搜索
移动机器人的关键技术分为以下三种:(1)导航技术导航技术是移动机器人的一项核心技术之一[3,4]它是指移动机器人通过传感器感知环境信息和自身状态,实现在有障碍的环境中面向目标的自主运动目前,移动机器人主要的导航方式包括:磁导航,惯性导航,视觉导航等其中,视觉导航15一7]通过摄像头对障碍物和路标信息拍摄,获取图像信息,然后对图像信息进行探测和识别实现导航它具有信号探测范围广,获取信息完整等优点,是移动机器人导航的一个主要发展方向,而基于非结构化环境视觉导航是移动机器人导航的研究重点。(2)多传感器信息融合技术多传感器信息融合技术是移动机器人的关键技术之一,其研究始于20世纪80年代18,9]信息融合是指将多个传感器所提供的环境信息进行集成处理,形成对外部环境的统一表示它融合了信息的互补性,信息的冗余性,信息的实时性和信息的低成本性因而能比较完整地,精确地反映环境特征,从而做出正确的判断和决策,保证了机器人系统快速性,准确性和稳定性目前移动机器人的多传感器融合技术的研究方法主要有:加权平均法,卡尔曼滤波,贝叶斯估计,D-S证据理论推理,产生规则,模糊逻辑,人工神经网络等例如文献[10]介绍了名为Xavier的机器人,在机器人上装有多种传感器,如激光探测器!声纳、车轮编码器和彩色摄像机等,该机器人具有很高的自主导航能力。(3)机器人控制器作为机器人的核心部分,机器人控制器是影响机器人性能的关键部分之一目前,国内外机器人小车的控制系统的核心处理器,己经由MCS-51、80C196等8位、16位微控制器为主,逐渐演变为DSP、高性能32位微控制器为核心构成由于模块化系统具有良好的前景,开发具有开放式结构的模块化、标准化机器人控制器也成为当前机器人控制器的一个研究热点近几年,日本!美国和欧洲一些国家都在开发具有开放式结构的机器人控制器,如日本安川公司基于PC开发的具有开放式结构!网络功能的机器人控制器我国863计划智能机器人主题也已对这方面的研究立项视觉导航技术分类机器人视觉被认为是机器人重要的感觉能力，机器人视觉系统正如人的眼睛一样,是机器人感知局部环境的重要“器官”,同时依此感知的环境信息实现对机器人的导航。机器人视觉信息主要指二维彩色CCD摄像机信息,在有些系统中还包括三维激光雷达采集的信息。视觉信息能否正确、实时地处理直接关系到机器人行驶速度、路径跟踪以及对障碍物的避碰,对系统的实时性和鲁棒性具有决定性的作用。视觉信息处理技术是移动机器人研究中最为关键的技术之一。基于计算机视觉的自主机器人导航主要分为一下三种方法：(1)基于地图的机器人导航基于地图的导航就是提供给自主机器人其导航环境的模型在一些早期的视觉系统中,自主机器人导航环境的知识都是以网格表征,把三维空间中物体按体积垂直投影到二维水平平面上,这种方式通常被引用为/占用地图0后来,占用地图的思想被/虚拟力场0改进虚拟力场也是一幅/占用地图0,不同的是在地图中每一个被占用的区域都对机器人施加斥力,而目的地图则对机器人施加引力,所有的这些力通过向量的加减运算的共同作用牵引机器人避开障碍物,向目的地运动(2)基于光流的机器人导航santos-Victo:等人研发了一个基于光流的视觉系统robee[0],该系统模拟了蜜蜂的视觉行为。该系统认为昆虫的眼睛长在两侧的优势就在于它们的导航机制是基于运动产生的特征,而不是深度信息。在robee中,一个分开的双目视野被用于模仿蜜蜂的中心反射:如果机器人位于环境的中心位置,其左眼拍摄到的画面场景变化速度和右眼拍摄到的画面场景变化速度是一样的,相差几乎为0,这时机器人就可以知道自己处于环境的中心位置,如果两侧眼睛的场景变化速度不同,机器人就朝向速度变化较慢的那一边运动。在自主机器人导航的实现中,基本的基本思想就是测量两侧眼睛(摄像机)拍摄到画面场景变化速度之差。该导航技术只能用于室内单一背景的直道环境中导航,无法指导机器人改变方向(3)基于地貌的机器人导航基于地貌的机器人导航一般多用于室外环境,该类导航的核心问题就是数字图像中的模式识别,更具体的说就是物体颜色和纹理的识别问题。然而,由于光照以及环境色的影响,具有相同本质色的物体在不同的环境下可以呈现出完全不同的颜色,因此就需要对颜色空间进行一定的转化。室外环境的导航涉及障碍物躲避、地标检测、位置估计等,由于很难预知先验知识,所以系统无法建立一幅卓为环境的完整地图,只能实时处理出现在视野中的对象,这对于导航算法的实时性要求很高。室外环境的自主机器人导航又可分为机构化环境中的导航和非结构化环境中的导航。国内外研究现状与发展趋势研究现状由于受室内环境尤其是家庭环境的限制,很多导航方法在室内移动机器人上很难或根本无法应用,比如电磁导航、GPS导航等等;另外,一些导航方法由于成本或精度等原因,亦很难应用在商业化的室内移动机器人中,比如激光定位导航系统需要相当高的成本,而基于RFID的导航系统精度低是有待解决的问题。从传感器的角度来看,室内移动机器人导航比较常用的方法主要有视觉导航、红外线导航以及多传感器融合导航等视觉导航又可分为基于单目视觉的导航,基于立体视觉的导航以及基于全景摄像机导航等由于全景相机具有较宽的视场,比较容易实现基于多路标三角或三边导航系统,因而应用比较广泛;基于单目视觉的导航系统相对比较简单且易于实现,在实际的系统中取得广泛应用[l6,17];立体视觉一般用于基于自然路标的导航系统中,文献=181中采用SIFT特征点作为自然路标来实现机器人自定位此外,基于多传感器融合的机器人导航系统也是当前研究的热点,例如导航系统中融合声纳传感器以及视觉传感器实现室内机动机器人的导航。目前,根据已知地图的移动机器人导航研究己有许多成功实例,然而,在大多数情况下,机器人所处的环境是未知的和动态变化的,因而移动机器人在未知环境下的同步定位和地图构建(SimultaneouslocallzationandmaPping,SLAM)则成为机器人自定位领域的热点常用的SLAM技术主要有基于激光传感器的SLAM和基于视觉传感去的SLAM(简称VSLAM)由于视觉传感器的优点,VSLAM具有更广泛的应用前景vSLAM技术一般基于自然路标实现,在国内外受到广泛的理论研究[z0,2.l,但要想成功应用与实际系统中,还有很多问题有待解决。发展趋势整体来说,随着机器人视觉系统硬件性能的提升和处理方法的不断丰富,基于视觉的导航技术将日益成熟与完善。结合室内移动机器人视觉导航技术的研究现状,其发展方向出要存在如下三种趋势:(1)实时、精确以及稳定的视觉导航方法当前的视觉导航技术往往在对视觉数据进行简单处理后就用于导航任务,因而只能从图像中提取有限的信息,很容易导致导航任务的失败因此在改善硬件设备的同时,可以考虑将并行处理技术!各种智能算法应用于具体导航任务。(2)多传感器融合以及多种导航技术的综合使用多传感器融合[23]可以结合多种导航传感器的优点,取长补短,使导航系统的鲁棒性更强并且具有更高的精度。另外,当前机器人导航大多采用单一的导航技术,而一种导航方法往往存在其固有的局限性路标地图描述比较粗略,几何地图使用起来一般计算复杂度高;卡尔曼定位局限于系统及测量噪声为高斯白噪声,粒子滤波方法也存在计算量较大等问题因此在完善单一自定位方法的同时,应该将各种技术的特点系统性地综合起来加以应用,取长补短。(4)基于VSLAM技术的导航方法目前,VSLAM技术在理论上还不成熟,在实际应用中也才存在很大困难,但为了使移动机器人具有更高的自主导航能力以及环境适应能力,解决VSLAM技术存在的疑难问题并使其成功地应用于机器人导航系统,这必然是未来机器人自定位的主流趋势之一。备注：上面这篇文章来自《移动机器人视觉导航算法的研究与设计》，作者姓名:孙志阳指导教师:吴成东教授王晓哲副教授上篇文章主要着眼点为室内机器人导航问题。移动机器人视觉导航技术视觉导航技术是智能机器人领域的重要研究方向，也是智能移动机器人的一项关键技术。运用视觉传感器，可进行与移动机器人大多数底层行为控制有关的环境感知，如测距、避障、目标物跟踪、轨迹跟踪、局部定位、路标识别。1、基于环境理解的全局定位一般的定位方法是：地理特征或人工标志在世界坐标系中的位置是预先已知。当从捕获的景物图像中提取出路标的图像坐标后，再通过路标在图像中的位置和他们在世界坐标系中的几何位置关系计算出传感器系统在世界坐标系中的绝对位置。根据一般采用的数学模型，位置计算要求感知至少3个以上的路标才能完成，所以一般希望传感器系统在任意工作空间位置上尽可能观察到足够多的路标[8][9]。视觉导航具有信息量大，适用范围广的优点，因而越来越受到关注。2、路径识别和跟踪包括对自然环境中道路的理解和可行通路方向的判别。在基于视觉导航的地面自主机器人中,机器视觉与路径规划是核心模块.目前国内外许多学者在这方面作了大量的研究工作,到目前为止还没有找到一套适用于各种道路环境的算法。为了简化视觉信息处理,降低开发难度,通常把移动机器人的工作环境分为结构化道路环境和非结构化道路环境.结构化道路的检测相对来说较易实现,其检测技术一般都以边缘检测为基础,辅以Hough变换、模式匹配等,并利用最小二乘法处理对应于道路边界的线条,得出道路的几何描述。由于非结构化道路的环境复杂、特征描述困难,使得非结构化道路的检测及信息处理复杂化。目前对非结构化道路的检测主要采用三种方法:边缘抽取法、阈值法和分类法。3、目标识别和障碍物检测障碍物检测原理与道路检测原理差不多,但其重点是对障碍物位置和大小的描述。立体视觉可以完成三维重建，获得障碍物位置和大小的信息。对于单目，不能完成三维重建，无法获得障碍物的三维信息，因此多采用与超声波等其他传感器的融合，共同实现障碍物的识别工作。以上内容来自《自主移动机器人导航研究》作者：连秀林北京交通大学