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》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

2、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自主控制需要解決的重要

3、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-

4、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

5、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、DAＲPA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

6、車廠商、互聯網公司的關注。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

7、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

8、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)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。

9、 3)毫米波雷達:工作在毫米波段，工作頻率通常在30～300GHz。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

10、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

11、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

12、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。可采用雙天線衛(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，來計算載體的位置和姿態(tài)。由于是一種增量式定位方法，定位誤

13、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補性，通常采用將兩者結合的組合定

14、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

15、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

16、、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、定位較為簡單，自主導航易于實現。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自主導航的有效途徑。 2)新技術、新產品的出現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

17、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70～80年代以來已較為完備

18、。隨著科技的進步，新技術、新產品的出現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ＲFID的AGV電磁導引新方式［J］．物流技術，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

19、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］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