、谷明琴，蔡自興，何芬芬.形狀標記圖和Gabor小波的交通標志識別J智能系統(tǒng)學報，2011，6(6):526-530.13李新，禹翼.基于SIFT算法的交通標志識別J制造業(yè)自動化，2012，34(5):10-12.14戈英民，劉丁.動態(tài)環(huán)境下基于路徑規(guī)劃的機器人同步定位與地圖構建J機器人，2010，32(1):83-90.15陶敏，陳新，孫振平.移動機器人定位技術J火力與指揮控制，2010，35(7):169-172.17蔡自興，賀漢根，陳虹，等.未知環(huán)境中移動機器人導航控制理論與方法M北京:科學出版社，2009.18郭小勤.未知環(huán)境下移動機器人遍歷路徑規(guī)劃J計算機工程與設計，2010，31(1):172-174.62