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
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。
2.2移动机器人的地图构建
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。
2.2.1栅格地图
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 和Moravec依据“occuPancygridmaPPing’’算法提出的18一9]，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。
2.2.2拓扑地图
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。
2.2.3几何特征地图
几何特征地图【’2]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。
1.2.3移动机器人路径规划技术
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。
2.3.1全局路径规划
全局路径规划的主要方法有:可视图法【’3一’4]、栅格法11今’5]和拓扑法
[l“]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，
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。
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[”一’8]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。
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11”l、模糊逻辑算法120一2’]、遗传算法[22一24]
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。
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
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。
(l)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[37一，81。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
[39一40]。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[4’】、MuRIE栅格模型[’2]、基于反馈神经网络模型的栅格概率计算方法[‘9，43]、改进型模糊自调整栅格地图模型[4’]、前向传感器模型[’5]，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[46]。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[’8]采用三目立体摄像机获取环境中的直线段信息，Leonard等[，6]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〔’“1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[5’，52]，castellanos等[5’】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。
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[56一60]，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[6’一62]，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[63〕。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[67一68]。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[60一6’，64，69l。③绝对位置关系，即每个节点被指定全局位置坐标[56，58，68]。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170】。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[’9】和四叉树法【71】(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[30】。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[72]。卡尔曼滤波器是定位定位算法中最主要手段之一[’8，73一7’]，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 和同事等[，，]以及simmons和Koenig[，6]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[”一，，]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等[80】和Fox
等[8’]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
[82一83]。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[80一83]: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【82]、实时粒子滤波器方案[8’]、辅助
粒子滤波器等[8s1。
(3)路径规划
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[2，4]。
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。
(4)同步地图创建与自定位
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(sLAM或cML)[37一，“，86一901。
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。
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。
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。
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/861017149.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
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/861017149.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
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/861017149.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 。
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
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