第卷第期控制与决策年月
文章编号
未知环境中移动机器人导航控制研究的若干问题
蔡自兴贺汉根陈虹
中南大学信息科学与工程学院湖南长沙国防科技大学机电工程与自动化学院
湖南长沙吉林大学控制科学与工程系吉林长春
摘要未知环境中移动机器人导航控制理论和方法是机器人学和智能控制的一个重要研究领域综
述了该领域研究的主要内容及其发展动态分析了与导航控制有关的机器学习方法的研究现状指出了
存在的不足和有待进一步研究的问题并提出了一些解决思路
关键词移动机器人未知环境导航控制
中图分类号文献标识码
引言
智能移动机器人是一类能够通过传感器感知环境和自身状态实现在有障碍物的环境中面向目标的自主运动称为导航从而完成一定作业功能的机器人系统
随着科学技术的发展人类的研究和活动领域已由陆地扩展到海底和空间利用移动机器人进行空间探测和开发已成为世纪世界各主要科技发达国家开发空间资源的主要手段之一研究和发展月球探测移动机器人技术对包括移动机器人导航控制在内的相关前沿技术的研究将产生巨大的推动作用移动机器人在月球和火星等外星球表面导航时将面临复杂的未知环境未知环境中的移动机器人自主导航控制技术已成为空间探测机器人的一项关键技术
在移动机器人导航控制理论和方法的研究中
收稿日期修回日期
基金项目国家自然科学基金项目
作者简介蔡自兴男福建莆田人教授博士生导师从事人工智能机器人学等研究贺汉根男江苏杭州人教授博士生导师从事模式识别机器人学等研究
确定性环境的导航控制方法已取得了大量的研究和应用成果对未知环境中的导航控制也开展了一些研究并提出了若干方法但尚未形成统一和完善的体系结构还有许多关键理论和技术问题有待解决和完善这些问题主要包括环境建模定位导航控制器的学习与优化故障诊断在线运动规划与控制等未知环境中的移动机器人只具有较少的先验知识其导航控制方法涉及环境认知优化决策知识表示与获取等多项关键问题
对未知环境中的移动机器人导航控制理论和方法的研究将推动认知科学模式识别非线性控制等前沿学科的研究带动航天海洋军事建筑交通工业和服务业等领域移动机器人导航控制系统的开发研究为无人探察车无人排险车和无人运输车等用于航天军事深海作业和核工业领域的移动机器人系统的应用奠定理论和技术基础
移动机器人导航系统理论与技术的研究概况
适应于未知环境的移动机器人导航系统应具备环境认知行为决策运动控制等能力可对系统自身状态进行监测并能有效容错该领域的研究内容主要包括体系结构环境建模与定位路径规划运动控制故障诊断与容错控制等若干方面
体系结构
目前移动机器人导航控制的体系结构主要分为以下种
基于功能分解的体系结构即按感知建模规划行动的模式实现移动机器人的导航控制现已提出多种离线全局路径规划方法
基于行为的反应式体系结构最具代表性的是的包容式体系结构如何构造和优化机器人行为控制器是其成功与否的关键主要方法有基于模糊逻辑及神经网络的监督学习方法及基于传感器信息的局部运动规划方法等
上述二者结合的混合式体系结构以克服功能分解体系结构在不确定和未知环境中的建模困难实时性和适应性差等缺点同时实现对已有环境信息进行有效表示和利用完成单一结构无法实现的复杂导航任务在混合式体系结构的基础上有关学者针对具体移动机器人系统应用的特点提出了基于多智能体的体系结构强调系统功能的分布式计算和协调特性
混合式体系结构是移动机器人体系结构研究的重要发展趋势并在未知环境下移动机器人导航中得到应用但在移动机器人体系结构的研究方面仍有许多问题需要进一步研究解决主要有如何实现基本功能模块的灵活组合使得功能与知识都具有良好的扩展性如何实现基于符号的慎思式智能与基于行为的反应式智能之间的合理协调如何建立各层次间知识的交流机制通过机器学习获得新的知识
环境建模与定位
移动机器人自定位与环境建模问题是紧密相关的环境模型的准确性依赖于定位精度而定位的实现又离不开环境模型在环境建模技术研究方面主要提出了基于传感器的单元分解建模技术几何建模技术和拓扑建模技术类方法基于几何坐标的方法利用滤波器在局部区域内可获得较高的精度并且计算量小但在广域环境中却难以维持精确的坐标信息基于拓扑的建模方法允许机器人在难以获得精确定位信息的情形下利用状态部分可观测马尔可夫决策过程模型依靠传感器信息与环境特征信息的匹配来确定机器人的方位但在非结构化环境或环境特征不明显的情况下则难以进行可靠的导航控制
现有移动机器人的定位方法主要包括航迹推算组合定位和感知定位航迹推算方法存在累积误差问题通常与基于感知的定位方法相结合利用环境特征和路标识别来消除或减少累积定位误差组合式定位系统主要包括全球定位系统激光定位系统等上述定位方法已成功地应用于确定性结构化环境中的移动机器人定位但仍难以有效地解决在未知环境中的移动机器人定位问题目前基于概率模型和多传感器融合的移动机器人定位与环境建模研究已取得了一些研究成果但大多局限于室内结构化环境
在复杂未知环境中由于先验知识的匮乏和环境的不确定性使得并发的环境建模和定位方法成为亟待研究的课题其中包括环境的不确定性表示三维环境特征的提取基于多传感器融合的增量式建模方法等此外研究可创造主动环境提高信息获取效率的行为机制将有助于实现可靠的复合定位与建模系统
路径规划
移动机器人的路径规划可分为基于地图的全局路径规划和基于传感器的局部路径规划对于环境
控制与决策第卷
已知条件下的离线全局路径规划方法现已取得大量成果近年来学术界对环境部分已知和未知环境下的在线全局路径规划方法进行研究其中包括基于进化算法和广义预测控制的在线路径规划器等
基于传感器的局部路径规划是实现移动机器人在未知环境中导航的重要技术之一例如增量式构造当前可视区域路径图的规划方法和基于近似单元分解的局部路径规划等然而上述方法未能对移动机器人的运动学和动力学特性约束进行有效处理在优化性能和对复杂环境的适应性方面仍有待改进
近年来针对非完整约束条件下的移动机器人运动规划问题开展了一些研究工作其中基于微分平坦系统理论的运动规划方法引起了学术界的重视现已证明大部分移动机器人系统是平坦的对于一个微分平坦系统运动规划可简化为确定一个光滑的平坦输出函数它满足初始和目标状态的边界条件而期望的控制输入和状态轨迹则通过对该平坦函数求导来获得基于微分平坦理论的运动规划方法为移动机器人实时运动规划提供了一种有效方法文献通过应用基函数来参数化微分平坦输出将非线性控制理论样条理论和二次规划结合起来提出了新的实时轨迹生成算法
研究表明对于受约束的机械系统实时轨迹生成可通过在较低维空间即微分平坦空间中搜索轨迹曲线来实现文献研究了将微分平坦理论与自适应控制方法相结合的运动规划和控制方法进一步深入探讨将微分平坦理论用于未知环境中移动机器人的规划和控制问题是本文的研究内容之一运动控制
移动机器人的运动控制包括基于路径规划的移动机器人路径跟踪控制和基于传感器执行器直接映射的运动控制即反应式导航控制大量研究表明反应式导航方法是提高移动机器人在未知环境下的实时性和灵活性的重要手段目前已提出多种移动机器人反应式导航方法如模糊逻辑方法神经网络方法等但已有方法往往要求较多的先验知识如何构造和优化移动机器人的反应式导航控制器以及提高导航系统对未知环境的适应性是有待解决的关键问题近年来利用基于动态规划的增强学习方法解决上述问题已成为人工智能和机器人学领域的研究热点进一步的工作需要对增强学习梯度算法的局部极值以及算法的学习效率和泛化性能进行深入研究
在路径跟踪控制问题方面由于非完整控制系统在笛卡尔坐标系下不存在光滑的定常静态状态反馈律使得闭环系统的平衡点局部渐近稳定也不存在动态连续定常反馈控制器使得闭环系统渐近稳定因此在笛卡尔坐标系下不能应用反馈线性化或光滑定常反馈的控制器设计方法渐近镇定系统目前关于非完整控制系统的镇定方法如非连续定常镇定化时变镇定化和混合方法在轮式移动机器人控制中得到了应用文献针对带有输入约束的时变非线性系统采用模型预测控制
方法生成反馈控制律允许反馈非连续且可在线处理约束文献尝试用非线性预测控制镇定有控制量约束和运动学约束的移动机器人文献则采用后退方法设计了具有全局渐近稳定的跟踪控制器
尽管有关移动机器人运动规划与控制的研究取得了许多有意义的结果但仍有许多问题有待进一步研究例如考虑动力学特性时移动机器人系统的平坦性平坦输出与机械系统几何位置的关系以及在规划运动轨迹时如何兼顾性能与稳定性存在控制量约束时能够协调跟踪性能与稳定性的鲁棒轨迹跟踪方法等由于构造非线性控制方法在优化性能时往往能提供更强的稳定性和满意的吸引域并能避免不必要的高增益减弱某些现存方法中所需的约束因而有可能为实现高性能的移动机器人路径跟踪控制器提供一条有效的途径
故障诊断与容错控制
在未知环境中独立工作的移动机器人往往处于十分恶劣的环境条件如强辐射大温差复杂地形其机械部件和控制系统极易出现问题对于深空探测机器人而言几乎不可能由人来修复故障因此机器人系统应能进行状态监测识别传感器和执行器故障并利用硬件冗余或控制律重构等方式进行容错控制以保证系统安全可靠地运行
现有故障检测方法主要可划分为基于知识基于解析模型和基于信号处理类方法诊断决策方法主要有阈值法模糊逻辑贝叶斯分类故障假设检验等基于解析模型的方法研究得比较系统深入它适合于可建立准确被控过程数学模型的系统但实际应用中通常很难建立这种定量模型基于知识和输入输出信号的方法在这方面具有一定优势经典容错控制方法可分为被动容错控制和主动容错控制但都需要系统具有关于模型不确定性和
第期蔡自兴等未知环境中移动机器人导航控制研究的若干问题
外界扰动的鲁棒性[25]目前的研究对象主要是线性系统非线性~时滞系统的容错控制研究还没有重要的理论结果目前国内外故障诊断和容错控制研究大都停留在计算机仿真或实验阶段成功应用于实际的例子仍属少数国外有学者将扩展Kalman滤波器~基于模型的递归神经网络~遗传算法等方法应用于移动机器人的陀螺仪~视觉传感器~驱动装置[26~28]国内关于移动机器人的故障诊断和容错控制研究的成果还很少
由于机器人系统的复杂性和非线性有必要在深入研究系统机理的基础上结合多种方法解决故障诊断问题其容错机制的设计与机器人硬件结构~控制系统~传感器信号融合~处理技术密切相关应在移动机器人系统整体设计阶段就将其作为一个重要环节加以考虑
s有关机器学习~自适应理论与方法的研究概况
移动机器人要在未知环境中安全~可靠地完成指定任务除了应具有上述建模~定位~规划~运动等基本能力外还应能够处理各种突发情况逐渐适应环境提高工作效率这就要求其导航控制系统具有灵活性和适应性近年来机器学习已成为人工智能和机器人学的一个研究热点并且取得了不少突破性进展其中包括增强学习理论和算法[29]研究进化学习算法[B O]和应用研究统计学习[B1]特别是支持向量机
增强学习在移动机器人导航中的应用主要集中于反应式运动控制[B4]在增强学习算法和理论研究方面由于包括移动机器人导航控制在内的实际工程问题往往具有连续的状态和行为空间因而增强学习的泛化和学习效率的提高便成为增强学习研究的核心问题在已有的增强学习泛化方法中利用神经网络等值函数逼近器的增强学习方法得到普遍研究和应用早期的神经网络增强学习算法采用一种类似于TD学习的近似梯度算法当采用一般的非线性函数逼近器时理论上难以保证算法的收敛性[B5]文献[B6]对已有的近似梯度算法进行改进但仅能保证有限条件下的收敛性而且学习效率有待进一步验证和改进
近年来基于核的增强学习受到有关学者的关注[B7]该方法为解决连续空间马氏决策中的局部收敛性问题提供了一条可行途经此外由于移动机器人的传感器感知能力的局部性在许多情况下应用增强学习方法需要解决部分可观测马氏决策的学习算法设计问题文献[B8]提出的GPOMDP算法能对部分可观测马氏决策问题的策略梯度进行估计但存在学习效率较低的缺点目前有关部分可观测马氏决策问题增强学习算法的应用研究成果还很少文献[B9]对增强学习在移动机器人路径跟踪控制中的应用进行研究提出了基于增强学习的自适应PID控制器
移动机器人进化设计与学习是通过人工进化的自动化设计过程来开发机器人及其传感马达控制系统的一种方法[4O]它包括群体进化学习和个体发展学习基于进化学习的机器人导航控制系统主要采用的控制结构有人工神经网络~LISP程序~模糊规则集等已应用于各种类型移动机器人系统[41]其主要优点在于可以简化设计过程设计结果具有一定鲁棒性并可能产生突现行为是实现低层反应式控制和高层行为决策的有效途径之一但是进化学习在仿真设计~运行时间~评估性能指标等方面还没有理论依据进化学习是否持续有效进化结果是仅仅停留在传感马达反应式行为水平上还是进一步扩展到复杂行为等问题都值得深入探讨该方向的研究不仅可丰富机器人控制系统设计方法而且将对生物系统认知过程的理解起到促进作用近年来多示例学习作为一种新的学习框架受到机器学习理论界的关注并在图像检索[42]~机器视觉[4B]等领域取得了一些研究成果在多示例学习问题中系统通过对多个由示例组成的有概念标记的训练包进行学习尽可能正确地对训练集以外的包的标记进行预测但多示例学习在可学习性理论~包生成技术~学习方法方面还需要深入研究目前还没有实际应用到机器人系统在移动机器人导航过程中常常难以对一系列行为中的单个行为进行评
B88控制与决策第17卷
价而只能对行为组合是否达到目标进行概念性标记因此设计有效的算法在多示例学习框架下解决移动机器人导航中的全程进化问题在理论和应用两方面都有重要意义
移动机器人对环境特征的识别是一个非常具有挑战性的模式识别问题尤其是在未知环境中用传统的基于特征提取的模式识别方法解决该问题会面临极大的困难这主要是因为未知环境中存在着许多不可知因素并且很难对这些未知因素建模从而难以进行有效的特征提取工作支持向量机是一种基于统计学习理论的机器学习方法它在进行模式分类时没有显式的特征提取过程其特征提取隐含在支持向量的提取以及核函数的选取中文献的工作在一定程度上显示了该方法在理论基础上的优势和在视觉感知与学习方面的应用潜力但是应用方法有效解决实际问题仍然存在不少难点其中最为突出的有两个一是核函数的选取缺乏良好的准则二是计算复杂度比较高因此中的核函数研究主要解决的问题是如何针对给定数据并结合一定先验知识选取核函数另外递推算法的研究在的应用中也有很大意义但这方面的工作还刚刚开始展开可喜的是国内学者已取得了一定结果
深入开展机器学习理论和方法的研究应用机器学习方法提高移动机器人在未知环境中的导航性能和对环境的适应性是移动机器人导航控制领域的一个重要发展趋势
结语
未知环境中的移动机器人导航控制理论和方法的研究是机器人学和智能控制的一个重要研究领域但目前已有的理论和方法并不能完全满足未知环境中移动机器人自主导航的要求在移动机器人体系结构路径规划环境建模和定位等方面都有许多问题有待解决这些问题并不是孤立的各部分相互耦合互为影响如果不能把各部分有机地结合为一个整体那么必将削弱或不能达到预期的系统性能因此有必要针对未知环境中移动机器人导航控制的各种问题全面深入地分析机器人系统与环境之间系统各部分之间的交互关系研究开发面向全局性能优化的导航理论和技术以实现灵活稳定可靠的移动机器人导航控制系统参考文献
朱淼良吴春明张友军等基于多智能体的实时并发式智能机器人结构高技术通讯
H
L
O q
D F
L
席裕庚动态不确定环境下广义控制问题的预测控制控制理论与应用
X
第期蔡自兴等未知环境中移动机器人导航控制研究的若干问题
吴卫国陈辉堂王月娟移动机器人的全局轨迹跟踪控制自动化学报
周东华容错控制理论及其应用自动化学报贺汉根徐昕增强学习在移动机器人导航控制中的应用中南工业大学学报
徐昕增强学习及其在移动机器人导航与控制中的应用长沙国防科技大学
下转第页
控制与决策第卷
最后构造形如式的广义对象并通过求解标准的问题获得控制器
开环与闭环系统传递函数及的图如图所示其中实线为闭环系统点线为开环系统虚线为可以看出控制器的作用使得闭环系统的第阶和第阶模态的阻尼比明显增大而其它阶的模态没有变化系统受到脉冲干扰的时域响应波形如图所示可见闭环系统在干扰作用时间响应的收敛速度明显快于开环系统
下
未知环境中移动机器人导航控制研究的若干问题
作者：蔡自兴， 贺汉根， 陈虹
作者单位：蔡自兴(中南大学,信息科学与工程学院,湖南,长沙,410083)， 贺汉根(国防科技大学,机电工程与自动化学院,湖南,长沙,410073)， 陈虹(吉林大学,控制科学与工程系,吉林,长春
,130025)
刊名：
控制与决策
英文刊名：CONTROL AND DECISION
年，卷(期)：2002,17(4)
被引用次数：100次
参考文献(46条)
1.Scholkopf B Support vector learning 1997
2.Goldman S A;Kwek S S;Scoot S D Agnostic learning of geometric patterns[外文期刊] 2001(01)
3.Oded Maron;Aparna Lakshmi Ratan Multiple-instance learning for natural scene classification 1998
4.周东华;Ding X容错控制理论及其应用[期刊论文]-自动化学报 2000(06)
5.Brooks R;Robis A Layered control system for a mobile robot 1986(01)
https://www.doczj.com/doc/5818590452.html,tombe J C Robot Motion Planning 1991
7.席裕庚动态不确定环境下广义控制问题的预测控制[期刊论文]-控制理论与应用 2000(05)
8.CAI Zixing;Peng Zhihong Cooperative coevoluationary adaptive genetic algorithm in path planning of cooperative multi-mobile robot system 2002(01)
9.Castellanos J A;Montiel J M M;Neira J The SPmap: A probabilistic framework for simultaneous localization and map building[外文期刊] 1999(05)
10.Leonard J J;Durrant Whyte H F Mobile robot localization by tracking geometric beacons[外文期刊] 1991(03)
11.Salichs M A;Moreno L Navigation of mobile robots: Open questions[外文期刊] 2000(03)
12.Hebert M;Caillas C;Krotokov E Terrain mapping for a roving planetary explorer 1989
13.朱淼良;吴春明;张友军基于多智能体的实时并发式智能机器人结构[期刊论文]-高技术通讯 1995(10)
14.Gat E Integrated planning and reacting in a heterogeneous asynchronous architecture for controlling real-world mobile robots 1992
15.张铃;张钹支持向量机理论与基于规划的神经网络学习算法[期刊论文]-计算机学报 2001(02)
16.Pontil M;Verri A Support vector machines for 3D object recognition[外文期刊] 1998(06)
17.刘娟;蔡自兴;涂春鸣进化机器人学研究进展[期刊论文]-控制理论与应用 2002(04)
18.Cliff D;Harvey I;Husbands P Explorations in evolutionary robotics 1993(01)
19.徐昕增强学习及其在移动机器人导航与控制中的应用 2002
20.Baxter J;Bartlett P L Infinite-horizon policy-gradient estimation[外文期刊] 2001(05)
21.Ormoneit D;Sen S Kernel-based reinforcement learning 2001
22.MARBACH P;Tsitsiklis J N Simulation-based optimzation of Markov reward processes[外文期刊]
2001(02)
23.Baird L C Reinforcement learning through gradient descent 1999
24.Lin L J Self-improving reactive agents based reinforcement learning, planning and teaching
1992(08)
25.贺汉根;徐昕增强学习在移动机器人导航控制中的应用[期刊论文]-中南工业大学学报(自然科学版) 2000(31)
26.Lin L J Hierarchical learning of robot skills by reinforcement[外文会议] 1993
27.Vapnik V Statistical Learning Theory 1998
28.Meeden Lisa A Trends in evolutionary robotics 1998
29.Leslie Pack Kaelbling;Michael L Littman;Andrew W Moore Reinforcement learning: A survey 1996(03)
30.Terry Huntsberger Fault-tolerant action selection for planetary rover control 1998
31.Murphy R;Hershberger D Classifying and recovering from sensing failures in autonomous mobile robots 1996
32.Roumeliotis S I;Sukhatme G S;Bekey G A Sensor fault detection and identification in a mobile robot[外文会议] 1998
33.Lozano Perez T Spatial planning: A configuration space approach 1983(02)
34.吴卫国;陈辉堂;王月娟移动机器人的全局轨迹跟踪控制[期刊论文]-自动化学报 2001(03)
35.Essen H A;Lange H C Nonlinear modol predictive control experiments on a laboratory gas turbine installation[外文期刊] 2001(02)
36.Fontes F A Discontinuous feedback stabilization using nonlinear model predictive controllers[外文会议] 2000
37.Pomet J B Explicit design of time-varying stabilizing control laws for a class of controllable systems without drift 1992(02)
38.Brockett R Nonlinear Control Theory and Singular Riemannian Geometry - New Directions in Applied Mathematics 1981
39.Bloch A;Reyhanoglu M;McClamroch N H Control and stabilization of nonholonomic dynamic systems[外文期刊] 1992(11)
40.Nieuwstadt M J;Murry R M Real time trajectory generation for differentially flat systems[外文期刊] 1998(11)
41.Barany E;Glass K;Colbaugh R Control of uncertain nonholonomic mechanical systems using differential flatness[外文会议] 1998
42.MURRAY R M;Sastry S S Nonholonomic motion planning: Steering using sinuoids[外文期刊] 1993(05)
43.Stentz A Optimal and efficient path planning for partially-known environments[外文会议] 1994
https://www.doczj.com/doc/5818590452.html,ubach S L;Burdick J W An autonomous sensor-based path-planner for planetary microrovers[外文会议] 1999
45.THRUN S A probabilistic approach to concurrent mapping and localization for mobile robots
1998(05)
46.Robin R Murphy;Ken Hughes;Alisa Marzilli Integrating explicit path planning with reactive
control of mobile robots using trulla[外文期刊] 1999(04)
引证文献(100条)
1.王义基于一致性Unsented卡尔曼滤波的多机器人定位[期刊论文]-计算机技术与发展 2011(3)
2.刘宏林.罗杨宇.李成荣基于模糊控制器的未知环境下移动机器人导航[期刊论文]-计算机仿真 2011(1)
3.陈应松.周瑜基于视觉的机器人在管道检测中的远程控制研究[期刊论文]-制冷与空调（四川） 2010(4)
4.周菁.戴冠中.蔡晓妍基于蚁群系统的机器人全局最优路径规划的研究与仿真[期刊论文]-计算机科学 2010(5)
5.王菁华.崔世钢应用几何理论的智能机器人路径规划仿真[期刊论文]-计算机仿真 2010(5)
6.康亮.赵春霞.郭剑辉未知环境下改进的基于RRT算法的移动机器人路径规划[期刊论文]-模式识别与人工智能2009(3)
7.徐鹏基于神经网络的智能导航与控制研究[期刊论文]-科技广场 2009(7)
8.袁湘鹏.蔡自兴.刘利枚基于声纳的移动机器人环境建图的设计与实现[期刊论文]-计算机应用研究 2009(7)
9.秦丽娟地面多机器人某仿真系统的设计与实现[期刊论文]-火力与指挥控制 2009(5)
10.潘薇.蔡自兴.陈白帆一种非结构环境下多机器人构建地图的方法[期刊论文]-高技术通讯 2009(5)
11.自主移动机器人局部路径规划综述[期刊论文]-传感器与微系统 2009(9)
12.潘薇.蔡自兴.陈白帆基于遗传算法的多机器人协作建图方法[期刊论文]-计算机应用研究 2009(4)
13.刘满禄.张华.王姮.胡天链基于模糊控制器的移动机器人导航[期刊论文]-兵工自动化 2009(6)
14.王帅煤矿井下基于Q-learning算法的移动机器人路径规划[期刊论文]-现代电子技术 2008(24)
15.王帅煤矿井下基于改进A*算法和移动机器人路径规划[期刊论文]-煤矿机械 2008(11)
16.宋金泽.史美萍.李焱.崔慧海星际探测车导航控制系统结构研究[期刊论文]-科技导报 2008(20)
17.辛江慧.李舜酩.廖庆斌基于传感器信息的智能移动机器人导航评述[期刊论文]-传感器与微系统 2008(4)
18.李润伟.蔡自兴.童宇基于ATM的提高狭窄环境探测精度的改进方法[期刊论文]-智能系统学报 2008(4)
19.王帅基于强化学习算法的井下移动机器人路径规划[期刊论文]-电气技术 2008(8)
20.孟偲.王田苗一种移动机器人全局最优路径规划算法[期刊论文]-机器人 2008(3)
21.范路桥.姚锡凡.祁亨年.杨武.蒋梁中排爆机器人的研究现状及其关键技术[期刊论文]-机床与液压 2008(6)
22.邬再新.李艳宏.刘涛多移动机器人路径规划技术的研究现状与展望[期刊论文]-机械 2008(1)
23.蔡自兴.肖正.于金霞基于激光雷达的动态障碍物实时检测[期刊论文]-控制工程 2008(2)
24.王仲民开放式移动机器人通用控制平台AWMR研制[期刊论文]-制造业自动化 2007(9)
25.江贵龙.李晓明.刘全浩.胡旭东不确定环境下基于动态子目标搜索的移动机器人导航算法及其实现[期刊论文] -系统仿真学报 2007(18)
26.王会勇.谷志峰.刘兵一种移动机器人的运动控制方法研究[期刊论文]-现代电子技术 2007(22)
27.谢贝贝移动机器人智能路径规划方法研究[期刊论文]-福建电脑 2007(10)
28.罗胜吸尘机器人的现状及其智能系统的若干关键技术[期刊论文]-传感器与微系统 2007(11)
29.吴海彬.林宜基于改进Voronoi图的移动机器人在线路径规划[期刊论文]-中国工程机械学报 2007(1)
30.杨放琼.彭高明.谭青基于非结构化海底复杂环境的SLAM研究综述[期刊论文]-计算机工程与应用 2007(4)
31.丛明.金立刚.房波智能割草机器人的研究综述[期刊论文]-机器人 2007(4)
32.蔡自兴.肖正.于金霞动态环境中移动机器人地图构建的研究进展[期刊论文]-控制工程 2007(3)
33.王璐.蔡自兴未知环境中基于视觉的增量式拓扑建模及导航[期刊论文]-高技术通讯 2007(3)
34.孙大勇.苏庆宇井下机器人路径规划中的模糊逻辑控制算法[期刊论文]-电气技术 2007(3)
35.戴博.肖晓明.蔡自兴.邹小兵一种基于激光雷达的移动机器人环境建模新方法[期刊论文]-机床与液压
2007(1)
36.王坤坤基于微粒群算法的移动机器人路径规划研究[学位论文]硕士 2007
37.孙学彬移动机器人跟踪控制研究[学位论文]硕士 2007
38.于金霞.蔡自兴.邹小兵.段琢华基于动态自适应滤波的移动机器人障碍检测[期刊论文]-自然科学进展
2006(5)
39.DUAN Zhuo-hua.FU Ming.CAI Zi-xing.YU Jin-xia An adaptive particle filter for mobile robot fault diagnosis[期刊论文]-中南工业大学学报（英文版） 2006(6)
40.YU Jin-xia.CAI Zi-xing.DUAN Zhuo-hua.ZOU Xiao-bing Design of dead reckoning system for mobile robot[期刊论文]-中南工业大学学报（英文版） 2006(5)
41.顾磊.张赤斌移动机器人嵌入式控制系统研究[期刊论文]-机械工程师 2006(11)
42.徐建安.邓云伟.张铭钧移动机器人模糊PID运动控制技术研究[期刊论文]-哈尔滨工程大学学报 2006(z1)
43.王坤坤.尹怡欣基于一种改进PSO的移动机器人路径规划[期刊论文]-北京邮电大学学报 2006(z2)
44.石鸿雁.孙昌志.陈冬阳.安跃军动态环境下自主移动机器人的导航复杂性[期刊论文]-沈阳工业大学学报2006(5)
45.丁伟.孙华.曾建辉基于多传感器信息融合的移动机器人导航综述[期刊论文]-传感器与微系统 2006(7)
46.于金霞.蔡自兴.邹小兵.段琢华基于激光雷达的移动机器人障碍测距研究[期刊论文]-传感器与微系统
2006(5)
47.孙章军.田海晏.邓双成.孙晨移动机器人路径规划仿真平台设计[期刊论文]-北京石油化工学院学报 2006(3)
48.王俭.赵鹤鸣.袁红霞基于蚂蚁行为的移动机器人局部路径规划[期刊论文]-苏州科技学院学报（工程技术版） 2006(1)
49.肖潇未知环境下移动机器人自主搜索技术研究[学位论文]硕士 2006
50.韩永小型组足球机器人控制系统及运动规划研究[学位论文]硕士 2006
51.赵晶水下机器人同步建立地图和定位技术研究[学位论文]硕士 2006
52.鲁燕海流环境中水下机器人实时运动规划方法研究[学位论文]硕士 2006
53.邓云伟轮式移动机器人运动控制技术研究[学位论文]硕士 2006
54.韩锐未知环境下基于SLAM的移动机器人导航算法研究[学位论文]硕士 2006
55.肖慧杰舞蹈机器人控制系统研究与设计[学位论文]硕士 2006
56.宋国栋移动机器人组合导航系统设计与应用的研究[学位论文]硕士 2006
57.曹成才.姚进.王强基于几何法的移动机器人路径规划[期刊论文]-计算机应用研究 2005(12)
58.杨勇.蔡自兴.刘美琴面向移动机器人分布式计算的任务调度方法[期刊论文]-计算机工程 2005(23)
59.于金霞.蔡自兴.邹小兵.段琢华基于神经网络辨识的移动机器人航向误差校准方法[期刊论文]-中南大学学报(自然科学版) 2005(5)
60.邹小兵.蔡自兴.于金霞基于异构Agent的移动机器人体系结构设计[期刊论文]-中南大学学报(自然科学版) 2005(5)
61.蔡自兴.邹小兵.王璐.段琢华.于金霞移动机器人分布式控制系统的设计[期刊论文]-中南大学学报(自然科学版) 2005(5)
62.蔡自兴智能控制及移动机器人研究进展[期刊论文]-中南大学学报(自然科学版) 2005(5)
63.张淑军.孟庆春.吴槟.费云瑞移动机器人智能寻线导航与策略控制[期刊论文]-控制与决策 2005(5)
64.沈猛.徐德民.李俊.辛廷慧轮式移动机器人组合导航方法及试验研究[期刊论文]-计算机仿真 2005(7)
65.段琢华.蔡自兴.于金霞未知环境中移动机器人故障诊断与容错控制技术综述[期刊论文]-机器人 2005(4)
66.段琢华.蔡自兴.于金霞.邹小兵基于粒子滤波器的移动机器人惯导传感器故障诊断[期刊论文]-中南大学学报（自然科学版） 2005(4)
67.石鸿雁.孙茂相.孙昌志未知环境下移动机器人路径规划方法[期刊论文]-沈阳工业大学学报 2005(1)
68.于金霞.蔡自兴.邹小兵.段琢华非平坦地形下移动机器人航迹推测方法研究[期刊论文]-河南理工大学学报（自然科学版） 2005(3)
69.戴博.肖晓明.蔡自兴移动机器人路径规划技术的研究现状与展望[期刊论文]-控制工程 2005(3)
70.李仪移动机器人自主导航仿真系统的研究与设计[学位论文]硕士 2005
71.卿慧玲基于激光雷达数据的三维重建系统的研究与设计[学位论文]硕士 2005
72.张卫锋变形移动机器人的虚拟仿真和动力学分析[学位论文]硕士 2005
73.张亮自主移动机器人室内环境建模[学位论文]硕士 2005
74.田海晏移动机器人仿真平台设计与路径规划研究[学位论文]硕士 2005
75.车翠莲基于虚拟样机技术的变形移动机器人的动力学研究[学位论文]硕士 2005
76.邹小兵移动机器人原型的控制系统设计与环境建模研究[学位论文]博士 2005
77.李枚毅基于免疫机制和多示例学习的移动机器人进化导航研究[学位论文]博士 2005
78.石跃祥计算机视觉图像语义模型的描述方法研究[学位论文]博士 2005
79.安成万基于视觉与超声信息的移动机器人定位研究[学位论文]博士 2005
80.程宁婷网络化环境下的移动机器人控制与同步技术研究[学位论文]硕士 2005
81.孙明明超声导航移动机器人关键技术的研究[学位论文]硕士 2005
82.孟伟基于多传感器融合的机器人自主导航研究[学位论文]博士 2005
83.卓睿移动机器人基于强化学习的多智能体混合式体系结构[学位论文]硕士 2005
84.宋轶群全自主复合机构越障机器人系统研究[学位论文]硕士 2005
85.李桂芝自主移动机器人导航定位技术研究[学位论文]博士 2005
86.陈华华视觉导航关键技术研究：立体视觉和路径规划[学位论文]博士 2005
87.肖雄军.蔡自兴服务机器人的发展[期刊论文]-自动化博览 2004(6)
88.陈春林.陈宗海.周光明基于多智能体的自主移动机器人混合式体系结构[期刊论文]-系统工程与电子技术2004(11)
89.王璐.蔡自兴未知环境中移动机器人并发建图与定位(CML)的研究进展[期刊论文]-机器人 2004(4)
90.钟新华.蔡自兴.邹小兵基于ADT850的移动机器人运动控制系统设计[期刊论文]-电光与控制 2004(4)
91.王仲民.刘继岩.岳宏移动机器人自主导航技术研究综述[期刊论文]-天津职业技术师范学院学报 2004(4)
92.蔡自兴.邹小兵移动机器人环境认知理论与技术的研究[期刊论文]-机器人 2004(1)
93.刘贤华智能移动机器人控制系统关键技术研究[学位论文]博士 2004
94.王栋耀面向移动机器人的开放式网络化控制系统研究[学位论文]博士 2004
95.穆晓枫仿蝌蚪游动微型机器人的研究[学位论文]硕士 2004
96.梁冰基于视觉与行为模型的月球机器人自主导航[学位论文]博士 2004
97.高庆吉.洪炳熔.阮玉峰基于双目协调的小型全自主足球机器人导航[期刊论文]-机器人 2003(6)
98.龚涛.蔡自兴未知远程环境下移动机器人导航的并行进化模型[期刊论文]-机器人 2003(3)
99.高庆吉.洪炳熔.阮玉峰基于异构双目视觉的全自主足球机器人导航[期刊论文]-哈尔滨工业大学学报 2003(9) 100.蔡自兴中国的智能机器人研究[期刊论文]-莆田学院学报 2002(3)
本文链接：https://www.doczj.com/doc/5818590452.html,/Periodical_kzyjc200204001.aspx
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。
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
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。 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
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.doczj.com/doc/5818590452.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
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.doczj.com/doc/5818590452.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
多传感器融合的室内机器人惯性导航定位研究随着社会的发展科学技术水平的进步,室内移动机器人得到了大量应用。但是在室内移动机器人导航定位上存在几个矛盾的问题,定位精度、制造成本、实现复杂程度。 室内移动机器人不同于室外机器人,室内是一个封闭狭小的空间,无法利用 如GPS,北斗一类的卫星导航和定位。目前室内移动机器人应用较多的是家庭服 务机器人和仓储机器人,应用最多的驱动方式是轮式移动方式,主要的导航方式 是陀螺仪,里程计,加速度传感器组合的惯性导航,以及磁导航,轮式移动机器人 轮子的配置有两轮,三轮,四轮之分。 不同的配置有着不同的优缺点,根据不同的应用条件可以选择不同的配置。本文根据研究目标,选择了三轮配置的室内移动机器人作为载体,其驱动方式选 择了两轮差速移动驱动方式。 本文在所选的机器人平台上根据平台特性利用全新的导航方式,提高了室内机器人的导航定位精度。本文主要的研究内容有以下几点:1.研究了机器人平台及其运动模型:本文选择的机器人平台是两轮差速移动机器人,其特点是结构简单,驱动控制简单,应用广泛。 其运动学模型只需要分析两驱动轮的速度,适合本文所需要构建的导航系统。 2.提出了融合激光图像位移传感器和地磁传感器的导航定位系统:本文的导航系统是激光图像位移传感器,姿态模块和里程计,其中激光图像位移传感器用于检 测机器人移动位移,姿态模块包括地磁传感器,陀螺仪,加速度计,用于检测机器 人姿态角,里程计检测机器人移动速度。 利用卡尔曼滤波将上述传感器信息融合实现导航定位。3.根据设计的导航定
位系统实现导航定位:根据构建的系统需要将所有传感器的信息进行采集分析处理,本文利用微软的VC++开发环境采集传感器数据,利用MATLAB实现数据的融合,实现导航定位。
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 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
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