移动机器人的自主导航
移动机器人的自主导航
一、研究的背景
二、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。
三、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。
四、相关技术
五、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。
六、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。
七、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，
八、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。
九、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、接收机噪声等诸多因素的影响，因此，单纯利用GPS定位精度比较低、可靠性不高，所以在机器人的导航应用中通常还辅以磁罗盘、光码盘与GPS数据进行
融合，提高导航精度。另外，GPS定位系统也不适用于室内或者水下机器人的导航中以及对于位置精度要求较高的机器人系统。基于环境地图模型匹配定位是指移动机器人通过自身的传感器系统，探测周围环境，利用感知到的局部环境信息和一定的算法进行局部地图构建，并将建立的局部地图与其内部事先存储的全局地图进行匹配，从而实现定位。这种定位方法常用于移动机器人的全局定位。
十、 2.2移动机器人的地图构建
十一、由于路径规划和许多定位方法都是基于环境地图，所以构建并维护一个环境地图也是自主导航中的一个重要内容。机器人利用对环境的感知信息对现实世界进行建模，自动地构建一个地图。典型的地图表示方法有概率栅格地图、拓扑地图和几何特征地图三种。
十二、 2.2.1栅格地图
十三、栅格地图是在机器人系统中得到广泛应用的一种地图描述方法。首先由Elfes
十四、和Moravec依据“occuPancygridmaPPing’’算法提出的，在机器人的路径规划、导航、避障控制、位姿估计中均得到了广泛应用，并成为一种通用的移动机器人地图描述方法。栅格地图是一种表示静态环境的方法，用每一个栅格被占据的概率值来表示环境信息，栅格地图很容易创建和维护，即使使用精确度不高的声纳传感器也可以创建栅格地图来表示环境信息，但是栅格地图最大的缺点就是精确度不高，信息存储量高。在环境规模比较大或者对环境划分比较详细的情况下，栅格地图的维护所占用的内存和CPU资源迅速增长，使得计算机的实时处理变得很困难。
十五、 2.2.2拓扑地图
十六、拓扑地图由Brooks，Mataric等学者提出110一川。在表示环境地图时，它并没有一个明显的尺度概念，而是选用一些特定的地点来描述环境信息。拓扑地图通常表示为一个图表，图中的节点表示一个特定地点，连接节点的弧用来表示特定地点之间的路径信息。拓扑地图对于结构化的环境是一个很有效的表示方法，这里有更多的特定地点。相反，在非结构化环境中，地点的识别将变得非常复杂。如果仅仅以拓扑信息进行机器人定位，机器人将很快迷失方向和位置。另外，为了更好地表示环境模型，出现了混合拓扑和尺度地图的表示方法，通过加入尺度信息来补偿拓扑信息。这样的地图表示方法具有拓扑地图的高效性，尺度地图的一致性和精确性。
十七、 2.2.3几何特征地图
十八、几何特征地图由一组环境特征组成，每一个路标特征用一个几何原型来近似。这种地图只局限于表示可参数化的环境路标特征或者可建模的对象，如点、线、面。由于以几何位置关系来表示环境地图，所以为了保证地图的一致性，要求各观测位置是相对精确的。对于结构化的办公室环境，用一些几何模型来表示环境空间是可行的。用线段来拟合室内的墙面，用点来拟合墙角、桌子角等。对于室外道路环境，可以用点特征来表示道路两侧的大树位置。几何特征
地图中特征的提取需要对感知信息做额外的处理，且需要大量的感知数据才能得到结果。
十九、 1.2.3移动机器人路径规划技术
二十、不论采用何种导航方式，智能移动机器人主要完成路径规划、定位和避障等任务。路径规划是自主式移动机器人导航的基本环节之一。它是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无障路径。根据机器人对环境信息掌握的程度不同，可分为两种类型:环境信息完全可知的全局路径规划和环境信息完全未知或部分未知，通过传感器在线地对机器人的工作环境进行探测，以获取障碍物的位置、形状和尺寸等信息的局部路径规划。
二十一、 2.3.1全局路径规划
二十二、全局路径规划的主要方法有:可视图法、栅格法今和拓扑法等。所谓图，就是用弧连接节点的数据结构，节点代表机器人的位置，弧代表移动机器人在两个位置间的移动线路。可视图法将机器人、目标点和多边形障碍物的各顶点视为节点。并将机器人、目标点和多边形障碍物的各顶点进行组合连接，连接的直线视为弧，机器人和障碍物各顶点之间、目标点和障碍物各顶点之间以及各障碍物顶点与顶点之间的连线均不能穿越障碍物，即直线是可视的。因此，可视图法可将最优路径搜索问题转化为在这些直线中搜索从起始点到目标点的最短距离问题是全局路径规划中一种经典的方法。其常用的有Thngeni图法和Voronoi图法。可视图法虽然给复杂的路径规划问题提出了一种可行的方法，但本身也存在其灵活性和实时性不高的问题。由于传统的丁hngeni图法要求移动物体沿着障碍物的边缘移动，所以当物体可以旋转时，最短路径非常容易受到物体模型的影响而不精确。而voronoi图法可有效的解决Thngeni图法在三维空间中的缺陷。几ngeni图，
二十三、如图1.1所示，用障碍物的切线表示弧，因此是从起始点到目标点的最短路径的图。
二十四、图1.2用尽可能远离障碍物和墙壁的路径表示弧。因此从起始节点到目标节点的路径将会增长，但可以有效的提高机器人移动过程中的安全系数。
此外，如果环境中障碍物过多，可视图法的复杂性迅速增加，为了提高系统的实时性，可以采用优化算法删除一些不必要的连线，如DynamicVisibihtyGr即h 方法和T-Veetors方法等。栅格法是移动机器人以构建好的全局栅格地图做为先验信息，按照一定的约束算法而规划出一条从起始点到目标点的最优路径。
由于该方法是基于栅格地图的，因此路径规划的实时性和精确性往往受到栅格地图的制约。若栅格过小，分辨率虽高，但抗干扰性差，由于存储的信息量大，处理时间长而导致实时性较差;栅格越大，其抗干扰性越强，实时性好，但存在分辨率低，路径规划不精确的缺点。所以如何选择合适的栅格，保证路径规划的实时性和准确性是其研究的主要问题。拓扑法是基于拓扑地图实现路径规划的一种方法。拓扑法基本思想是降维法，即将在高维几何空间中求路径的问题转化为低维拓扑空间中判别连通性的问题。优点在于利用拓扑特征大大缩小了搜索空间。算法复杂性仅依赖于障碍物数目，理论上是完备的。缺点是建立拓
扑网络的过程相当复杂，特别在增加障碍物时如何有效地修正己经存在的拓扑网是有待解决的问题。
二十五、 2.3.2局部路径规划技术局部路径规划的主要方法有:人工势场法、模糊逻辑算法、遗传算法等。人工势场法是由肠atib提出的一种虚拟力法，其基本思想是建立一种虚拟力，将机器人在未知环境中的运动视为在人工虚拟力场中的运动，即目标对被规划对象存在吸引力，而障碍物对其有排斥力，引力与斥力的合力作为机器人运动的加速力，从而计算机器人的位置和控制机器人的运动方向。势场法结构简单，便于低层的实时控制。但它存在陷阱区域以及在相近的障碍物群中不能识别路径等缺点。模糊逻辑算法是通过对驾驶员的工作过程观察研究得出的。驾驶员的避碰动作并不是对环境信息的精确计算来完成的，而是根据比较模糊的环境信息，靠经验来决策采取什么样的操作。模糊逻辑算法基于实时传感器的信息，参考人的驾驶经验，通过查表得到规划出的信息，完成局部路径规划。该法克服了势场法易产生局部极小的问题。而且计算量小，易做到边规划边跟踪，适用于时变未知环境下的路径规划，实时性较好。
二十六、遗传算法是Holfand教授于1962年首先提出的。遗传算法是一种基于自然选
二十七、择和基因遗传学原理的搜索算法。遗传算法借鉴物种进化的思想，将欲求解的问题进行编码，每一个可能解均被表示成字符串的形式，初始化随机产生一个种群的候选群，种群规模固定为N，用合理的适应度函数对种群进行性能评估，并在此基础上进行繁殖、交叉和变异遗传操作。适应度函数类似于自然选择的某种力量，繁殖、交叉和变异这三个遗传算子则分别模拟了自然界生物的繁衍、交配和基因突变。多数优化算法都是单点搜索算法，很容易陷入局部最优，而遗传算法却是一种多点搜索算法，因而更有可能搜索到全局最优解。在复杂环境下，遗传算法也存在导致进化缓慢、易产生非法个体及进化效率不高的问题。对于移动机器人而言，导航能力是其最重要的功能之一，机器人首先要求避免危险情况如碰撞等，将机器人停留于安全的操作环境下;其次需具备完成到环境中某一特定位置执行特定任务的能力。通常移动机器人导航问题可总结为“在哪里?”、“去哪里?”、“怎么去?”三个问题。为解决上述三个问题，通常涉及以下三方面研究:①地图创建和地图识别解释，即用有效表示模型，将移动机器人环境遍历过程中获取的环境信息储存记忆;②自定位(self-focalization)，确定移动机器人在地图中当前位置信息;③路径规划(PathPlanning)，给定当前位置和目标信息，选择最优运动控制序列驱动机器人到达目标位置。地图表示模型和地图创建机器人地图可以分为两大类:几何地图和拓扑地图。几何地图又可分为栅格地图和特征地图。栅格地图将空间环境地图划分为若干规则方格，根据传感器获取的环境信息，采用有效的传感器几何模型确定当前栅格区域是否被占用。由于测距传感器几何模型不精确问题和环境的干扰影响，人们先后提出了基于声纳和激光信息融合的栅格概率计算模型、MuRIE栅格模型、基于反馈神经网络模型的栅格概率计算方法、改进型模糊自调整栅格地图模型、前向传感器模型，减少传感器存在的镜面反射、测量数据冗余、随机性误差等影响。
Ribo.M等分析了Bayesian概率模型、D一S证据理论、模糊集三种栅格地图更新模型的优缺点。特征地图由一系列包含位置信息的特征组成【，7]。特征地图创建主要包括特征检测、特征匹配和更新三个方面。特征的选择非常广泛，
多面体、平面体、直线、角点、目标边缘等均可作为地图特征，如Ayache等采用三目立体摄像机获取环境中的直线段信息，Leonard等提出Ren模型提取固定特征，Ipv.Lip等采用EAFc算法从原始声纳测量数据中提取线段特征，Tardos 等用Hough变换实现特征的提取。多传感器融合是提高特征检测能力的重要手段，castellanos等对激光和摄像机数据在特征级进行融合;wijk等用三角融合测量方法TBF提取点目标口]，choset等[55l提出ATM模型实现点特征的精确提取。特征地图的匹配和更新模型常见的有kalman模型、粒子滤波器等，详见论文第六章。
二十八、拓扑地图由环境中特征位置或区域组成的节点及其连接关系组成[’]。
拓扑地
二十九、图节点的定义和识别是首要问题，它可以由操作人员直接定义或由机器人系统自动生成。第一种定义方法是人为预定节点标志，通常选择走廊、门、墙和角点等来完成空间环境的定义。第二是特定位置法，即根据特定位置的环境信息定义节点。KuiPers等通过采用爬山法寻找局部唯一特征点，利用外部传感器感知的环境信息定义节点。Kortenkamp等提出用入口(gateway)作为节点标志等。第三种节点定义为，传感器测量值相似的区域，如Nehmzow等直接根据栅格直方图信息进行节点定义f64一66]，Ulrich等基于图像信息进行节点识别和定义。拓扑地图中节点之间的关系可以分为:①邻接关系，即可从一个节点直接到另一节点163，67];②相对几何关系，即根据机器人内部传感器如里程计和方向盘信息，确定节点之间的相对几何位置。③绝对位置关系，即每个节点被指定全局位置坐标。④隐含连接，节点之间的关系由包含有通用路标的节点推测获得。根据连接关系信息，移动机器人可从一个节点区域运动到另一节点区域，从而更有利于高级任务处理如导航和规划等。拓扑地图的创建有两种方式，一种是直接根据传感器信息和机器人运动模型创建，另一种是从几何地图(特别是栅格地图)提取节点和连接关系，如常见的广义voronoi图法和四叉树法
(2)自定位(self-loealization)GPS全球定位系统有效解决了“我在哪里”的问题，然
而该定位系统对于室内机器人或者微型机器人而言，其定位精度难以达到要求，而且GPS系统在室内或者障碍物密集区域也受到很大限制，因此需要研究其他的定位方案。定位问题有3种形式:①局部跟踪:如果机器人的初始姿态已知，则定位就一个跟踪问题，跟踪问题可以通过有界的不确定性加以描述;②全局定位，其中机器人初始位置完全未知，必须在全局不确定条件下进行机器人定位;③绑架问题，即机器人在运动操作过程中，被人为搬运至任意位置区域下的定位问题，该种情况通常用于测试极端条件下定位方法的鲁棒性。目前，常用的定位方法有基于Kalman滤波器的跟踪定位模型、Markov概率定位模型、基于粒子滤波器的蒙特卡罗定位模型等。卡尔曼滤波器是定位定位算法中最主要手段之一，它用高斯分布表示后验概率。为解决定位过程中测量模型的非线性问题，人们提出了扩展Kalman模型。当机器人移动时，位置估计的不确定性在增大，当感知到一个己知位置陆标的距离和方向时，它的误差就减少。如果陆标容易辨识且唯一，EKF算法效果比较好，否则后验概率分布可能是多峰的。为解决这一问题，人们提出多假设分布模型(multiple一hypothesismodel)，基于此模型机器人不是仅跟踪单一可能分布，而是同时维护多个可能分布的跟踪，即使有一个分布是完全错误，也不会影响整个定位跟踪算法，因此具有较高的鲁棒性。长期以来，卡尔曼滤波作为定位方法一直占据着绝对地位。直到TomDean
和同事以及simmons和Koenig的工作，定位问题的一般概率形式化表示马尔科夫定位(MarkovLocalization)才开始出现。Burgard.w和Fox.o等人通过在博物馆中使用的一系列机器人证明了方法的有效性。马尔可夫定位利用任意概率密度函数表示机器人位置，跟踪机器人的信任度状态。实际上所有己知的马尔可夫定位系统首先将机器人的配置空间网格化为地图中有限的、离散数目的可能机器人姿态，依此来实现通用的信任度表示。相对于Kalman滤波器定位方法，马尔可夫定位方法可轻松处理多模态分布问题，并且即使机器人初始位置完全未知情况下，也从全局角度估计机器人位置分布，最终实现机器人的全局定位。
然而在跟踪定位的效率方面不如Kalman滤波器方法。目前马尔可夫定位模型研究通常分为基于环境拓扑表示的定位模型和基于几何栅格地图的拓扑定位
研究。粒子滤波器具有可逼近任意概率分布的特性，并且计算简单方便，与传统卡尔曼滤波器方法、马尔可夫算法相比，具有其特定的优越性。Dellaert、Fox 等分别独立提出将粒子滤波器应用于移动机器人定位研究中，即蒙特卡洛定位算法(Monte一CarloLoealization，MCL)。此后算法被研究人员广泛采用和扩展，迅速成为继EKF模型、马尔可夫模型后移动机器人定位领域的一个新的研究热点。McL定位算法集成了机器人感知模型和运动模型，利用N个加权随机采样或粒子集合表示机器人位姿后验估计概率。机器人运动过程中，不断生成机器人位姿的采样集合，根据粒子滤波器实现对机器人状态的预测和更新，通过多次迭代处理来精确逼近位姿的后验分布估计。MCL为在线算法，可作为Any-time 算法应用，而定位精度与时间相关，采样集合的尺寸在计算精度和计算复杂度之间达到一种平衡。相对于其他定位方法，基于采样表示MCL方法的优点如下:①与卡尔曼滤波器方法相比，可以表示多模分布，并可实现机器人的全局定位;②与基于栅格的马尔可夫定位方法相比，能以相当高的频率集成测量数据;③与固定尺寸栅格单元的马尔可夫定位方法相比，具有更高的定位精度，原因在于采样中对应的状态表示没有被离散化;④易于实施。然而粒子滤波器算法也存在不足，其原因在于估计的随机性。例如，如果采样集的尺寸较小，机器人可能仅因为MCL没能够生成正确位置的一个采样而导致失去对其位置的跟踪。算法也不适用于机器人绑架问题，因为一旦机器人处于绑架状态，则可能在机器人新位姿附近没有合适的采样。因此，当传感器不足够准确时，上述基本的MCL
算法性能会急速下降。极端情况下，常规MCL算法在传感器信息无噪声干扰时也会失败。为避免和减少常规MCL算法的缺陷，研究人员提出了多种改进方案，如混合McL算法、实时粒子滤波器方、辅助粒子滤波器等。
三十、(3)路径规划
三十一、不论采用何种导航方式，智能移动机器人主要完成路径规划、定位和避障等任务。路径规划是自主式移动机器人导航的基本环节之一。它是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。根据机器人对环境信息知道的程度不同，可分为两种类型:环境信息完全知道的全局路径规划和环境信息完全未知或部分未知，通过传感器在线地对机器人的工作环境进行探测，以获取障碍物的位置、形状和尺寸等信息的局部路径规划。
全局路径规划包括环境建模和路径搜索策略两个子问题。根据不同的地图模型，路径规划可分为两类:基于图结构的路径规划、基于波阵面的路径规划。对于图结构的路径规划，通常依赖于环境结构的拓扑图表示，如可视图法(v一GraPh)、自由空间法(FreespaeeAPproaeh)和四叉树法等(Grids)等。在该类以拓扑地图表
示的路径规划中，通常可直接采用基于图的最优路径计算方法获取路径信息，如A*算法、D*算法。可视图法以机器人为一点，将机器人、目标点和多边形障碍物的各顶点进行组合连接，要求机器人和障碍物各顶点之间、目标点和障碍物各顶点之间以及各障碍物顶点与顶点之间的连线，均不能穿越障碍物，即直线是可视的。搜索最优路径的问题就转化为从起始点到目标点经过这些可视直线的最短距离问题。广义Voronoi图法和切线图法对可视图法进行了改进，其中Voronni图的基本思想是产生与所有边界点等距的线，而这些线的走向是沿着走廊或开口的中间，沿该线运动不会与任何障碍物冲突。切线图用障碍物的切线表示弧，因此是从起点到目标点的最短路径的图，即机器人必须几乎接近障碍物行走。自由空间法应用于机器人路径规划，采用预先定义的如广义锥形和凸多边形等基本形状构造自由空间，并将自由空间表示为连通图，通过搜索连通图来进行路径规划。该法比较灵活，起始点和目标点的改变不会造成连通图的重构，但算法的复杂程度与障碍物的多少成正比，且不是任何情况下都能获得最短路径。四叉树或八叉树表示通常是将标准栅格地图转化为图的形式，并通过优化算法完成路径搜索。波阵面传播型规划器(WaVe一frontTransform)很适合栅格类型地图的规划处理。其基本原理是:波阵面把结构空间视为一种导热物质，如果存在一个路径，热从起始节点向目标节点传导，热量将最终达到目标节点，同时所有栅格单元到目标的最优路径都可以计算出来，该算法与势场原理相似，让路径自身来表示机器人应该怎么做。该类算法研究比较丰富，在论文的4.3.4节有详细叙述。局部路径规划的主要方法有:人工势场法
(ArtifieialPotentialField)、遗传算法(GenetieAlgorithm)和模糊逻辑算法
(FuzzyLogieAlgorithm)等。人工势场法将机器人在环境中的运动视为一种虚拟的人工受力场中的运动。障碍物对机器人产生斥力，目标点产生引力，引力和斥力的合力作为机器人的加速力，来控制机器人的运动方向和计算机器人的位置。
该法结构简单，便于低层的实时控制，在实时避障和平滑的轨迹控制方面，得到了广泛的应用，但对存在局部最优解的问题，容易产生死锁现象(DeadLock)，因而可能使机器人在到达目标点之前就停留在局部最优点。多数优化算法都是单点搜索算法，很容易陷入局部最优，而遗传算法却是一种多点搜索算法，因而更有可能搜索到全局最优解。由于遗传算法的整体搜索策略和优化计算不依赖于梯度信息，所以解决了路径规划处理中一些其它优化算法无法解决的问题。
但遗传算法运算速度不快，进化众多的规划要占据较大的存储空间和运算时间。
基于实时传感信息的模糊逻辑算法参考人的驾驶经验，通过查表得到规划信息，实现局部路径规划，可克服势场法易产生的局部极小问题，适用于时变未知环境下的路径规划，实时性较好。
三十二、(4)同步地图创建与自定位
三十三、移动机器人地图创建需要机器人位姿和基于当前位姿的外界环境信息。
因此地图创建过程就是机器人对所在环境进行遍历，并将遍历过程中获取的环境信息不断融合累积的过程。地图创建最简单的方法为增进式方案，它包含2个部分:首先利用当前地图估计机器人位置，然后当机器人获取新的信息时对当前估计位置周围区域进行局部地图更新。然而在未知环境下的实时地图创建中，增进式地图创建方案显然不能满足需要。因为机器人运动存在累积误差，仅依靠运动控制信息不能确定机器人位姿，需根据地图中的外部环境信息不断进行校正定位;而地图构建过程又依赖于精确的位姿信息，两过程相互矛盾与依赖，
必须同时考虑，即要求实现同步地图创建和定位。作为移动机器人研究的核心问题，近20年来SLAM研究吸引了全世界范围内大批研究人员的参与，并已经取得系列重要研究成果。方法主要可分为:基于Kalman滤波器的跟踪方法;基于EM算法的全局优化方法;基于Parti。!efilters的SLAM算法;此外，研究人员也提出了基于上述算法的混合方案，以及基于其他计算智能方法的SLAM方案。上述研究为SLAM问题奠定了基本理论框架和研究基础，但是仍然存在很多难题。1
移动机器人导航技术总结
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。
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
移动机器人视觉导航
移动机器人视觉导航。 0504311 19 刘天庆一、引言 智能自主移动机器人系统能够通过传感器感知外界环境和自身状态，实现在有障碍物环境中面向目标的自主运动，从而完成一定作业功能。其本身能够认识工作环境和工作对象，能够根据人给予的指令和“自身”认识外界来独立地工作，能够利用操作机构和移动机构完成复杂的操作任务。因此，要使智能移动机器人具有特定智能，其首先就须具有多种感知功能，进而进行复杂的逻辑推理、规划和决策，在作业环境中自主行动。机器人在行走过程中通常会碰到并且要解决如下三个问题：（1）我（机器人）现在何处？（2）我要往何处走？（3）我要如何到达该处？其中第一个问题是其导航系统中的定位及其跟踪问题，第二、三个是导航系统的路径规划问题。移动机器人导航与定位技术的任务就是解决上面的三个问题。移动机器人通过传感器感知环境和自身状态，进而实现在有障碍物的环境中面向目标自主运动，这就是通常所说的智能自主移动机器人的导航技术。而定位则是确定移动机器人在工作环境中相对于全局坐标的位置及其本身的姿态，是移动机器人导航的基本环节。 目前，应用于自主移动机器人的导航定位技术有很多，归纳起来主要有：安装CCD 摄像头的视觉导航定位、光反射导航定位、全球定位系统GPS(Global Positioning System)、声音导航定位以及电磁导航定位等。下面分别对这几种方法进行简单介绍和分析。 1、视觉导航定位 在视觉导航定位系统中，目前国内外应用较多的是基于局部视觉的在机器人中安装车载摄像机的导航方式。在这种导航方式中，控制设备和传感装置装载在机器人车体上，图像识别、路径规划等高层决策都由车载控制计算机完成。视觉导航定位系统主要包括：摄像机（或CCD 图像传感器）、视频信号数字化设备、基于DSP 的快速信号处理器、计算机及其外设等。现在有很多机器人系统采用CCD 图像传感器，其基本元件是一行硅成像元素，在一个衬底上配置光敏元件和电荷转移器件，通过电荷的依次转移，将多个象素的视频信号分时、顺序地取出来，如面阵CCD传感器采集的图像的分辨率可以从32×32 到1024×1024 像素等。视觉导航定位系统的工作原理简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。 视觉导航定位中，图像处理计算量大，计算机实时处理的速度要达到576MOPS~5.76BOPS，这样的运算速度在一般计算机上难以实现，因此实时性差这一瓶颈问题有待解决； 另外，对于要求在黑暗环境中作业的机器人来说，这种导航定位方式因为受光线条件限制也不太适应。 当今国内外广泛研制的竞赛足球机器人通常都采用上面所说的视觉导航定位方式，在机器人小车子系统中安装摄像头，配置图像采集板等硬件设备和图像处理软件等组成机器人视觉系统。通过这个视觉系统，足球机器人就可以实现对球的监测，机器人自身的定位，作出相应动作和预测球的走向等功能
移动机器人视觉导航系统研究
北京交通大学 硕士学位论文 移动机器人视觉导航系统研究姓名:王红波 申请学位级别:硕士专业:信号与信息处理指导教师:阮秋琦 20080601 中文摘要 中文摘要 摘要:基于视觉的移动机器人导航是近年发展起来的一种先进导航技术。与其它的非视觉传感器导航相比,它具有信息丰富、探测范围宽、目标信息完整等优点。本文结合实际应用,提出了一个完整的移动机器人视觉导航系统解决方案。研究内容主要包括四个部分:摄像机标定、目标识别、单目测距和运动控制。分别阐述如下: 第一,摄像机标定,基于张正友的平面标定算法对摄像头进行精确标定,针对摄像头的自动变焦特性,提出了一个新的离线离散标定策略,并获得多个状态下的摄像头内外参数。 第二,目标识别,传统分割方法存在多分割问题,影响到目标物提取的精度, 这罩提出一个改进了的基于HSI模型的彩色图像分割算法,在多通道阈值分割的基础上,融入了连通区域标记和形念学开闭运算。 第三,单目测距,基于摄影测量学和立体几何理论,建立了单目视觉测距模型,并推导了基于地平面约束的单目测距算法。针对多种误差因素,在测距算法中加入了误差校币,使移动机器人能够更加准确地定位目标物体。 第四,运动控制,控制摄像机云台实现日标物搜索,调整移动机器人位姿和对夹持器的动作控制。
实验结果表明:即使在恶劣光照条件下,提出的Hs工分割算法能够对向光、背光、近处、远处物体实现快速有效提取;提出的单目测距模型和算法能够对目标物体进行精确的测距;当把这些算法集成到实验平台上时,能够快速实现移动机器人的导航控制,并成功完成物体抓取操作。 关键词:摄像机标定、彩色目标识别、单目视觉测距、移动机器人 分类号:TP 391.41 ABSTRACI' ABSTRACT ABS。I’RAC’1.. In recent years,vision attracts a lot of attention for navigating a mobile robot in dynamic https://www.wendangku.net/doc/aa17445389.html,pared with other sensing systems,visual navigation is excellent and effective.With a visual sensing system,wider view of field,rich and intensive data Can be obtained for a mobile robot moving in a changing environment.In this study,a visual navigation scheme is proposed for a mobile robot to realize object collection,and it comprises of camera calibration,object recognition,monocular measurement and motion control,as stated in the following. Firstly,the technique of camera calibration is presented on the basis of Zhang’S algorithm.Since a PTZ calTlera is used here,it is controlled to move up and down,from left to right,to extend the view of field.Therefore,calibration in different positions is needed,and a new discrete method is proposed here. Secondly,a
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
移动机器人的研究现状与趋势
移动机器人的研究现状与趋势１１５【４３】ＳｈｅｎｇＬ＇Ｇｏｌｄｅｎｂｅ唱ＡＡ．Ｒｏｂｕｓｔｄａｍｐｉｎｇ ｃｏｎ们１ｏｆｍｏｂｉｌｅｍａｌｌｊｐｕｌａｔｏｒｓ嘲．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｍｅｔｉｃｓＰａｎＢ，２００２，３２（１）：１２６．１３２． 【４４】ＳｈｅｎｇＬ，Ｇ０１ｄｅｎｂｅ唱ＡＡ．Ｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｎ乜Ｄｌｏｆｍｏｂｉｌｅｍａｎｉｐｕｌａｔｏｒｓ【Ｊ】．ＩＥＥＥ１ｈｎｓａｃｔｉｏｎｓｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓ，２００ｌ，１２（５）：１１２１．１１３３． 【４５】李磊，叶涛，谭民，等．移动机器人技术研究现状与未来【Ｊ】．机器人，２００２，２４（５）：４７５—４８０． 【４６】徐国华，谭民．移动机器人的发展现状及其趋势【Ｊ】．机器人技术与应用，２００１，（３）：７—１４． ［４７】Ｌ硼ｎｅＥＰａｒｋｅｒ．ＣｏｏｐｅｒａｔｉｖｅＲｏｂｏｔｉｃｓｆｏｒＭｕｌｔｉ＿Ｔａｒｇｅｔ０ｂｓｅｒｖａｔｉｏｎ［Ｊ］．ＩｎｔｅｌｌｉｇｅｎｔＡｕｔｏｍａｔｉｏｎａｎｄＳｏｆｔＣｏｍｐｕｔｉｎｇ，ｓｐｅｃｉａｌｉｓｓｕｃｏｎＲｏｂｏｔｉｃｓＲｅｓｅａｒｃｈａｔＯａｋＲｉｄｇｅＮａｔｉｏｎａｌＬａｂｏｍｔｏｒｙ，１９９９，５（１）：５—１９． ［４８】ＭａｍｒｉｃＭＪ．ＬｅａｍｉｎｇｔｏＢｅｈａｖｅＳｏｃｉａｌｌｙ【Ａ】．ＦｒｏｍＡｎｉｍａｌｓｔ０Ａｎｉｍａｔｓ：ＩｎｔｅｍａｔｉｏｎａｌｃｏｎｆｅｒｅｎｃｅｏｎＳｉｍｕｌａｔｉｏｎｏｆＡｄａｐｔｉｖｅＢｅｈａｖｉｏｒ【ｃ］．１９９４．４５３－４６２． ［４９］ｕｅｙａｍａＴ，Ｆｕｌ（ＩｌｄａＴ．ｓｅｌｆ－ｏ唱ａＩｌｉｚａｔｉｏｎｏｆＣｅｌｌｕｌａｒＲｏｂｏｔｓｕｓｉｎｇＲａｎｄｏｍｗａｌｌ【ｗｉｍｓｉｍｐｌｅＲｕｌｅｓ【Ａ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＩ—ＣＲＡ【ｃ】．１９９３５９５—６００． ［５０】王越超．多机器人协作系统研究［Ｄ】．哈尔滨：哈尔滨工业大学，１９９９． ＰｒｅｓｅｎｔＳｉｔｕａｔｉｏｎａｎｄＦｕｔｕｒｅＤｅＶｅｌｏｐｍｅｎｔ ｏｆＭｏｂｉｌｅＲｏｂｏｔＲｅｓｅａｒｃｈ ｚＨＡＮＧＭｉｎｇ?１ｕ，ＤＩＮＧＣｈｅｎｇ－ｊｕｎ，ＤＵＡＮＰｉｎｇ （ｓｃｈｏｏｌｏｆＭｅｃｈ锄ｉｃａｌＥｎｇｉｎｅｅｒｉｎ舀ＨｅｂｅｉＵｎｉｖｅｒｓ时ｏｆＴｅｃｌｌｎｏｌｏ鼢Ｔｉ柚ｊｉｎ３００１３０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｐｒｅｓｅｎｔｒｅｓｅａｒｃｈｓｉｔｕａｔｉｏｎｏｆｍｏｂｉｌｅｒｏｂｏｔｉｓａｎａｌｙｚｅｄａｎｄｓｕｌ砌ａｒｉｚｅｄｉｎｃｌｕｄｉｎｇｉｔｓｃｏｍｐｕｔｅｒｃｏｎｔｒｏｌｓｙｓｔｅｍ，ｉｎｆｂｍｌａｔｉｏｎｆｕｓｉｏｎｏｆ ｍｕｌｔｉ－ｓｅｎｓｏｒｓ，ｅｎｖｉｒｏｍｅｎｔｒｅｃｏｇＩｌｉｔｉｏｎ，ｒｏｂｏｔＶｉｓｉｏｎ，ｒｏａｄｆｏｌｌｏｗｉｎｇａｎｄｉｎｔｅｌｌｉｇｅｎｔｃｏｎ仃Ｄ１．ＩｎｔｈｅｅｎｄｔｈｅｓｔｕｄｙｔｒｅｎｄｏｆＩＩｍｌｔｉ—ｒｏｂｏｔｃｏｏｒｄｉｎａｔｉｏｎａｎｄｍｏｂｉｌｅｍａｎｉｐｕｌａｔｏｒｉｓｐｏｉｎｔｅｄｏｕｔ． Ｋｅｙｗｏｒｄｓ：ｍｏｂｉｌｅｒｏｂｏｔ；ｉｎｆｂｍａｔｉｏｎｍｓｉｏｎ；ｒｏａｄ ｆｏｌｌｏｗｉｎｇ；曲ｅｌｌｉｇｅｎｔｃｏｎ仃０１；ｍｕｌｔｉ—ｒｏｂｏｔ 作者简介：张明路，工学博士、教授，博士生导师．１９９７年，毕业于天津大学 机械学专业，获博士学位．现任河北工业大学机械工程学院院长，全国高校机器人及自动化学会常务理事，河北省振动工程学会副理事长，“中国机械工程’杂志社编委会理事，天津市自动化技术及应用研究会副秘书长，天津市机械工程学会理事，中国机械工程教育协会高校机电类学科教学委员会委员．近年来承担了国家８６３计划等科研项目多项，发表学术论文３０余篇，其中ｓｃＩ收录３篇，ＥＩ收录１１篇．主页：ｈｔｔｐ：／／ｍｅｓ．ｈｅｂｕｔ．ｅｄｕ．ｃｌｌ／ｉｎｍｅｃｈｊＶｅｂ／ｉｎｄｅｘ．ｈｔＩＩｌ 联系电话：０２２—２６５“５０６；Ｅ．ｍａｎ：ｚｈａｎｇｍｌ＠ｈｅｂｕｔ．ｅｄｕ．ｃｎ
一种基于单目视觉的移动机器人室内导航方法
第32卷第4期2006年7月 光学技术 OPTICAL TECHN IQU E Vol.32No.4 J uly 2006 文章编号:1002-1582(2006)04-0591-03 一种基于单目视觉的移动机器人室内导航方法Ξ 付梦印,谭国悦,王美玲 (北京理工大学信息科学技术学院自动控制系,北京 100081) 摘 要:针对室内导航的环境特点,提出了一种简单快速的、以踢脚线为参考目标的移动机器人室内导航方法。该方法从图像中提取踢脚线作为参考直线,通过两条直线在图像中的成像特征,提取角度和横向偏离距离作为移动机器人的状态控制输入,从而实现移动机器人的横向运动控制。该方法无需进行摄像机的外部参数标定,大大简化了计算过程,提高了视觉导航的实时性。 关键词:视觉导航;直线提取;Hough变换;移动机器人;踢脚线 中图分类号:TP242.6+2;TP391 文献标识码:A An indoor navigation algorithm for mobile robot based on monocular vision FU Meng-yin,T AN G uo-yue,WANG Mei-ling (Department of Automatic Control,School of Information and Science Technolo gy, Beijing Institute of Technology,Beijing 100081,China) Abstract:Considered the features of indoor environment,a sim ple fast indoor navigation algorithm for vision-guide mobile robot was presented,which used skirting lines as the reference objects to locate the mobile robot.This algorithm detected skirt2 ing lines using monocular images and analyzed the lines’parameters to provide angle and distance of the robot as in puts of robot control.Without calibrating camera parameters,this algorithm greatly reduces computation time and improves the real-time a2 bility of vision navigation. K ey w ords:vision navigation;line detection;Hough transform;mobile robot;skirt line 1 引 言 近年来,机器视觉因其含有丰富的环境信息而受到普遍的关注。随着视觉传感器价格的不断下降,视觉导航已成为导航领域研究的热点。在室外进行视觉导航时,采用视觉传感器可获取车道信息,通过摄像机的标定来实现坐标转换,通过确定车辆当前的状态来实现导航。绝大部分智能车辆都是应用视觉来完成车道检测的[1,2],例如意大利的AR2 GO[3]项目就是通过使用逆投射投影的方法[4]来确定车辆状态的,并获得了良好的实验效果。在室内进行视觉导航时,利用视觉提取室内环境特征,例如一些预先设置的引导标志就是通过图像处理进行识别并理解这些标志来完成导航任务的[5,6]。这些都需要在图像中进行大量的搜索运算来提取标志,并通过一系列的图像理解算法来理解标志的信息,因而计算量很大。当然也可以通过视觉计算室内环境,例如通过走廊中的角点特征来获取状态信息[7],以此减少图像搜索时的计算量。但这些角点信息易受移动机器人运动的影响,会模糊角点信息,为了提高计算精度需要通过光流法对背景信息进行运动补偿,计算复杂,实时性不理想。 当移动机器人在实验室走廊环境下进行导航控制时,需要视觉传感器为其提供偏航角和横向偏离距离这两个参数。通过对单目视觉图像进行处理来获取这两个参数,完成移动机器人的横向运动控制。 2 摄像机成像模型与视觉系统 2.1 摄像机成像模型 使用视觉传感器首先要考虑的是其成像模型,它是指三维空间中场景到图像平面的投影关系,不同的视觉传感器有不同的成像模型。本文采用高分辨率CCD摄像机作为视觉传感器,其成像模型为针孔模型,空间中任意一点P在图像上的成像位置可以用针孔模型近似表示。如图1所示,P点投影位置为p,它是光心O同P点的连线O P与图像平面的交点,这种关系叫投射投影。图中标出的坐标系定义如下[8]: (1)图像坐标系I(u,v)是以图像平面的左上角为坐标原点所定义的直角坐标系,以像素为单位表示图像中点的位置。 (2)像平面坐标(x,y)指的是CCD成像靶面 195 Ξ收稿日期:2005-07-12 E-m ail:guoyuetan@https://www.wendangku.net/doc/aa17445389.html, 基金项目:国家自然科学基金资助项目(60453001) 作者简介:付梦印(1964-),男,北京理工大学信息科学技术学院自动控制系教授,博士,主要从事导航制导、控制组合导航及智能导航技术的研究。
基于视觉导航的轮式移动机器人设计方案
基于视觉导航的轮式移动机器人设计方案第一章移动机器人 §1.1移动机器人的研究历史 机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器)。1962年，美国Unimation公司的第一台机器人Unimate。在美国通用汽车公司(GM)投入使用，标志着第一代机器人的诞生。 智能移动机器人更加强调了机器人具有的移动能力，从而面临比固定式机器人更为复杂的不确定性环境，也增加了智能系统的设计复杂度。1968年到1972年间，美国斯坦福国际研究所(Stanford Research Institute, SRI)研制了移动式机器人Shaky,这是首台采用了人工智能学的移动机器人。Shaky具备一定人工智能，能够自主进行感知、环境建模、行为规划并执行任务(如寻找木箱并将其推到指定目的位置)。它装备了电视摄像机、三角法测距仪、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。当时计算机的体积庞大，但运算速度缓慢，导致Shaky往往需要数小时的时间来分析环境并规划行动路径。 1970年前联月球17号探测器把世界第一个无人驾驶的月球车送七月球，月球车行驶0.5公里，考察了8万平方米的月面。后来的月球车行驶37公里，向地球发回88幅月面全景图。在同一时代，美国喷气推进实验室也研制了月球车(Lunar rover),应用于行星探测的研究。采用了摄像机，激光测距仪以及触觉传感器。机器人能够把环境区分为可通行、不可通行以及未知等类型区域。 1973年到1979年，斯坦福大学人工智能实验室研制了CART移动机器人，CART可以自主地在办公室环境运行。CART每移动1米，就停下来通过摄像机的图片对环境进行分析，规划下一步的运行路径。由于当时计算机性能的限制，CART每一次规划都需要耗时约15分钟。CMU Rover由卡耐基梅隆大学机
工业机器人视觉系统
工业机器人及机器人视觉系统 人类想要实现一系列的基本活动，如生活、工作、学习就必须依靠自身的器官，除脑以外，最重要的就是我们的眼睛了，（工业）机器人也不例外，要完成正常的生产任务，没有一套完善的，先进的视觉系统是很难想象的。 机器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。 机器视觉系统的应用 在生产线上，人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误，但是机器却会不知疲倦地、稳定地进行下去。一般来说，机器视觉系统包括了照明系统、镜头、摄像系统和图像处理系统。对于每一个应用，我们都需要考虑系统的运行速度和图像的
处理速度、使用彩色还是黑白摄像机、检测目标的尺寸还是检测目标有无缺陷、视场需要多大、分辨率需要多高、对比度需要多大等。从功能上来看，典型的机器视觉系统可以分为：图像采集部分、图像处理部分和运动控制部分 工作过程 ?一个完整的机器视觉系统的主要工作过程如下： ?1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。 ?2、图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。 ?3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。 ?4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。
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
基于路径识别的移动机器人视觉导航
第9卷 第7期2004年7月 中国图象图形学报Journal of Image and G raphics V ol.9,N o.7July 2004 基金项目:国家“863”计划资助项目(编号:2001AA422200)收稿日期:2004201213;改回日期:2004204206 基于路径识别的移动机器人视觉导航 张海波 原 魁 周庆瑞 (中国科学院自动化研究所高技术创新中心,北京 100080) 摘 要 跟随路径导引是自主式移动机器人广泛采用的一种导航方式,其中视觉导航具有其他传感器导航方式所无法比拟的优点,是移动机器人智能导航的主要发展方向。为了提高移动机器人视觉导航的实时性和准确性,提出了一个基于路径识别的视觉导航系统,其基本思想是首先用基于变分辨率的采样二值化和形态学去噪方法从原始场景图像中提取出目标支持点集,然后用一种改进的哈夫变化检测出场景中的路径,最后由路径跟踪模块分直行和转弯两种情况进行导航计算。实验结果表明,该视觉导航系统具有较好的实时性和准确性。关键词 自主式移动机器人 视觉导航 路径识别 中图法分类号:TP242.62 文献标识码:A 文章编号:100628961(2004)0720853205 Visual N avigation of a Mobile R obot B ased on P ath R ecognition ZH ANG Hai 2bo ,Y UAN K ui ,ZH OU Qing 2rui (Hi 2tech Innovation Centre ,Institute o f Automation ,Chinese Academy o f Sciences ,Beijing 100080) Abctract G uidance using path following is widely applied in the field of autonom ous m obile robots.C om pared with the navigation system without vision ,visual navigation has obvious advantages as rich in formation ,low cost ,quietness ,innocuity ,etc.This pa 2per describes a navigation system which uses the visual in formation provided by guide lines and color signs.In our approach ,the visual navigation is com posed of three main m odules :image 2preprocessing ,path 2recognition and path 2tracking.First ,image 2pre 2processing m odule formulates color m odels of all kinds of objects ,and establishes each object ’s support through adaptive subsam 2pling 2based binarization and mathematical m orphology.Second ,path 2recognition m odule detects the guide lines through an im 2proved H ough trans form alg orithm ,and the detected results including guide lines and color signs integrate the path in formation.Fi 2nally ,calling different functions according to the m ovement of straight 2g oing or turning ,path 2tracking m odule provides required in 2put parameters to m otor controller and steering controller.The experimental results dem onstrate the effectiveness and the robustness of our approach. K eyw ords com puter perception ,autonom ous m obile robot ,visual navigation ,path recognition 1 引 言 导航技术是移动机器人的一项核心技术,其难 度远远超出人们最初的设想,其主要原因有:一是环境的动态变化和不可预测;二是机器人感知手段的不完备,即很多情况下传感器给出的数据是不完全、不连续、不可靠的[1]。这些原因使得机器人系统在复杂度、成本和可靠性方面很难满足要求。 目前广泛应用的一种导航方式是“跟随路径导 引”,即机器人通过对能敏感到的某些外部的连续路 径参照线作出相应反应来进行导航[2]。这种方法和传统的“硬”自动化相比大大增加了系统的灵活性,其具有代表性的系统有:C ontrol Engineering 公司安装的导线引导系统,它是通过检测埋在地下的引导导线来控制行进方向,其线路分岔则通过在导线上加载不同频率的电流来实现[3];Egemin Automation 公司生产的Mailm obile 机器人则安装有主动式紫外光源,并通过3个光电探头来跟随由受激化学物质构成的发光引导路径[4];Macome 公司为自动驾驶车
机器人视觉系统系统基本组成：CCD、PCI、PC及其外设等
机器人视觉系统系统基本组成：CCD、PCI、PC及其外设等 1.机器人视觉 机器人研究的核心就是：导航定位、路径规划、避障、多传感器融合。定位技术有几种，不关心，只关心视觉的。视觉技术用到“眼睛”可以分为：单目，双目，多目、RGB-D，后三种可以使图像有深度，这些眼睛亦可称为VO（视觉里程计：单目or立体），维基百科给出的介绍：在机器人和计算机视觉问题中，视觉里程计就是一个通过分析处理相关图像序列来确定机器人的位置和姿态。 当今,由于数字图像处理和计算机视觉技术的迅速发展,越来越多的研究者采用摄像机作为全自主用移动机器人的感知传感器。这主要是因为原来的超声或红外传感器感知信息量有限,鲁棒性差,而视觉系统则可以弥补这些缺点。而现实世界是三维的，而投射于摄像镜头（CCD/CMOS）上的图像则是二维的，视觉处理的最终目的就是要从感知到的二维图像中提取有关的三维世界信息。 2.系统基本组成：CCD、PCI、PC及其外设等。 2.1 CCD/CMOS一行硅成像元素，在一个衬底上配置光敏元件和电荷转移器件，通过电荷的依次转移，将多个象素的视频信号分时、顺序地取出来，如面阵CCD传感器采集的图像的分辨率可以从32×32到1024×1024像素等。 2.2视频数字信号处理器图像信号一般是二维信号，一幅图像通常由512×512个像素组成(当然有时也有256×256，或者1024×1024个像素)，每个像素有256级灰度，或者是3×8bit，红黄兰16M种颜色，一幅图像就有256KB或者768KB(对于彩色)个数据。为了完成视觉处理的传感、预处理、分割、描述、识别和解释，上述前几项主要完成的数学运算可归纳为： (1)点处理常用于对比度增强、密度非线性较正、阈值处理、伪彩色处理等。每个像素的输入数据经过一定关系映射成像素的输出数据，例如对数变换可实现暗区对比度扩张。(2)二维卷积的运算常用于图像平滑、尖锐化、轮廓增强、空间滤波、标准模板匹配计算等。