移動機器人的導(dǎo)航技術(shù)總結(jié).docx

《移動機器人的導(dǎo)航技術(shù)總結(jié).docx》由會員分享，可在線閱讀，更多相關(guān)《移動機器人的導(dǎo)航技術(shù)總結(jié).docx（5頁珍藏版）》請在裝配圖網(wǎng)上搜索。

移動機器人的關(guān)鍵技術(shù)分為以下三種: (1) 導(dǎo)航技術(shù) 導(dǎo)航技術(shù)是移動機器人的一項核心技術(shù)之一[3,4]"它是指移動機器人通過傳感器感知環(huán)境信息和自身狀態(tài),實現(xiàn)在有障礙的環(huán)境中面向目標(biāo)的自主運動"目前,移動機器人主要的導(dǎo)航方式包括:磁導(dǎo)航,慣性導(dǎo)航,視覺導(dǎo)航等"其中,視覺導(dǎo)航15一7]通過攝像頭對障礙物和路標(biāo)信息拍攝,獲取圖像信息,然后對圖像信息進行探測和識別實現(xiàn)導(dǎo)航"它具有信號探測范圍廣,獲取信息完整等優(yōu)點,是移動機器人導(dǎo)航的一個主要發(fā)展方向,而基于非結(jié)構(gòu)化環(huán)境視覺導(dǎo)航是移動機器人導(dǎo)航的研究重點。 (2)多傳感器信息融合技術(shù)多傳感器信息融合技術(shù)是移動機器人的關(guān)鍵技術(shù)之一,其研究始于20世紀(jì)80年代18,9]"信息融合是指將多個傳感器所提供的環(huán)境信息進行集成處理,形成對外部環(huán)境的統(tǒng)一表示"它融合了信息的互補性,信息的冗余性,信息的實時性和信息的低成本性"因而能比較完整地,精確地反映環(huán)境特征,從而做出正確的判斷和決策,保證了機器人系統(tǒng)快速性,準(zhǔn)確性和穩(wěn)定性"目前移動機器人的多傳感器融合技術(shù)的研究方法主要有:加權(quán)平均法,卡爾曼濾波,貝葉斯估計,D-S證據(jù)理論推理,產(chǎn)生規(guī)則,模糊邏輯,人工神經(jīng)網(wǎng)絡(luò)等"例如文獻[10]介紹了名為Xavier的機器人,在機器人上裝有多種傳感器,如激光探測器!聲納、車輪編碼器和彩色攝像機等,該機器人具有很高的自主導(dǎo)航能力。 (3)機器人控制器作為機器人的核心部分,機器人控制器是影響機器人性能的關(guān)鍵部分之一"目前,國內(nèi)外機器人小車的控制系統(tǒng)的核心處理器,己經(jīng)由MCS-51、80C196等8位、16位微控制器為主,逐漸演變?yōu)镈SP、高性能32位微控制器為核心構(gòu)成"由于模塊化系統(tǒng)具有良好的前景,開發(fā)具有開放式結(jié)構(gòu)的模塊化、標(biāo)準(zhǔn)化機器人控制器也成為當(dāng)前機器人控制器的一個研究熱點"近幾年,日本!美國和歐洲一些國家都在開發(fā)具有開放式結(jié)構(gòu)的機器人控制器,如日本安川公司基于PC開發(fā)的具有開放式結(jié)構(gòu)!網(wǎng)絡(luò)功能的機器人控制器"我國863計劃智能機器人主題也已對這方面的研究立項 視覺導(dǎo)航技術(shù)分類 機器人視覺被認(rèn)為是機器人重要的感覺能力，機器人視覺系統(tǒng)正如人的眼睛一樣,是機器人感知局部環(huán)境的重要“器官”,同時依此感知的環(huán)境信息實現(xiàn)對機器人的導(dǎo)航。機器人視覺信息主要指二維彩色CCD攝像機信息,在有些系統(tǒng)中還包括三維激光雷達(dá)采集的信息。視覺信息能否正確、實時地處理直接關(guān)系到機器人行駛速度、路徑跟蹤以及對障礙物的避碰,對系統(tǒng)的實時性和魯棒性具有決定性的作用。視覺信息處理技術(shù)是移動機器人研究中最為關(guān)鍵的技術(shù)之一。 基于計算機視覺的自主機器人導(dǎo)航主要分為一下三種方法： (1) 基于地圖的機器人導(dǎo)航 基于地圖的導(dǎo)航就是提供給自主機器人其導(dǎo)航環(huán)境的模型"在一些早期的視覺系統(tǒng)中,自主機器人導(dǎo)航環(huán)境的知識都是以網(wǎng)格表征,把三維空間中物體按體積垂直投影到二維水平平面上,這種方式通常被引用為/占用地圖0"后來,占用地圖的思想被/虛擬力場0改進"虛擬力場也是一幅/占用地圖0,不同的是在地圖中每一個被占用的區(qū)域都對機器人施加斥力,而目的地圖則對機器人施加引力,所有的這些力通過向量的加減運算的共同作用牽引機器人避開障礙物,向目的地運動 (2) 基于光流的機器人導(dǎo)航 santos-Victo:等人研發(fā)了一個基于光流的視覺系統(tǒng)robee[0],該系統(tǒng)模擬了蜜蜂的視覺行為。該系統(tǒng)認(rèn)為昆蟲的眼睛長在兩側(cè)的優(yōu)勢就在于它們的導(dǎo)航機制是基于運動產(chǎn)生的特征,而不是深度信息。 在robee中,一個分開的雙目視野被用于模仿蜜蜂的中心反射:如果機器人位于環(huán)境的中心位置,其左眼拍攝到的畫面場景變化速度和右眼拍攝到的畫面場景變化速度是一樣的,相差幾乎為0,這時機器人就可以知道自己處于環(huán)境的中心位置,如果兩側(cè)眼睛的場景變化速度不同,機器人就朝向速度變化較慢的那一邊運動。在自主機器人導(dǎo)航的實現(xiàn)中,基本的基本思想就是測量兩側(cè)眼睛(攝像機)拍攝到畫面場景變化速度之差。該導(dǎo)航技術(shù)只能用于室內(nèi)單一背景的直道環(huán)境中導(dǎo)航,無法指導(dǎo)機器人改變方向 (3) 基于地貌的機器人導(dǎo)航 基于地貌的機器人導(dǎo)航一般多用于室外環(huán)境,該類導(dǎo)航的核心問題就是數(shù)字圖像中的模式識別,更具體的說就是物體顏色和紋理的識別問題。然而,由于光照以及環(huán)境色的影響,具有相同本質(zhì)色的物體在不同的環(huán)境下可以呈現(xiàn)出完全不同的顏色,因此就需要對顏色空間進行一定的轉(zhuǎn)化。室外環(huán)境的導(dǎo)航涉及障礙物躲避、地標(biāo)檢測、位置估計等,由于很難預(yù)知先驗知識,所以系統(tǒng)無法建立一幅卓為環(huán)境的完整地圖,只能實時處理出現(xiàn)在視野中的對象,這對于導(dǎo)航算法的實時性要求很高。室外環(huán)境的自主機器人導(dǎo)航又可分為機構(gòu)化環(huán)境中的導(dǎo)航和非結(jié)構(gòu)化環(huán)境中的導(dǎo)航。 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢 研究現(xiàn)狀 由于受室內(nèi)環(huán)境尤其是家庭環(huán)境的限制,怎么變成室內(nèi)導(dǎo)航了？我的是室內(nèi)導(dǎo)航還是室外導(dǎo)航？ 很多導(dǎo)航方法在室內(nèi)移動機器人上很難或根本無法應(yīng)用,比如電磁導(dǎo)航、GPS導(dǎo)航等等;另外,一些導(dǎo)航方法由于成本或精度等原因,亦很難應(yīng)用在商業(yè)化的室內(nèi)移動機器人中,比如激光定位導(dǎo)航系統(tǒng)需要相當(dāng)高的成本,而基于RFID的導(dǎo)航系統(tǒng)精度低是有待解決的問題。 從傳感器的角度來看,室內(nèi)移動機器人導(dǎo)航比較常用的方法主要有視覺導(dǎo)航、紅外線導(dǎo)航以及多傳感器融合導(dǎo)航等"視覺導(dǎo)航又可分為基于單目視覺的導(dǎo)航,基于立體視覺的導(dǎo)航以及基于全景攝像機導(dǎo)航等"由于全景相機具有較寬的視場,比較容易實現(xiàn)基于多路標(biāo)三角或三邊導(dǎo)航系統(tǒng),因而應(yīng)用比較廣泛;基于單目視覺的導(dǎo)航系統(tǒng)相對比較簡單且易于實現(xiàn),在實際的系統(tǒng)中取得廣泛應(yīng)用[l6,17];立體視覺一般用于基于自然路標(biāo)的導(dǎo)航系統(tǒng)中,文獻=181中采用SIFT特征點作為自然路標(biāo)來實現(xiàn)機器人自定位"此外,基于多傳感器融合的機器人導(dǎo)航系統(tǒng)也是當(dāng)前研究的熱點,例如導(dǎo)航系統(tǒng)中融合聲納傳感器以及視覺傳感器實現(xiàn)室內(nèi)機動機器人的導(dǎo)航。 目前,根據(jù)已知地圖的移動機器人導(dǎo)航研究己有許多成功實例,然而,在大多數(shù)情況下,機器人所處的環(huán)境是未知的和動態(tài)變化的,因而移動機器人在未知環(huán)境下的同步定位和地圖構(gòu)建(SimultaneouslocallzationandmaPping,SLAM)則成為機器人自定位領(lǐng)域的熱點"常用的SLAM技術(shù)主要有基于激光傳感器的SLAM和基于視覺傳感去的SLAM(簡稱VSLAM)"由于視覺傳感器的優(yōu)點,VSLAM具有更廣泛的應(yīng)用前景"vSLAM技術(shù)一般基于自然路標(biāo)實現(xiàn),在國內(nèi)外受到廣泛的理論研究[z0,2.l,但要想成功應(yīng)用與實際系統(tǒng)中,還有很多問題有待解決。 發(fā)展趨勢 整體來說,隨著機器人視覺系統(tǒng)硬件性能的提升和處理方法的不斷豐富,基于視覺的導(dǎo)航技術(shù)將日益成熟與完善。結(jié)合室內(nèi)移動機器人視覺導(dǎo)航技術(shù)的研究現(xiàn)狀,其發(fā)展方向出要存在如下三種趨勢: (1)實時、精確以及穩(wěn)定的視覺導(dǎo)航方法當(dāng)前的視覺導(dǎo)航技術(shù)往往在對視覺數(shù)據(jù)進行簡單處理后就用于導(dǎo)航任務(wù),因而只能從圖像中提取有限的信息,很容易導(dǎo)致導(dǎo)航任務(wù)的失敗"因此在改善硬件設(shè)備的同時,可以考慮將并行處理技術(shù)!各種智能算法應(yīng)用于具體導(dǎo)航任務(wù)。 (2)多傳感器融合以及多種導(dǎo)航技術(shù)的綜合使用多傳感器融合[23]可以結(jié)合多種導(dǎo)航傳感器的優(yōu)點,取長補短,使導(dǎo)航系統(tǒng)的魯棒性更強并且具有更高的精度。 另外,當(dāng)前機器人導(dǎo)航大多采用單一的導(dǎo)航技術(shù),而一種導(dǎo)航方法往往存在其固有的局限性"路標(biāo)地圖描述比較粗略,幾何地圖使用起來一般計算復(fù)雜度高;卡爾曼定位局限于系統(tǒng)及測量噪聲為高斯白噪聲,粒子濾波方法也存在計算量較大等問題"因此在完善單一自定位方法的同時,應(yīng)該將各種技術(shù)的特點系統(tǒng)性地綜合起來加以應(yīng)用,取長補短。 (4) 基于VSLAM技術(shù)的導(dǎo)航方法目前,VSLAM技術(shù)在理論上還不成熟,在實際應(yīng)用中也才存在很大困難,但為了使移動機器人具有更高的自主導(dǎo)航能力以及環(huán)境適應(yīng)能力,解決VSLAM技術(shù)存在的疑難問題并使其成功地應(yīng)用于機器人導(dǎo)航系統(tǒng),這必然是未來機器人自定位的主流趨勢之一。 備注：上面這篇文章來自《移動機器人視覺導(dǎo)航算法的研究與設(shè)計》，作者姓名:孫志陽 指導(dǎo)教師:吳成東教授 王曉哲副教授 上篇文章主要著眼點為室內(nèi)機器人導(dǎo)航問題。 移動機器人視覺導(dǎo)航技術(shù) 視覺導(dǎo)航技術(shù)是智能機器人領(lǐng)域的重要研究方向，也是智能移動機器人的一項關(guān)鍵技術(shù)。運用視覺傳感器，可進行與移動機器人大多數(shù)底層行為控制有關(guān)的環(huán)境感知，如測距、避障、目標(biāo)物跟蹤、軌跡跟蹤、局部定位、路標(biāo)識別。 1、 基于環(huán)境理解的全局定位 一般的定位方法是：地理特征或人工標(biāo)志在世界坐標(biāo)系中的位置是預(yù)先已知。當(dāng)從捕獲的景物圖像中提取出路標(biāo)的圖像坐標(biāo)后，再通過路標(biāo)在圖像中的位置和他們在世界坐標(biāo)系中的幾何位置關(guān)系計算出傳感器系統(tǒng)在世界坐標(biāo)系中的絕對位置。根據(jù)一般采用的數(shù)學(xué)模型，位置計算要求感知至少 3 個以上的路標(biāo)才能完成，所以一般希望傳感器系統(tǒng)在任意工作空間位置上盡可能觀察到足夠多的路標(biāo)[8][9]。視覺導(dǎo)航具有信息量大，適用范圍廣的優(yōu)點，因而越來越受到關(guān)注。 2、 路徑識別和跟蹤 包括對自然環(huán)境中道路的理解和可行通路方向的判別。在基于視覺導(dǎo)航的地面自主機器人中, 機器視覺與路徑規(guī)劃是核心模塊. 目前國內(nèi)外許多學(xué)者在這方面作了大量的研究工作, 到目前為止還沒有找到一套適用于各種道路環(huán)境的算法。為了簡化視覺信息處理, 降低開發(fā)難度, 通常把移動機器人的工作環(huán)境分為結(jié)構(gòu)化道路環(huán)境和非結(jié)構(gòu)化道路環(huán)境. 結(jié)構(gòu)化道路的檢測相對來說較易實現(xiàn), 其檢測技術(shù)一般都以邊緣檢測為基礎(chǔ), 輔以 Hough 變換、模式匹配等, 并利用最小二乘法處理對應(yīng)于道路邊界的線條, 得出道路的幾何描述。由于非結(jié)構(gòu)化道路的環(huán)境復(fù)雜、特征描述困難, 使得非結(jié)構(gòu)化道路的檢測及信息處理復(fù)雜化。目前對非結(jié)構(gòu)化道路的檢測主要采用三種方法: 邊緣抽取法、閾值法和分類法。 3、 目標(biāo)識別和障礙物檢測 障礙物檢測原理與道路檢測原理差不多, 但其重點是對障礙物位置和大小的描述。立體視覺可以完成三維重建，獲得障礙物位置和大小的信息。對于單目，不能完成三維重建，無法獲得障礙物的三維信息，因此多采用與超聲波等其他傳感器的融合，共同實現(xiàn)障礙物的識別工作。 以上內(nèi)容來自《自主移動機器人導(dǎo)航研究》作者：連秀林 北京交通大學(xué)