机器人导航系统探索

贾丽仕

【摘 要】移动机器人导航是机器人提取周围环境信息，进行路径规划，躲避障碍到达目标位置的过程。

【期刊名称】《黑龙江科技信息》 【年(卷),期】2016(000)001 【总页数】2页(P83-84)

【关键词】移动机器人;导航;自主定位 【作 者】贾丽仕

【作者单位】咸宁职业技术学院，湖北 咸宁 437100 【正文语种】中 文

移动机器人在运动时通过传感器检测确定位置，得到机器人的运动轨迹，称为航迹推测。在给定初始位姿后，在运动过程中，移动机器人利用里程计、陀螺仪对环境进行测量，计算相对于初始位姿的变化量，确定当前位姿。航迹推测要用到机器人的运动学模型。对轮式机器人是通过测量轮子的角速度来计算机器人参考中心的运动速度和方向。移动机器人在由障碍的环境中实现面向目标的自主运动称为导航。导航要解决三个问题：a.机器人定位问题；b.路径规划；c.如何到达目的地。移动机器人导航技术分成三个层次：a.完全已知环境下的导航；b.部分已知环境下的导航；c.完全未知环境下的导航。在未知环境下定位、建图、导航是一个连续重复的过程。通过传感器获取移动机器人在空间中的位置、方向及环境的信息，然后进行

处理建立环境地图模型，寻找最优路径，实现移动机器人安全移动到目标位置。随着机器人的运动，得到新的定位信息，对地图进行修订更新，进行新的导航控制。 1.1 自由空间法

把机器人看成一个点，在障碍物空间中移动到任意一个位置。 1.2 图搜索法

用节点表示特定位置，用边表示位置的联系。边到各个障碍间的最短距离相等，边的交界形成图的顶点。通过起始点和目标点、障碍物的顶点来构造可视图。连接这些点，让机器人在图中搜索最优路径。 1.3 栅格解耦法

将工作空间划分为栅格。这些栅格构成连通图，在这个连通图上确定一条从起始栅格到目标栅格的路径。栅格解耦法包括确切和不确切两种。

确切的解耦法用来描述自由空间中复杂的多边形与障碍物边界的匹配。不确切的解耦法中的栅格是预定的，假设全部是矩形。整个图被分割成多个矩形，矩形内部包括障碍物或者边界，又被分割成4个矩形，称为四叉树。在进行更细划分前，在每一层的起点和目标点间找一条路径，若路径满足起点到目标点间无障碍物的要求，停止搜索。 1.4 人工势场法

把移动机器人在环境中的运动抽象为力场的运动，目标点对移动机器人产生引力，障碍物对移动机器人产生斥力，通过求合力控制移动机器人的运动。

移动机器人在有障碍的环境中寻找一条理想的路径，能够避开所有障碍物到达目的地。根据对信息的已知程度，可分为全局路径规划和局部路径规划两种。全局路径规划是机器人已知环境，离线规划最优路径，不存在实时性问题。局部路径规划是未知环境下，存在动态障碍物，为了保证机器人移动安全性，要考虑路径规划算法的实时性。全局路径规划面临环境建模、路径搜索策略两个问题。基于环境建模的

全局路径规划算法有可视图法、自由空间法、栅格法。局部路径规划侧重机器人探测的局部信息，有遗传算法、人工势场法、模糊方法、蚁群算法。随着遗传算法发展，机器人导航技术融合了智能算法。 2.1 基于模糊逻辑的机器人导航

模糊逻辑模仿人脑的不确定概念判断、逻辑推理，对现实的模糊对象进行处理。模糊逻辑的理论基础是模糊数学。在未知环境中，移动机器人的运动控制可以采用模糊控制算法，用模糊控制的导航器来计算传感器提供的位置信息。 2.2 人工神经网络机器人路径规划

人工神经网络是模拟生物神经网络行为特征，进行分布式并行信息处理的算法。人工神经网络具有非线性适应能力，克服人工智能方法对非结构化信息处理的缺陷。机器人路径规划算法中，按局部与全局结合互动，对不同的动态运动方程用神经网络进行处理，寻找最优路径。 2.3 基于遗传算法的机器人路径规划

遗传算法是模拟自然选择和生物进化的计算模型，直接对结构对象进行操作，具有全局寻优能力。 2.4 混合机器人导航

采用模糊神经网络方法对半自主移动机器人导航，对机器人行为进行编码，用神经网络进行学习。将导航过程分为离线学习和在线学习。离线学习主要为模糊神经网络方法，在线学习通过性能鉴别、行为搜索、规则构造达到目的。

机器人自主视觉导航是人工智能、自动控制领域的研究热点。传统机器人定位存在较大误差，采用GPS定位受到限制，因此双目立体视觉定位算法是解决轮式里程计和惯性导航装置定位误差的最好办法。基于视觉方法进行地形感知和地图构建具有广阔的应用前景。

无人驾驶汽车是一种轮式移动机器人，依靠车内计算机系统实现无人驾驶。它利用

车载传感器感知环境，获取障碍物信息，控制车辆的转向和速度，实现车辆安全可靠地在道路上形式。近年来无人机技术发展迅速，依赖于视觉系统的高速发展才得以应用。

3.1 视觉伺服系统

基于视觉的机器人采用静态看和移动模式，通过视觉系统采集图像进行处理，然后计算目标的位置来控制机器人。随着计算图像处理的发展，视觉信息可反馈，这种控制方式成为视觉伺服系统。根据反馈角度不同分为位置视觉控制和图像视觉控制。位置视觉控制的反馈通过三维空间进行计算，图像视觉控制通过平面空间进行计算。 基于视频图像序列进行目标三维重建生成的模型具有良好的交互性，采用三维扫描设备可以精确获取实物的几何模型，适合于逆向工程、文物保护。但是三维扫描设备价格昂贵，采样得到的模型数据会有部分缺失，无法同时获取模型表面的颜色信息。视觉目标跟踪技术是基于视频序列进行三维重建的重要步骤，用于计算机摄像头姿态参数，为重构计算提供依据。

摄像头安装的位置有两种，一种是摄像头和机器人末端固定位置，一种是摄像头固定在工作区某位置。摄像头观测的内容分EOL和ECL系统。EOL系统的摄像头智能观察目标；ECL系统的摄像头可以观察目标和机械手。

视觉伺服的性能依赖于反馈的图像特征，早期视觉伺服系统用到的是局部几何特征，可以实现精确定位，特别对于真实物体，不需要在参考特征与观察特征进行匹配。 3.2 人工路标和自然路标

移动机器人的视觉系统有稳定性和实时性两个性能要求，需要设置一种能简单识别的标志叫路标。路标分为两种：人工路标和自然路标。 3.2.1 人工路标

利用人工路标进行目标识别、定位、跟踪可以避免复杂耗时的算法对图像的处理。对于可视路标，可以从颜色、形状、纹理及组合分辨。通过颜色信息设置实现路标

的第一层判断，有n种颜色，可以组成2n组路标。采用水平方向的两色块的中心坐标差小于阈值作为路标识别的进一步判断，可以有效防止视野中相同颜色其他色块的干扰。根据两色块的颜色与存储空间已经编号的路标对比，完成具体路标的识别。

基于人工路标的定位方法存在一些问题:人工路标没有成熟的标准；采用人工路标定位常利用三角定位，机器人需要同时观测3个及以上的人工路标；单个路标提供的信息量有限，对于复杂环境难以满足需要。 3.2.2 自然路标

机器人自学是人工智能的重要研究领域，能使计算机模拟人的学习行为，自学获得知识和技能，不断自我完善。相对于人工路标需要提供的路标信息外，自然路标更加灵活，不需要对环境进行改变。角点是图像边缘的曲率突变的点，是模式识别中经常用到的不变量。通过角点可以实现对自然路标的判别。首先用SUSAN算子提取双目视觉中左右试图的角点，在极线约束下通过左右试图的角点匹配消除遮挡或噪声引起的角点；然后根据角点聚类策略提取自然路标的局部特征；最后根据路标局部特征距离角度不变形表示及匹配算法进行识别匹配。自然路标实现移动机器人自主定位的主要问题是路标的选择没有成熟的标准；光照和视角变化时提取路标特征信息困难，自然路标特征类似，很难区分不同路标。每个定位方法都有自身的不足，单独采用一种定位方法得出的结果无法满足人们的需要，在实际应用中采用多种定位方法组合，形成组合定位导航系统。充分发挥每个方法的又是，利用冗余技术克服定位的不确定性，提高机器人导航的精度。 3.3 视觉跟踪

主动视觉是模拟人的视觉体系，自主选择和跟踪目标物体。警卫机器人对运动的目标进行识别，服务机器人对操作者进行辨识跟踪，这些都涉及主动视觉的内容。一个主动视觉系统能完成目标的识别、跟踪，进行场景理解。主动视觉的核心是注意

力的选择，三维目标和运动目标的识别定位，摄像头的跟踪控制，场景重构。主动视觉系统可以根据已有的分析和视觉要求，通过控制摄像头的位置、取向、焦距等来控制摄像机的运动，协调处理任务，实现对目标物体的主动跟踪。主动视觉系统可以改变摄像机的参数，对空间、时间、分辨率进行感知和控制。移动机器人获得的信息是动态的，可以考虑从变化的场景中提取有关物体的形状、位置、运动信息，通过多帧图像分析，得到位置信息。图像场景变化的原因可能是摄像机、物体、光照变化造成的。根据摄像机相对于物体的运动分为经典静态图像分析、摄像头静止目标运动、摄像机运动目标静止、摄像机运动目标运动。

为了对动态场景分析，从图像中提取有用信息，需要分析运动目标。对目标的跟踪是必不可少的。跟踪的结果是运动目标的轨迹，特征跟踪是在匹配-修正-预测中实现的，根据图像特征和已有特征匹配，修正参数，预测下一时刻出现的方位。常用的预算方法有卡尔曼滤波器和粒子滤波器。卡尔曼滤波器适用于线性运动，状态参数的概率分布为单模高斯分布。粒子滤波器应用与非线性运动多模非高斯分布的场合。在运动图像的帧和帧之间存在像素的线性相关性，宏观上存在运动相关性，后一帧图像总是前一帧图像经过平移、缩放、旋转等运动而来的。粒子滤波存在退化问题，经过若干次迭代后，大多数粒子只有很小的权值，意味着大量的计算工作被用来更新那些后验概率极低的粒子。解决这个问题的办法是合理选择重要性概率密度函数和重采样策略。

视频跟踪具有广阔的发展前景，但是没有一种算法可以在任意条件下保持稳定。视频跟踪的技术难点主要是遮挡问题、亮度变化、摄像头的移动、多目标跟踪等等问题。

实现自主定位和导航是智能移动机器人的基本功能，是完成各种任务的前提。大多数移动机器人导航能力差，只能在室内环境自主漫游，很难再复杂环境完成导航任务。随着GPS技术发展，室外移动机器人也可以自主导航。如何合理设计新型人

工路标系统，解决复杂环境机器人导航问题，促进移动机器人的应用具有重要意义。

【相关文献】

[1]航天飞行动力学技术重点实验室.视觉导航与遥操作[J].航天动力学研究丛书,2013,11. [2]查特吉,莱克舒,辛格.基于视觉的自主机器人导航[M].北京:机械工业出版社,2014,3. [3]贾丽仕.移动机器人控制系统设计[J].电子制作,2015,16.

[4]蔡自兴.未知环境中移动机器人导航控制理论[M].北京:科学出版社, 2009,1. [5]王耀南.机器人智能控制工程[M].北京:科学出版社,2004.