基于模糊行为融合的移动机器人避障算法_杨晶东

第36卷　增刊Ⅰ2008年　10月　华　中　科　技　大　学　学　报(自然科学版)J .H uazhong U niv .o f Sci .&T ech .(N atural Science Editio n )Vo l .36Sup .Ⅰ

　Oct .　2008

收稿日期:2008-07-15.

作者简介:杨晶东(1973-),男,博士研究生,E -mail :jdyang @hit .edu .cn .基金项目:国家高技术研究发展计划资助项目(2006A A04Z259).

基于模糊行为融合的移动机器人避障算法

杨晶东　洪炳熔　朴松昊　

(哈尔滨工业大学计算机科学与技术学院,黑龙江哈尔滨150001)

摘要:为了减少移动机器人自主导航过程中过多寻求当前时刻最优路径或最优解而产生的死锁或震荡现象,根据多目标优化理论,提出了基于模糊行为融合的移动机器人避障算法.该算法把指定目标的导航过程分解为具有三个子行为的系统,根据传感器信息动态改变各子行为函数的区间权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果证明:该算法可以有效减少导航过程中的死锁和震荡现象,提高避障过程的鲁棒性和实时性.

关　键　词:移动机器人;多目标优化;模糊行为融合;死锁;避障可靠性中图分类号:T P24 文献标识码:A 文章编号:1671-4512(2008)S1-0310-04

The algorithm of obstacle avoidance based on fuzzy

behavior fusion for mobile robot

Y ang J ingdong Hong B ingrong Piao Songhao

(Schoo l o f Co mputer Scie nce and T echno lo gy ,H arbin Institute of T echno lo gy ,H arbin 150001,China )

A bstract :In o rder to reduce the deadlock or co llision phenom ena ,w hich is result from acquiring the optimal path o r solutio n ,during the navigation for mobile ro bo t ,the algo rithm of obstacle avoidance based on fuzzy behavio r fusio n is proposed he re acco rding to the multiple o bjective decision making theory .The new method decomposes the navigation w ith given goal into three sub behaviors ,w hich can be set different interval criterion weights or priorites at different time during navigation ,to acquire the satisfying path or preferred solution at current time .The experiment show s that the algorithm can reduce some unneces -sary deadlock and navigation time and improve the robustness of navigation effic iently .

Key words :mo bile ro bo t ;multiple o bject o ptimization ;fuzzy behavio r fusion ;deadlock ;reliability of

obstacle av oidance

避障过程是移动机器人自主导航研究领域的一个重要环节.根据不同的环境已有许多不同的

避障理论,较为典型的有曲率速率法[1,2]

、矢量场直方图法[3,4]、动态窗口法[5,6],这些方法均在不同程度上提高了避障鲁棒性,但是都需要计算当前时刻最优路径或最优解,这样会牺牲一些时间开销,甚至会发生死锁或震荡现象,影响了避障的实时性.因此本文提出了一种基于模糊行为融合的局部避障算法,该算法无需计算当前最优化路径,而是仅计算当前时刻的最有效或最满意路径,在安全避障的前提下有效地提高了避障过程的实

时性和鲁棒性.

1　多目标优化问题

从数学理论角度,多目标决策问题可定义为

max x [b 1(x ),b 2(x ),…,b n (x )|x ∈X ],其中x =(x 1,x 2,…,x N )∈R N 为N 维决策矢量.行为b k (x )的可信度定义为一组可行动作选择集,这样多目标行为选择问题就转化为矢量优化(VOP )问题.如果优化解决方案不存在,那么可以寻找一种能有效地满足每一种动作行为的满意

解.根据多目标决策方法[7,8],自主移动机器人指定起始和终止点的导航过程可以分解为避障、保持目标方向和快速移向目标3个子行为函数(b ao ,b mh ,b mf ),如图1所示.其中避障函数b ao 可利用与障碍物距离函数D (v ,ω,o ,d )来确定.v 和ω为机器人当前时刻速度和角速度,o 为机器人与障碍物距离,d 为障碍物间隔距离.保持目标方向函数b mh 由与目标点的方向角θt 来决定,快速向前移动函数可由机器人当前时刻的(v ,ω)决定.

如图1所示,

指定目标的导航过程可分为以

图1　指定目标导航行为分解及其属性

下几个步骤:a .获得传感器读数;b .计算每种子行为目标函数;c .根据目标函数,任务选择机选择一种最合适的行为动作(v ,ω);d .调节(v ,ω)来控制机器人的避障过程;e .重复进行步骤a ～d 直到避障任务完成.

定义1　Pareto 最优解.假定 x ∈X ,不存在满足O i (x ＊)≤O i (x ) i ,那么至少满足

O j (x ＊

)≤O j (x ) j .

定义2　满意解.矢量优化问题的满意解是一组可行解约减后的子集,它可以满足每个期望

目标[9,10]

.

解决矢量优化问题要完成以下3个步骤:a .产生Pareto 最优解.由目标函数产生

x =arg max x ∈X

∑n i =1

w i

O

i

=w T

O (x ),

式中w i 是标准化权重满足条件,∑n

i =1w i =1,根据决策论,如果x 是惟一解或对于i 有w i >0,那么x

就是非受控解或Pareto 最优解.

b .产生满意解.是Pare to 最优解并且取得某些满意的目标,对于每一个目标都事先给定一个期望值,然后在满足系统一定约束条件下,找出与目标期望值最近的解

　min x ∈X

d p (O (x ),O )

∑n

j =1

w j |O j (x

)-O j |p 1/p

,(1)

式中:1≤p ≤∞;O 是目标矢量;w j 是第j 个权重

或优先级;d p 表示O (x )和O 之间的距离.一旦目

标值O 权重或优先级w (w 1,w 2,…,w n )给定,式(1)就会根据合适的p 值进行计算,获得近似解决方案.利用式(1)获得的解不一定是非受控解,只有当满足O ＊=(O ＊1,O ＊2,…,O ＊n ),其中O ＊

j =max x ∈X f j (x )具有惟一解或w j >0(j =1,2,…,n )条件时获得的解才是非受控解.

c .产生较好解.是Pareto 最优解并且是最好的满意解,

　(v ＊

,ω＊

)=arg m ax (v ,ω)∈X [w mf b mf (v ,ω)+w mh b mh (v ,ω)+w ao b ao (v ,ω)];　W ={w =(w mf ,w mh ,w ao )|w ∈W 3∧(w mf +w mh +w ao =1)};

　w ao ∈[0,1]∧w mh ∈[0,0.4]∧w mf ∈[0,0.1].

通过限定权重间隔,保证导航过程3个子行为函数在指定权限范围内变化,可以有效地提高避障安全性.

2　避障过程行为函数

2.1　快速向前移动

这个行为函数是一个较为简单的行为,其目的是使机器人尽可能快地向目标移动.目标函数是一个有关平移速度的线性函数,

b mf (v ,ω)=a (v /v max )+b ,

式中a 和b 分别是指定经验常数,这里取1和0.目标函数被归一化到[0,1]之间.2.2　保持目标方向

保持目标方向行为函数要求机器人在导航过程中一直保持与目标同方向,以确保机器人能以最短距离完成任务.行为函数的数值越高,机器人在当前时刻与目标同方向的可能性越大.其数值越小,与目标方向的偏差越大.目标函数要确保行为选择机从无穷多个行为函数映射中选择合适的行为动作完成任务.因此保持目标方向行为函数选择一个Π函数作为行为映射.机器人向目标移动的行为函数

b mh (v ,ω)=1/{1+[(θp (v ,ω)-θt )/β]2

},式中:θp =θ0+ωT ,是根据控制参数(v ,ω)指定的运动方向,θ

0为当前机器人的运动方向,T 为机器人控制指令周期常量,这里的经验参数可以设

定T =0.046;θt =0°;β=45°.2.3　避障

红外或视觉传感器可以在一定范围内获得障碍物距离机器人本体的距离值.避障行为函数就

·

311·增刊Ⅰ 杨晶东等:基于模糊行为融合的移动机器人避障算法

可以依据一组距离障碍物最短距离值确定每一组安全有效的(v ,ω)值来确定机器人最短安全行走路径.避障行为函数

　b ao (v ,ω)=min {Far (d )|D =D (v ,ω,o ,d i ) o ∈O (x ,y )},

其中Far :R ※[0,1]是一个M atlab 中的系统函数S -function ,把距离值映射到[0,1]之间.O (x ,y )是一组探测到的障碍物位置集合,且距离函数D (v ,ω,o ,d i )可以表述为:

a .若ω≠0,(v /ω-r 0)2

≤(x -x 0)2

+(y -y 0)2

≤(v /ω+r 0)2

,且d i >2r d i ≠0,i ∈N ,则D (v ,ω,o ,d i )=(v /ω)γ;

b .若ω=0且 x ≤r ,则D (v ,ω,o ,d i )=x 2

+y 2

;

c .其他条件下,D (v ,ω,o ,

d i )※∞.其中:r 是机器人半径;A (x 0,y 0)是机器人弧线运动中心;γ为A 点到坐标圆点直线与A 点到障碍物P i (x ,y )连线之间的夹角;d i 为障碍物间隔宽度

.图2给出了机器人避障过程示意图.

图2　避障过程示意图

3　基于模糊行为融合导航系统的可

靠性

定义3　k -o ut -of -n 系统.如果一个具有n 个

行为的系统中至少有k 个输出成功,那么这个系统就称为k -out -of -n 系统.

k -o ut -of -n 系统的可靠性函数表示为

　r (p 1,p 2,…,p n )=P {X i =1|i =k ,n }=

∑n

l =k ∑

x ∈Ψ(l ,n )

ψ(x )|k =1,2,…,n ,(2)

式中ψ(x )表示满足x ∈Ψ(k ,n )的概率,Ψ(k ,n )表示n 个行为中至少k 个行为成功的所有子集集

合.如果系统成功,那么k 个行为值为1,n -k 行为值为0,例如Ψ(2,3)={(1,1,0),(1,0,1),(0,1,1)}.如果各行为相互独立,那么式(2)就会具有如下形式:

　r (p 1,p 2,…,p n )=∑n

l =k ∑x ∈Ψ(l ,n )∏n

i =1

Δi

(

x )|k =1,2,…,n .

函数Δ:{0,1}n

※[0,1]定义为

Δi (x )=

p i

1-p i (x (i )=1);

(其他). 定理1　对于给定行为集,k -out -o f -n 系统的

可靠性r (k )不小于k +1-out -o f -n 系统的可靠性r (k +1).可以按照以下形式表示:

r (k )≥r (k +1)　(k =1,2,…,n ). 证明　式(2)可以按照递推形式写成

r (k )=r (k +1)+

∑

b ∈Ψ(k ,n )

ψ(x ),

显然∑x ∈Ψ(k ,n )

ψ(x )≥0得证.图3给出了k -o ut -of -n (n =10)系统可靠性均值函数曲线(图中数字为k 的取值),每种行为的可靠性随机产生1000次.输出系统可靠性随着输入系统可靠性均值增加而增长,同一均值时刻,当k =1,2,…,n 时,k -

out -of -n 系统的可靠性要比k +1-out -of -n 系统的高.

图3　输入系统行为可靠性与输出系统可靠性关系

由此可知具有三个子行为系统中当输出一个成功行为时导航系统可靠性最高,所以避障导航过程中任意时刻只有选择一个最满意或最有效解的动作行为时导航系统可靠性最高.

4　实验与分析

为了验证本文提出的基于模糊行为融合避障

算法的有效性和实时性,通过轮式移动机器人ERSP 进行室内环境下的指定目标导航试验.20个红外传感器分布在机器人E RSP 四周,分别探测左右前后上下等方向的障碍物.其中左右两侧4个S HA RP G P2D12测距传感器有效测距范围为100～800mm .机器人通过这些测距传感器获

·

312· 华　中　科　技　大　学　学　报(自然科学版)

第36卷

得障碍物的距离信息,以此为依据对避障过程各种子行为进行动态调整.表1给出了一组装配在ERSP 上红外传感器的测距数据.

表1　红外传感器测量数据

序号电压/mV 测得距

离/mm 实际距离/mm 误差率/%1

2.4011010010.021.701601506.731.4022020010.041.1028025012.051.003203006.760.903603502.970.704004000.080.654204506.790.6244050012.0100.60530550

3.6110.555906001.7120.52620650

4.6130.506507007.1140.457507500.015

0.40

700

800

12.5

图4给出了指定目标导航过程中的三个位置时刻A ,B 和C 的b ao 函数和b mh 函数归一化行为函数图.可以看出在位置A 处,保持目标方向函

数b mh 权重最高,呈曲线增长趋势,而避障行为函数b ao 权重较低,函数曲线只是在低速位置发生权重变化,所以机器人一直保持高速移向目标.当移动到位置B 时,通过红外或视觉传感器探测到正前方障碍物距离后,机器人当前时刻(v ,ω)和行为函数权重都发生较大变化,由于避障函数的优先级要远远高于保持目标方向函数的优先级,所以保持目标方向函数权重迅速减小,而避障函数权重显著增加.v 明显减小,ω数值显著增加,以确保机器人安全减速转弯.直到避障过程结束后进入位置C 处,传感器没有探测到障碍物,避障函数权重明显降低,而保持目标方向函数权重增加.因此机器人会在保持目标方向和快速前进两个输出函数控制下,边行进边修正自身姿态,直到目标位置为止

.

图4　指定目标的移动机器人自主导航过程

参

考

文

献

[1]Simmo ns R .T he curva ture velocity method fo r local

o bstacle av oidance [C ]∥P roceeding s o f the 1996

IEEE Inte rna tional Conference o n Robo tics and A uto -matio n .Piscataway :I EEE Co mputer Society ,1996:3375-3382.

[2]T ravis W ,Simmo ns A T ,Bevly D M .Co rrido r nav i -ga tion with a L iDA R /INS Kalman filte r solution [C ]∥P roceeding s o f the IEEE I nter na tional Confer -ence o n Intelligent Vehicles Sym po sium .A ubur n :I EEE Computer Society ,2005:343-348.

(下转第320页)

·

313·增刊Ⅰ 杨晶东等:基于模糊行为融合的移动机器人避障算法

会得出更优的解.

参考文献

[1]茆　凡.白车身侧围焊点任务组合优化研究[D].上

海:同济大学机械工程学院,2006.

[2]杨　虎,邵　华.利用遗传算法求解最小变形的焊接

路径[J].机械设计与研究,2004(2):57-59.

[3]王宇炎.遗传算法在SCA RA机器人最优路径规划中

的应用[D].洛阳:河南科技大学电子信息工程学

院,2003.

[4]Barra l D,Per rin J P,Dombre E,e t al.A n evo lutio n-

ary simula ted annealing algo rithm fo r o ptimizing ro-bo tic task po int o rdering[C]∥A ssembly and T ask

P lanning.Po r to Po r tug al:IEEE Inte rnational Sym-po siumm,1999:157-162.

[5]Edan Y,F lash T,Peiper U M,et al.Nea r-mini-

mum-time task planning fo r fruit-picking ro bo ts[J].

IEEE T ransa tions on Robo tics a nd A uto matio n,

1991,7(1):48-56.

[6]She ng W H,Shen Y T,Xi N.M o tion planning in ro-

bo tized sensor netw o rks fo r aircraf t riv iet inspec tion

[C]∥A dv anced Intelligent M echatr onics.M o nte rey:

IEEE/A SM E Inte rna tional Co nfe rence,2005:638-643.

[7]周　鲲.基于T SP的加工路径优化[D].上海:上海

交通大学机械与动力工程学院,2003.

[8]陈锦林.基于焊接机器人的桑车踏板焊缝轨迹优化

[D].上海:上海交通大学机械与动力工程学院,

2003.

[9]K ang H J,Par k J Y.Wo rk planning using genetic al-

go rithm and3D simulation at a suba ssembly line o f

shipy ard[C]∥Oceans′04.K obe:M T T S/IEEE

T echno-Ocean′04,2004:218-222.

[10]段海滨.蚁群算法原理及其应用[M].北京:科学出

版社,2005.

(上接第313页)

[3]U lrich I,Bo renstein J.V F H+:reliable obstacle

avoidance for fast mo bile ro bo ts[C]∥P roceeding s o f

the Inte rnational Co nference on Robotics and A uto-

ma tion.Leuven:IEEE Com puter Socie ty,1998: 1572-1577.

[4]A n Dong,Wang H ong.V P H:a new la ser r adar

based obstacle avoida nce metho d fo r intelligent mo-

bile ro bo ts[C]∥P roceeding s o f the5th W or ld Co n-

g ress o n I ntelligent Contro l and A utomatio n.Hang-

zhou:IEEE Co mputer So ciety,2004:4681-4685.

[5]M ye rs T J,N oel T,Pa rent M,e t al.A uto nomous

motio n of a driverless vehicle ope rating among dy-

namic o bstacle s[C]∥Pr oceeding s of the44th IEEE

Co nfe rence on Decision and Contro l,and the Euro pe-

an Contro l Conference.Seville:IEEE Co mputer So-

cie ty,2007:5071-5076.

[6]Seder M,Pe trov ic I.Dy namic window based a p-

pro ach to mo bile ro bo t mo tio n contro l in the presence

of mo ving obstacles[C]∥Pr oceeding s of the IEEE

Inte rnational Co nfe rence on Robo tics and A utoma-

tion.Ro ma:IEEE Compute r So ciety,2007:1986-

1992.

[7]H aimes Y Y,Chankong V.M ulti-objectiv e decision-

making:theory and methodology[M].New Y ork: Elsevie r Science Publishing Co Inc,1983.

[8]Eickstedt D P,Benjamin M R,Curcio J.Behavio r

based adaptive co ntr ol f or autonomo us oceanog raphic

sampling[C]∥P roceeding s o f the I EEE Internatio nal

Co nfe rence on Ro bo tics and A uto matio n.Roma: IEEE Computer Socie ty,2007:4245-4250.

[9]Pirja nia n P,M a taric M.A decision-theo retic a p-

pr oach to fuzzy behavio r coo rdinatio n[C]∥Pr oceed-

ing s of the IEEE Internatio nal Co nference o n Co mpu-

ta tional Intelligence in Ro bo tics and A uto matio n.

M onterey:IEEE Co mputer So ciety,1999:101-106.

[10]Pirjanian P,M a taric M.M ulti-r obot ta rge t acquisi-

tion using multiple objective behav io r co o rdina tion

[C]∥P roceedings of the IEEE Inter national Confer-

ence o n Robo tics and Automa tion.San Fr ancisco:

I EEE Compute r Society,2000:2696-2702.

·

320

· 华　中　科　技　大　学　学　报(自然科学版)　第36卷

移动机器人定位系统设计方案

移动机器人定位--传感器和技术 摘要 确切的了解车辆的位置是移动机器人应用的一个基本问题。在寻找解决方案时，研究人员和工程师们已经开发出不同的移动机器人定位系统、传感器以及技术。本文综述了移动机器人定位相关技术，总结了七种定位系统：1.里程法；2.惯性导航；3.磁罗盘；4.主动引导； 5.全球定位系统； 6.地标式导航和 7.模型匹配。讨论了各自的特点，并给出了现有技术的例子。 移动机器人导航技术正在蓬勃发展，正在开发更多的系统和概念。因为这个原因，本文给出的各种例子只代表各自的种类，不表示作者的倾向。在文献上可以发现许多巧妙的方法，只是限于篇幅，本文不能引用。 1。介绍 摘要概述了该技术在传感器、系统、方法和技术的目标，就是在一个移动机器人的工作环境中被找到。在测量文献中讨论这个问题，很明显，不同方法的基准比较是困难的，因为缺乏公认的测试标准和规的比较。使用的研究平台大不相同，用于不同的方法的关键假设也大不相同。再进一步，困难源自事实上不同的系统是处在其发展的不同阶段。例如，一个系统已经可以商业化；而另一个系统，也许有更好的性能，却只能实验室条件下作有限的测试。正是由于这些原因，我们一般避免比较甚至判断不同系统或技术的表现。在这篇文章里，我们也不考虑自动引导车(AGV)。AGV使用磁带、地下的引导线、或地面上的彩色条纹在作引导。这些小车不能自由设计路径，不能改变自己的道路，那样它们无法响应外部传感器输入（如避障）。然而，感兴趣的读者可能会在[Everett, 1995]找到AGV引导技术调查。 也许最重要的移动机器人定位文献的阅读结果，正是到目前为止，并没有真正完美的解决问题的方案。许多局部的解决办法大致分为两组：绝对的和相对的位置测量。因为缺乏一种完善的方法，开发移动机器人通常结合两种方法，从每个小组选一个方法。这些方法可以进一步分为以下七类: I：相对位置的测量（也称为Dead-reckoning） 1。里程法 2。惯性导航 II：绝对位置测量（基于参考的系统） 3。磁罗盘 4。主动发射引导 5。全球定位系统 6。地标式导航 7。模型匹配

全向移动机器人的运动控制

全向移动机器人的运动控制 作者：Xiang Li, Andreas Zell 关键词：移动机器人和自主系统，系统辨识，执行器饱和，路径跟踪控制。 摘要：本文主要关注全向移动机器人的运动控制问题。一种基于逆运动学的新的控制方法提出了输入输出线性化模型。对执行器饱和及驱动器动力学在机器人性能体现方面有重要影响，该控制法考虑到了以上两个方面并保证闭环控制系统的稳定性。这种控制算法常用于真实世界的中型组足球机器人全方位的性能体现。

1.介绍 最近，全方位轮式机器人已在移动机器人应用方面受到关注，因为全方位机器人“有一个满流动的平面，这意味着他们在每一个瞬间都可以移动，并且在任何方向都没有任何调整”。不同于非完整的机器人，例如轮式机器人，在执行之前具有旋转任何所需的翻译速度，全方位机器人具有较高的机动性并被广泛应用在动态环境下的应用，例如在中型的一年一度的足球比赛。 大多数移动机器人的运动控制方法是基于机器人的动态模型或机器人的运动学模型。动态模型直接描述力量施加于车轮和机器人运动之间的关系，以外加电压的每个轮作为输入、以机器人运动的线速度和角加速度作为输出。但动态变化所造成的变化的机器人惯性矩和机械组件的扰动使控制器设计变得较为复杂。假设没有打滑车轮发生时，传感器高精度和地面足够平坦，由于结构的简单，因而运动模型将被广泛应用于机器人的设计行为中。作为输入运动学模型是机器人车轮速度，输出机器人的线速度和角速度，机器人的执行器的动力都快足以忽略，这意味着所需的轮速度可以立即达到。然而，该驱动器的动态极限，甚至降低了机器人在真实的情况中的表现。 另一个重要方面是机器人控制的实践：执行器饱和。因机器人轮子的指挥电机速度是有饱和的界限的，执行器饱和能影响到机器人的性能，甚至使机器人运动变得不稳定。 本文提出了一个全方位的机器人的一种运动控制方法，这种控制方法是基于逆输入输出的线性的运动学模型。它需要不仅考虑到驱动器动力学的识别，但也需要考虑到执行器饱和控制器的设计，并保证闭环控制系统系统稳定性。 本文其余的部分：在2节介绍了运动学模型的一个全方位的中型足球机器人；在3节介绍了路径跟踪与定位跟踪问题基于逆运动学模型的输入输出线性化的解决方法，其中包括执行器饱和分析；4部分介绍了动态识别器及其在控制性能方面的影响；最后的实验结果和结论讨论部分分别在5和6。

移动机器人的目标跟随控制方法与相关技术

本技术公开了一种移动机器人的目标跟随控制方法，包括步骤：在移动机器人上设置三角摄像机组，且分配对应ID号和视角范围；采集获得跟随目标身份特征，及将其上传和存储；检测待跟随目标的身份特征及上传至云服务器，由云服务器特征匹配，匹配成功时确定和锁定该待跟随目标为跟随目标；人对所锁定跟随目标跟踪，获得跟随目标与移动机器人的相对方向；对所锁定跟随目标实时检测，计算获得相对距离；根据所获得跟随目标与移动机器人的相对方向、相对距离确定运动路线，及根据运动路线控制移动机器人向跟随目标运动。本技术具备更高的特征检测功能和更高程度的自动化控制功能，可更好地用于机器人跟随过程。 权利要求书 1.一种移动机器人的目标跟随控制方法，其特征在于，包括步骤： 在移动机器人上设置三角摄像机组，且为每个摄像机分配对应ID号和视角范围； 采集获得跟随目标身份特征，及将其上传和存储至云服务器； 所述移动机器人利用三角摄像机组检测待跟随目标的身份特征及上传至云服务器，由云服务

器根据上传的身份特征与所存储跟随目标身份特征匹配，在匹配成功时确定和锁定该待跟随目标为跟随目标； 所述移动机器人对所锁定跟随目标实时跟踪，提取跟随目标所在摄像机的ID号和视角范围；对所提取视角范围进行分区设置，确定跟随目标所在分区位置；由所述摄像机的ID号和跟随目标所在分区位置获得跟随目标与移动机器人的相对方向； 所述移动机器人对所锁定跟随目标实时检测，计算获得跟随目标与移动机器人的相对距离； 根据所获得跟随目标与移动机器人的相对方向、相对距离确定运动路线，及根据运动路线控制移动机器人向跟随目标运动，以实现对跟随目标的跟随； 以及，还包括判断所提取视角范围中跟随目标的位置是否发生偏离，及在发生偏离时控制移动机器人向跟随目标所偏离的方向转动；在发生偏离时，判断跟随目标是否出现在其他摄像机的视角范围中，及在出现于其他摄像机的视角范围中时进行跟随任务交接。 2.根据权利要求1所述移动机器人的目标跟随控制方法，其特征在于：所述方法采用窗口自适应的CamShift核密度估计算法对待跟随目标的人脸进行跟踪。 3.根据权利要求1所述移动机器人的目标跟随控制方法，其特征在于：所述方法采用基于Harr特征的Adaboost人脸检测算法对待跟随目标的人脸进行检测。 4.根据权利要求1所述移动机器人的目标跟随控制方法，其特征在于：所述方法还包括所述身份特征匹配失败时，由移动机器人发出提示警告。 5.根据权利要求1所述移动机器人的目标跟随控制方法，其特征在于：所述方法中移动机器人采用射频距离检测方法对所锁定跟随目标检测获得相对距离。 6.根据权利要求1所述移动机器人的目标跟随控制方法，其特征在于：所述方法还包括设置阈值，所述移动机器人根据阈值与相对距离的大小控制移动机器人运动。

一种由Matlab仿真控制的自主移动机器人模拟器(英文)

A Matlab-based Simulator for Autonomous Mobile Robots Abstract Matlab is a powerful software development tool and can dramatically reduce the programming workload during the period of algorithm development and theory research. Unfortunately, most of commercial robot simulators do not support Matlab. This paper presents a Matlab-based simulator for algorithm development of 2D indoor robot navigation. It provides a simple user interface for constructing robot models and indoor environment models, including visual observations for the algorithms to be tested. Experimental results are presented to show the feasibility and performance of the proposed simulator. Keywords: Mobile robot, Navigation, Simulator, Matlab 1. Introduction Navigation is the essential ability that a mobile robot. During the development of new navigation algorithms, it is necessary to test them in simulated robots and environments before the testing on real robots and the real world. This is because (i) the prices of robots are expansive; (ii) the untested algorithm may damage the robot during the experiment; (iii) difficulties on the construction and alternation of system models under noise background; (iv) the transient state is difficult to track precisely; and (v) the measurements to the external beacons are hidden during the experiment, but this information is often helpful for debugging and updating the algorithms. The software simulator could be a good solution for these problems. A good simulator could provide many different environments to help the researchers to find out problems in their algorithms in different kinds of mobile robots. In order to solve the problems listed above, this simulator is supposed to be able to monitor system states closely. It also should have flexible and friendly users’ interface to develop all kinds of algorithms. Up to now, many commercial simulators with good performance have been developed. For instance, MOBOTSIM is a 2D simulator for windows, which provides a graphic interface to build environments [1]. But it only supports limited robot models (differential driven robots with distance sensors only), and is unable to deal with on visual based algorithms. Bugworks is a very simple simulator providing drag-and-place interface [2]; but it provides very primitive functions and is more like a demonstration rather than a simulator. Some other robot simulators, such as Ropsim [3], ThreeDimSim [5], and RPG Kinematix [6], are not specially designed for the development of autonomous navigation algorithms of mobile robots and have very limited functions. Among all the commercial simulators, Webot from Cyberbotics [4] and MRS from Microsoft are powerful and better performed simulators for mobile robot navigation. Both simulators, i.e. Webots and MRS, provide powerful interfaces to build mobile robots and environments, excellent 3-D display, accurate performance simulation, and programming languages for robot control. Perhaps due to the powerful functions, they are difficult to use for a new user. For instance, it is quite a boring job to build an environment for visual utilities, which involves shapes building, materials selection, and illumination design. Moreover, some robot development kits have built-in simulator for some special kinds of robots. Aria from Activmedia has a 2-D indoor simulator for Pioneer mobile robots [8]. The simulator adopts feasible text files to configure the environment, but only support limited robot models. However, the majority of commercial simulators are not currently supporting On the other hand, Matlab

移动机器人控制系统的发展方向

移动机器人控制系统的发展方向 摘要随着计算机技术、传感器技术的不断发展，对于机器人领域的发展具有一定的促进作用。而由于移动机器人具有能够自治与移动的特征，在机器人领域处于核心地位。在复杂、危险的环境中，移动机器人所发挥的作用是有目共睹的。对此，对当前国内外较为常见的移动机器人控制系统进行剖析，并在此基础上论述了该领域的未来发展方向。 【关键词】移动机器人控制系统发展方向 移动机器人属于能够自动执行工作任务的机器，不但能够按照事先编译的程序运行，同时人类还可对其指挥。当前主要被运用在生产业、建筑业以及航空航天领域，而该领域的发展情况直接关系到国家综合实力的提升速度，对此加强对移动机器人控制系统的发展情况，以及未来发展方向的研究势在必行。 1 国内外常见的移动机器人控制系统 相对于国内在移动机器人的研究状况，能够看出国外在该领域的研究是较早的，其中具有代表性的有Saphira、TeamBots以及ISR。而在国内方面，代表性的有OSMOR、ZJMR以及Agent。下面，便对较为常用的控制系统进行介绍：

1.1.1 Saphira控制系统 Saphira控制系统是移动机器人领域中最早的系统，是有SRI国际人工智能中心在1990年所研发的，此系统是基于本地感知空间的共享内存与黑板，来实现协调与通信进程。由于Saphira是采用C语言来进行开发的，同时支持Windows 与Unix系统，因此具有文档资料相对完整、系统资源占用少等特征。但是需注意的是，由于Saphira系统在定位方面无法达到当前的实际需求，因此运用是相对较少的。 1.1.2 TeamBots控制系统 本系统是基于Java包与Java应用程序而构建的，经过20余年的发展后，此系统截止到目前已经被运用到多种类型的机器人平台当中。除此之外，在适用的操作系统方面，其中具有代表性的有Windows、MacOS以及Linux等，因此其运用的范围是更加广泛的。 1.1.3 ISR控制系统 ISR是基于行为的控制模式，其中是有任务执行层、反映层以及推理层所构成的，是有CAS研究中心所研发的。其中，任务执行层的作用是执行推理层所传输的指令；反映层其中包含资源、控制器以及行为；推理层的功能是根据用户的指令来对决策进行制定。此外，ISR控制系统仅能够在Linux中进行操作，并且没有公开化使用。

移动机器人控制软件的设计与实现

移动机器人控制软件的设计和实现
作者：李晓明 文章来源：https://www.wendangku.net/doc/4515514626.html, 更新时间：2006-8-9 17:25:55 点击数： 2742
简介：现在做一个移动机器人是很容易的一件事，车体自己可以加工，或买现成的；避障可以用超声阵列；
导航可以用激光测距 LMS；定位可以用电子地图加 LMS 加陀螺仪；然而控制软件却只能自己编写。本文 或许可以给你一些启示。
相关链接 基于 VIA 平台的移动机器人
移动机器人的使用现在非常多，做一个移动机器人似乎也很容易，车体自己可以加工，也可以去 买现成的；避障可以用超声阵列；导航可以用激光测距 LMS；定位可以用电子地图加 LMS 加陀 螺仪；驱动可以用各种电机及配套驱动器或者自己做；通讯可以去买现成的无线通讯模块，可以 是数字的，也有模拟的；大范围定位可以用 GPS 模块，也是现成的；至于什么红外，蓝牙，甚 至计算机视觉都可以去市场上买，但是（然而）为什么做一个移动机器人还是这么难呢？尤其是 对一个新手而言。一个老外说过，硬件是现成的，软件算法杂志里有的是，很多可以在网上当， 但即使是一个博士生也要花费很长的时间完成一个实际可用的移动机器人。为什么？因为机器人 使用的困难在使用软件的设计上。前面那个老外也说过，现在什么都可以在网上当，唯独使用程 序不能。有过自己写移动机器人程序的人可能会理解这段话，当然也仅仅是可能，因为不排除有 很多机器人大拿一上来就可以写出很棒的移动机器人软件。
移动机器人的控制软件开发是和硬件紧密相关的，甚至和机器人的体系结构也密切相关，同样是 移动机器人，有的是用 PC 控制的，有的是用多个嵌入式系统实现的，有的则是多机器人协同工 作的，操作系统有人会用 DOS，有人会用 Windows，有人会用 Linux，有人会用 Embeded Operation System。硬件平台有的用 x86，有的用 ARM 芯片，有的会用 DSP，通讯里面会 有串口，TCP/IP 网络，无线以太网，红外，蓝牙等，甚至驱动机构也不一样，有的是用腿，有

机器人习题答案(开卷必备)

课程考试复习题及参考答案 一、名词解释题： 1. 自由度：指描述物体运动所需要的独立坐标数。 2. 机器人工作载荷：机器人在规定的性能范围内，机械接口处能承受的最大负载量（包括手部）。 3. 柔性手：可对不同外形物体实施抓取，并使物体表面受力比较均匀的机器人手部结构。 4. 制动器失效抱闸：指要放松制动器就必须接通电源，否则，各关节不能产生相对运动。 5. 机器人运动学：从几何学的观点来处理手指位置与关节变量的关系称为运动学。 6. 机器人动力学：机器人各关节变量对时间的一阶导数、二阶导数与各执行器驱动力或力矩之间的关系， 即机器人机械系统的运动方程。 7. 虚功原理：约束力不作功的力学系统实现平衡的必要且充分条件是对结构上允许的任意位移（虚位移） 施力所作功之和为零。 8. PWM 驱动：脉冲宽度调制（Pulse Width Modulation ）驱动。 9. 电机无自转：控制电压降到零时，伺服电动机能立即自行停转。 10. 直流伺服电机的调节特性：是指转矩恒定时，电动机的转速随控制电压变化的关系。 11. 直流伺服电机的调速精度：指调速装置或系统的给定角速度与带额定负载时的实际角速度之差，与给 定转速之比。 12. PID 控制：指按照偏差的比例（P , proportional ）、积分（I, integral ）、微分（D, derivative ）进行控制。 13. 压电元件：指某种物质上施加压力就会产生电信号，即产生压电现象的元件。 14. 图像锐化：突出图像中的高频成分，使轮廓增强。 15. 隶属函数：表示论域U 中的元素u 属于模糊子集A 的程度，在[0, 1]闭区间内可连续取值。 16. BP 网络：BP (Back Propagation)神经网络是基于误差反向传播算法的人工神经网络。 17. 脱机编程：指用机器人程序语言预先进行程序设计，而不是用示教的方法编程。 18. AUV ：Autonomous Underwater Vehicle 无缆自治水下机器人，或自动海底车。 二、简答题： 1.机器人学主要包含哪些研究内容 答：机器人研究的基础内容有以下几方面：(1) 空间机构学；(2) 机器人运动学；(3) 机器人静力学；(4) 机器人动力学；(5) 机器人控制技术；(6) 机器人传感器；(7) 机器人语言。 2.机器人常用的机身和臂部的配置型式有哪些 答：目前常用的有如下几种形式：(1) 横梁式。机身设计成横梁式，用于悬挂手臂部件，具有占地面积小，能有效地利用空间，直观等优点。(2) 立柱式。多采用回转型、俯仰型或屈伸型的运动型式，一般臂部都可在水平面内回转，具有占地面积小而工作范围大的特点。(3) 机座式。可以是独立的、自成系统的完整装置，可随意安放和搬动。也可以具有行走机构，如沿地面上的专用轨道移动，以扩大其活动范围。(4) 屈伸式。臂部由大小臂组成，大小臂间有相对运动，称为屈伸臂，可以实现平面运动，也可以作空间运动。 3.拉格朗日运动方程式的一般表示形式与各变量含义 答：拉格朗日运动方程式一般表示为： d d L L τt q q ????- = ????? & 式中，q 是广义坐标；τ是广义力。L 是拉格朗日算子，表示为 L K P =- 这里， K 是动能；P 是位能。 4.机器人控制系统的基本单元有哪些 答：构成机器人控制系统的基本要素包括： (1) 电动机，提供驱动机器人运动的驱动力。(2) 减速器，为了增加驱动力矩、降低运动速度。(3) 驱动电路，由于直流伺服电动机或交流伺服电动机的流经电流较大，

多移动机器人编队控制

基于Multi-Agent的多机器人编队控制 摘要：多移动机器人协调是当前机器人技术的一个重要发展方向。多移动机器人之间的协调与 合作将大大提高机器人行为的智能化程度，完成由单个机器人难以完成的更加复杂的作业。多 移动机器人协调技术的研究对提高机器人的智能化水平及加快机器人的实用化进程具有重要的 理论研究意义和实用价值。本文结合多智能体技术对多机器人编队控制进行了研究，同时根据 具体的多机器人系统，进行了仿真实验。验证了多智能体技术在机器人编队控制系统中的应用，完成了小规模的编队控制。 关键词：多智能体；多机器人；编队控制；协调控制；模糊控制 Multi-robot Formation Control Based on Multi - Agent Abstract :The problem of multi-robot cooperation and coordination is central to mobile robotics. Cooperation and coordination will improve the intelligent performance of robots and can complete lots of impossible missions for single robot.The research on multi-robot cooperation and coordination is of great academic and applied significance. The multi-robot formation is developed combined with the multi-agent technology in this dissertation, and the simulation is done with the multi-robot system. The application of multi-agent is verified in the multi-robot formation control through a small system adopt the fomation control. Key words: Multi-agent ;Multi-robot ;Formation control;Coordination control;Fuzzy control 1. 国内外机器人系统发展现状 自80年代末以来，基于多智能体系统理论研究多机器人协作受到了普遍的关注，从军事领域到工业与民用领域，从星际探险到海底考察，从比赛到教学，都取得了不同程度的进步。近年来，在IEEE R&A,IROS等著名的国际机器人学术会议上，几乎每次会议都有多智能体协作机器人系统的专题。一些机器人学术刊物出版了有关多智能体机器人的研究专辑。一些研究项目，如ACTRESS,CEBOT,GOFER,SWARM等，已进行了多年[1]。 目前，国内关于群体机器人系统的研究刚刚起步，基本上还处于基础技术的研究阶段，这方面的研究成果报道比较少。中科院沈阳自动化所机器人开放研究实验室是国内研究多机器人技术较早也较全面的科研单位。 (1)CEBOT(Cellular Robotic System) CEBOT是一种自重构机器人系统(Self-Reconfigurable Robotic System)，它的研究是受生物细胞结构的启发，将系统中众多的具有相同和不同功能的机器人视为细胞元，这些细胞元可以移动，寻找和组合。 根据任务或环境的变化，细胞元机器人可以自组织成器官化机器人，多个器官化机器人可以进一步自组织，形成更加复杂的机器人系统。细胞结构机器人系统强调是单元体的组合如何根据任务和环境的要求动态重构。因此，系统具有多变的构型，可以具有学习和适应的系统智能(Group Intelligence)，并具有分布式的体系结构[3]。 (2)ALLANCE/L-ALLANCE系统

基于行为设计的自主式小型移动机器人系统研究详细摘要(正式)

基于行为设计的自主式小型机器鼠系统研究 学生：谢群指导老师：周伦 单位：机械工程学院机械工程与自动化2003级 摘要 移动机器人是近年来发展起来的一门综合学科，集中了机械、电子、计算机、自动控制以及人工智能等多学科最新研究成果，代表了机电一体化的最高成就。移动机器人在工业生产中常用来完成运输和上下料等任务，同时也被广泛用于农业、医疗等不同行业。 在移动机器人相关技术研究中，路径规划技术是一个重要研究领域[17]。本文首先初步讨论总结了目前主要的路径规划技术。从基于事例、基于环境模型和基于行为三个方面全面而系统地综述了移动机器人路径规划技术的研究现状，对于目前普遍采用的路径规划方法及其实际应用情况进行了较为详细介绍和分析。 基于行为的方法是由MIT的Brooks在他著名的包容式结构[42]中建立，它是一门从生物系统得到启发，而产生的用来设计自主机器人的技术，也是本文所重点研究的目标。它采用类似动物进化的自底向上的原理体系，尝试从简单的智能体来建立一个复杂的系统。将其用于解决移动机器人路径规划问题是一种新的发展趋势，它把导航问题分解为许多相对独立的行为单元，比如跟踪、避碰、目标制导等。这些行为单元是一些由传感器和执行器组成的完整的运动控制单元，具有相应的导航功能，各行为单元所采用的行为方式各不相同，这些单元通过相互协调工作来完成导航任务。 基于行为的机器人学反对抽象的定义, 因此采用具体化的解释更适合该领域的哲学思想。基于行为的机器人学的重要研究内容是系统结构而不是算法, 基于行为设计的机器人在非结构化动态环境中的性能非常优越，用基于符号的机器人学设计的类似机器人无法达到如下性能: a.高速度,高灵活性。在动态复杂环境中的移动速度很快； b.高鲁棒性。可以承受局部损坏； c.高效性。软件代码可以是传统的几百分之一,硬件可以是传统的几十分之一； d.经济性。价格是传统的十几分之一； e.可扩展性。很少改变原有系统便可增加性能； f.可靠性。分布式自组织并行工作,可靠性强。 为进一步研究基于行为的规划方法，而引入一个真实环境及任务模型，即IEEE每年举办的微型机器鼠比赛，通过设计基于行为的机器鼠模型论证该算法的可行性。此项比赛要求机器人能

移动机器人控制系统设计

? 197 ? ELECTRONICS WORLD?技术交流 移动机器人控制系统设计 广东工业大学 侯晓磊 随着移动机器人在人们社会生活中的地位不断提高，设计一种 可靠、稳定的机器人控制系统越发的变得重要起来，以NI公司的MyRIO控制器以其安全可靠、编程开发简单而脱颖而出。本文基于上述控制器、L298N电机驱动芯片Labview设计一种移动机器人控制软硬件系统系统，经验证，该系统运行稳定、可靠、高效。 1.前言 新一轮科技革命引发新一轮产业革命。“互联网+制造”构建工业4.0，智能制造成为我国由制造大国向制造强国转变的关键一步，移动机器人作为智能制造中的一个组成部分，作用越发的变得举足轻重。本文给出一种以MyRIO+L298N+Labivew的移动机器人控制系统。 2.IN MyRIO控制器 NI myRIO是NI最新设计的嵌入式系统设计平台。NI myRIO中内含双核ARM Cortex-A9，实时性高，并且还可以便捷定制FPGA I/ O，给开发设计人员提供更好的设计复杂系统的平台。 NI myRIO作为可重配置控制器具有以下重要特点： 易于上手使用：引导性安装和启动界面可使开发人员更快地熟悉操作，协助开发人员快速了解工程概念，完成设计任务。编程设计简单，利用实时应用、内置WiFi等功能，开发人员可以实现远程部署应用，“无线”操控。 板载资源众多：有丰富的数字I/O接口，提供SPI串行外设接口、PWM脉宽调制输出端口、正交编码器输入端口、UART异步收发器端口和I2C总线接口、多个单端模拟输入、差分模拟输入和带参考的模拟输入等可供选择的资源。 另外，NI MyRIO还提供可靠性能较好的控制器保护电路，防止由于意外操作造成控制器不可恢复性损坏，总之，NI MyRIO为开发人员提供了一个编程简易，设计电路方便，不用刻意担心意外操作而影响控制器使用的平台。 3.L298N电机控制芯片 L298N是一种用来驱动电机的集成电路，可以较稳定的输出平稳电流和较强的功率。工作均电流为2A，最高可达4A，最高输出电压为50V，能够带动带有感性元件的负载。控制器可以直接通过输入输出口与电机驱动芯片联接，从而方便控制驱动芯片的输出。如将芯片驱动直流电机时，可以直接与步进电机相联接，通过调节控制器输出实现步进电机的的正反转功能当控制直流电机时，可以通过调节控制芯片的电压信号的极性，PWM波的占空比，从而实现直流电机转速和转向的调节。4.系统硬件部分设计 系统采用MyRIO整体框架，外围增设电机驱动电路、避障驱动电路、里程计电路、液晶显示电路、陀螺仪电路。通过MyRIO主控制发送控制信号驱动移动机器人运动，实时通过外围传感器获取位置信息反馈给主控制 器，然后控制器通过闭环系统调节当前位置以保证对目标位置的追踪。 图1 5.系统软件部分设计 系统软件部分采用经典控制理论的闭环控制系统，将电机、主控制器和外设传感器构成闭环系统，通过调节闭环统的参数，来使 移动机器人以较小偏差追踪按照预定轨迹。 图2 6.结束语 本文介绍了基于NI MyRIO控制器设计移动机器人控制系统，通过仿真和实物测试，能较好的完成对任务的追踪踪。 参考：From Student to Engineer:Preparing Future Innova-tors With the NI LabVIEW RIO Architecture https://www.wendangku.net/doc/4515514626.html,.2014-04-01；王曙光,袁立行,赵勇.机器人原理与设计.人民邮电出版社,2013 。

本科毕业论文-—基于向量场直方图的移动机器人避障方法研究

本科毕业设计（论文） 题目：（中文）基于向量场直方图的移动机器人避 障方法研究 （英文）STUDY OF OBSTACLE AVOIDANCE FOR THE MOBILE ROBOT BASED ON VECTOR FIELD HISTOGRAM

诚信承诺 我谨在此承诺：本人所写的毕业论文《基于向量场直方图的移动机器人避障方法研究》均系本人独立完成，没有抄袭行为，凡涉及其他作者的观点和材料，均作了注释，若有不实，后果由本人承担。 承诺人（签名）： 年月日

基于向量场直方图的移动机器人避障方法研究 摘要 【摘要】移动机器人广泛应用于工业生产加工制造中，尤其在危险和恶劣的环境中可以用机器人代替人工操作减少损失。避障技术在移动机器人的发展中起着至关重要的作用，避障方法有很多种，本文是基于向量场直方图的移动机器人避障方法。由于传统的向量场直方图法在给定值太大或太小时都无法安全避障，本文在此基础上，利用激光测距仪所或得的数据首先确定一个可以安全行驶的范围，然后通过算法自动的改变给定值的大小，最终选择最优给定值，通过差分驱动控制使机器人安全避障。并在Robotic Studio仿真系统中建立场景和编程来实现。 【关键词】移动机器人；激光测距仪；向量场直方图；差分驱动；避障

STUDY OF OBSTACLE A VOIDANCE FOR THE MOBILE ROBOT BASED ON VECTOR FIELD HISTOGRAM Abstract 【ABSTRACT】Mobile robots are widely used in industrial production and manufacturing，especially in dangerous and harsh environments they can replace manual operations to reduce losses. Obstacle avoidance technology plays a vital role in the development of mobile robot , There are many ways about obstacle avoidance, this article is the obstacle avoidance method for mobile robot based on the vector field histogram.If the given value is too large or too small the robot can not go through obstacles safely using traditional vector field histogram method. Basing on the VFH, firstly ,determining a range of safe driving use the data from laser range finders.Then changing the given value automatically and choosing the optimal value , finally using the differential drive control method make the robot avoid obstacles successfully.And make it come ture in the Robotic Studio simulated system. 【KEYWORDS】mobile robot；LRF；VFH ; differential drive; obstacle avoidance

移动机器人的自主导航控制

移动机器人的自主导航控制 一、研究的背景 移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。它集中了传感器技术、计算机技术、机械工程、电子工程、自动化控制工程以及人工智能等多学科的研究成果，是目前科学技术发展最活跃的领域之一。随着机器人性能不断地完善，移动机器人的应用范围大为扩展，不仅在工业、农业、国防、医疗、服务等行业中得到广泛的应用，而且在排雷、搜捕、救援、辐射和空间领域等有害与危险场合都得到很好的应用。因此，移动机器人技术已经得到世界各国的普遍关注。 在自主式移动机器人相关技术的研究中，导航技术是其研究核心，同时也是移动机器人实现智能化及完全自主的关键技术。导航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。导航主要解决以下三方面的问题:(l)通过移动机器人的传感器系统获取环境信息;(2)用一定的算法对所获信息进行处理并构建环境地图;(3)根据地图实现移动机器人的路径规划及运动控制。 二、相关技术 移动机器人定位是指确定机器人在工作环境中相对于全局坐标的位置，是移动机器人导航的基本环节。定位方法根据机器人工作环境的复杂性、配备传感器种类和数量等方面的不同而采用多种方法。主要方法有惯性定位、标记定位、GPS定位、基于地图的定位等，它们都不同程度地适用于各种不同的环境，括室内和室外环境，结构化环境与非结构化环境。 惯性定位是在移动机器人的车轮上装有光电编码器，通过对车轮转动的记录来粗略地确定移动机器人位置。该方法虽然简单，但是由于车轮与地面存在打滑现象，生的累积误差随路径的增加而增大，导致定位误差的逐渐累积，从而引起更大的差。 标记定位法是在移动机器人工作的环境里人为地设置一些坐标已知的标记，超声波发射器、激光反射板等，通过机器人的传感器系统对标记的探测来确定机器人在全局地图中的位置坐标。三角测量法是标记定位中常用的方法，机器人在同一点探测到三个陆标，并通过三角几何运算，由此可确定机器人在工作环境中的坐标。标记定位是移动机器人定位中普遍采用的方法，其可获得较高的定位精度且计量小，但是在实际应用中需要对环境作一些改造，添加相应的标记，不太符合真正意义的自主导航。 GPS定位是利用环绕地球的24颗卫星，准确计算使用者所在位置的庞大卫星网 定位系统。GPS定位技术应用已经非常广泛，除了最初的军事领域外，在民用方面也得到了广泛的应用，但是因为在移动导航中，移动GPS接收机定位精度受到卫 星信号状况和道路环境的影响，同时还受到时钟误差、传播误差、接收机噪声

移动机器人常用传感器及相关避障技术介绍

移动机器人常用传感器及相关避障技术介绍 移动机器人是机器人的重要研究领域，人们很早就开始移动机器人的研究。世界上第一台真正意义上的移动机器人是斯坦福研究院（SRI）的人工智能中心于1966年到1972年研制的，名叫Shakey，它装备了电视摄像机、三角测距仪、碰撞传感器、驱动电机以及编码器，并通过无线通讯系统由二台计算机控制，可以进行简单的自主导航。Shakey的研制过程中还诞生了两种经典的导航算法：A*算法（the A* search algorithm）和可视图法（the visibility graph method）。虽然Shakey只能解决简单的感知、运动规划和控制问题，但它却是当时将AI应用于机器人的最为成功的研究平台，它证实了许多通常属于人工智能（AriTIficial Intelligence，AI）领域的严肃的科学结论。从20世纪70年代末开始，随着计算机的应用和传感技术的发展，以及新的机器人导航算法的不断推出，移动机器人研究开始进入快车道。 移动机器人智能的一个重要标志就是自主导航，而实现机器人自主导航有个基本要求避障。下面让我们来了解一下移动机器人的避障，避障是指移动机器人根据采集的障碍物的状态信息，在行走过程中通过传感器感知到妨碍其通行的静态和动态物体时，按照一定的方法进行有效地避障，最后达到目标点。 实现避障与导航的必要条件是环境感知，在未知或者是部分未知的环境下避障需要通过传感器获取周围环境信息，包括障碍物的尺寸、形状和位置等信息，因此传感器技术在移动机器人避障中起着十分重要的作用。避障使用的传感器主要有超声传感器、视觉传感器、红外传感器、激光传感器等。 移动机器人避障常用的传感器 1、激光传感器 激光测距传感器利用激光来测量到被测物体的距离或者被测物体的位移等参数。比较常用的测距方法是由脉冲激光器发出持续时间极短的脉冲激光，经过待测距离后射到被测目标，回波返回，由光电探测器接收。根据主波信号和回波信号之间的间隔，即激光脉冲从

机器人习题答案(开卷必备)

: 课程考试复习题及参考答案 一、名词解释题： 1. 自由度：指描述物体运动所需要的独立坐标数。 2. 机器人工作载荷：机器人在规定的性能范围内，机械接口处能承受的最大负载量（包括手部）。 3. 柔性手：可对不同外形物体实施抓取，并使物体表面受力比较均匀的机器人手部结构。 4. 制动器失效抱闸：指要放松制动器就必须接通电源，否则，各关节不能产生相对运动。 5. 机器人运动学：从几何学的观点来处理手指位置与关节变量的关系称为运动学。 6. 机器人动力学：机器人各关节变量对时间的一阶导数、二阶导数与各执行器驱动力或力矩之间的关系， 即机器人机械系统的运动方程。 7. [ 8. 虚功原理：约束力不作功的力学系统实现平衡的必要且充分条件是对结构上允许的任意位移（虚位移） 施力所作功之和为零。 9. PWM 驱动：脉冲宽度调制（Pulse Width Modulation ）驱动。 10. 电机无自转：控制电压降到零时，伺服电动机能立即自行停转。 11. 直流伺服电机的调节特性：是指转矩恒定时，电动机的转速随控制电压变化的关系。 12. 直流伺服电机的调速精度：指调速装置或系统的给定角速度与带额定负载时的实际角速度之差，与给 定转速之比。 13. PID 控制：指按照偏差的比例（P, proportional ）、积分（I, integral ）、微分（D, derivative ）进 行控制。 14. 压电元件：指某种物质上施加压力就会产生电信号，即产生压电现象的元件。 15. 图像锐化：突出图像中的高频成分，使轮廓增强。 16. 。 17. 隶属函数：表示论域U 中的元素u 属于模糊子集A 的程度，在[0, 1]闭区间内可连续取值。 18. BP 网络：BP (Back Propagation)神经网络是基于误差反向传播算法的人工神经网络。 19. 脱机编程：指用机器人程序语言预先进行程序设计，而不是用示教的方法编程。 20. AUV ：Autonomous Underwater Vehicle 无缆自治水下机器人，或自动海底车。 二、简答题： 1.机器人学主要包含哪些研究内容 答：机器人研究的基础内容有以下几方面：(1) 空间机构学；(2) 机器人运动学；(3) 机器人静力学；(4) 机器人动力学；(5) 机器人控制技术；(6) 机器人传感器；(7) 机器人语言。 2.机器人常用的机身和臂部的配置型式有哪些 ： 答：目前常用的有如下几种形式：(1) 横梁式。机身设计成横梁式，用于悬挂手臂部件，具有占地面积小，能有效地利用空间，直观等优点。(2) 立柱式。多采用回转型、俯仰型或屈伸型的运动型式，一般臂部都可在水平面内回转，具有占地面积小而工作范围大的特点。(3) 机座式。可以是独立的、自成系统的完整装置，可随意安放和搬动。也可以具有行走机构，如沿地面上的专用轨道移动，以扩大其活动范围。(4) 屈伸式。臂部由大小臂组成，大小臂间有相对运动，称为屈伸臂，可以实现平面运动，也可以作空间运动。 3.拉格朗日运动方程式的一般表示形式与各变量含义 答：拉格朗日运动方程式一般表示为： d d L L τt q q ????- = ????? 式中，q 是广义坐标；τ是广义力。L 是拉格朗日算子，表示为 L K P =-