- 1 - - -
第5章 机器人避障算法
避障算法的研究也是机器人学中一个热门话题，避障对于导航而言具有非常重要的意义。对于任意一个成功的机器人应用来说，都有其特有的避障算法。以往的算法比较简单，需要机器人在发现障碍物之后停下来、调整方向后再行动。而现在，算法发展很快，使得机器人在发现障碍之后无需停止即可绕行避障。
5.1 常见的避障算法介绍
实时避障是反映智能移动机器人自动能力的关键问题之一,国内外学者曾做过大量的研究工作，常见的避障算法有如下几种： （1）可视图法[52]
可视图法将机器人、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，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。机器人延这些可视线行进直至离开该障碍。使用这种方法时，缺乏灵活性，一般需要机器人停止在障碍前搜集传感器数据，并且它受传感器精度影响较大。
（2）人工势场法[53]
人工势场法是由Khatib 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，即假设目标
对机器人存在着吸引力t F ，而障碍物对机器人有排斥力r F
，那么引力和斥力的合力作为机器人运动的加速力，从而计算出机器人的位置和控制机器人的运动方向（如图4-1）。势场法结构简单，便于底层的实时控制；但是也存在若干缺陷，比如：在相近障碍物间不能发现路径；在狭隘的通道中会来回摆动等。
（3）VFH （Vector Field Histogram ）
由于势场法的缺陷，J. Borenstein 完全放弃了势场法，而设计了一种称为V FH 的方法，它将机器人的工作环境分解为一系列具有二值信息的栅格单元，每个矩形栅格中有一个积累值，表示在此处存在障碍物的可信度，高的累计值
表示存在障碍物的可信度高。这是因为传感器不断快速的采样环境，存在障碍物的栅格不断被检测的结果。栅格大小的选择直接影响着控制算法的性能。栅格选得小，环境分辨率就高，但是抗干扰性就比较弱，环境信息存储量大，使得决策速度慢；栅格选的大，抗干扰性就比较强，但环境分辨率下降，在密集障碍物环境中发现路径的能力减弱。另外，栅格大小的选取也与传感器的性能有关，若传感器的精度高而且反应速度快，栅格可以选的小些。
由V FH 控制的移动机器人表现出了良好的性能。本研究中就是采用该方法作为机器人的避障策略。其算法思想在下文中具体介绍。
图5-1 势场法思想简图
5.2 VFH避障算法介绍
5.2.1 CV（Certainty Value）值的确定
在VFH算法中用二维的栅格来表征环境。将机器人的工作空间划分为若干连续的二维栅格系列。每个栅格中都包含一个概率值。这个概率值体现了在该栅格中存在障碍物的可信度，CV值越高，表示此处存在障碍物的可能性就越大。它通过一个与所用传感器特性有关的概率方程进行更新。如图5-2，对于声纳传感器而言，它具有椎形视角，返回的是传感器到该锥形区域内最近一物体的距离值。在运行过程中，当机器人接收到传感器读数后，利用该读数值，通过使
- 2 - - -
用概率函数
C更新锥形区域内每个栅格的概率值，从而获得对障碍的最新认识。
x
实验表明，离该锥形轴线越近的栅格更新的越快。我们可以这样认为：被检测到的障碍物最可能的位置就是在锥形轴线附近。
由上述可知，机器人每接收到一个传感数据，就要调用一次概率函数。显然这样会使计算复杂度提高，导致反应延时而不利于数据的实时处理。这在机器人运动速度较快时表现更为明显。因此，可以将算法进行如下改动：由于被检测到的障碍物最可能的位置就是在锥形轴线附近，所以我们每次仅仅需要更新位于锥形的轴线上且到传感器距离等于传感器读数的那个栅格即可。在机器人不断的运行、传感器连续采样的过程中，这种方法同样可以获得对障碍物的概率分布。同时注意到声纳传感器有其固有的一些缺点：比如方向性较差，抗干扰能力较低，错误读数多等。在这里我们着重考虑的是因其抗干扰能力低而产生较大噪音的问题。
图 5-2 声纳数据概率
为解决这个问题，可以从硬件和软件两方面进行处理。比如可以使用由24个声纳均匀分布而组成的声纳环。每次只触发四个声纳，且必须保证声纳之间均为90度。这样可以减少声纳之间声波的相互干扰。此外，在算法中也对噪音进行处理，削弱其影响。思想如下：
- 3 - - -
- 4 - - -
不在每个栅格中分配具体的概率值，而是在其中记录其被声纳“发现”的次数。每检测到一次，赋一个权值。实验中取3（初始值均为0）。比如某栅格被检测到3次，那么其CV 值则为933=?。次数越多，表明该值的可靠性越高。同时在算法中，采用2CV 来加强合理值的影响。比如某一栅格具有合理CV 值
1243=?，2CV 值则为144；另一栅格具有噪音CV 值313=?，2CV 值则为9。
可以看出，通过CV 值来区分噪音似乎不是太明显，但是通过2CV 来判断的话，效果就好的多。然后可以通过设定阈值将噪音滤掉。
5.2.2 VFH 算法阐述
VFH 算法[54]构架如图5-3所示：
图5-3 VFH 算法构架
任意时刻机器人对外界环境的感知范围是有限的，并取决于所用传感器的有效测量范围。定义某一时刻机器人所能感知的最大范围为活动窗口（图5-4）。它实际上是以机器人为圆心，声纳传感器所测范围为半径的圆形区域。但在本研究中，为方便算法的使用，将其简化为边长为s w 的正方形区域。其中，s w 是声纳传感器所能测的最远距离的两倍。 （一）栅格向量化
将活动窗口内的栅格向量化。该向量大小由下式确定：
- 5 - - -
()()j
i j
i j i bd a c m ,2
*,,-=
而其方向取决于栅格与机器人中心点（VCP ）的相对位置：
1,tan x x y y i j j i --=-β
其中：a ，b 是正常数；
*
,j i c 活动窗口内栅格()j i ,的CV 值
j i d , 该栅格到机器人中心点（VCP ）的距离值
00;y x 此刻机器人中心点（VCP ）的绝对位置坐标。
j i y x ; 该栅格的绝对位置坐标
图5-4 活动窗口说明
（二）活动窗口分区
若选择角分辨率α，则分区后得到的区间总数α
360
=
n 。对于任意区间)1,,2,1,0(,-=n k k ，有??
?
??=αβj i k ,in t 。其障碍密度k h 可以由下式得出：
- 6 - - -
∑=j
i j i k m h ,,。在本研究中 5=α。
由于CV 值的离散性，可能导致障碍密度的过于稀散。因此要对其进行平滑处理：
()1
22121121'-++-++++=
+-+++-+-l h h h l lh h h h l
k l k k k l k l k k （5-1）
（三）确定运动方向θ
通过式5-1可以得到活动窗口中每个分区的障碍密度。给定某一阈值τ，障碍密度低于该值的区域，称为“候选区”。当有连续max S （实验中max S =18）个候选区存在时，称它们为“宽谷”；否则称之为“窄道”。将这些连续候选区中最左边的一个区记为l k ，最右边的一个区记为r k ，则运动方向可以由下式子得出：
()r l k k +=2
1
θ
5.2.3 VFH+ 算法阐述
VFH ＋算法是在VFH 算法基础上发展起来的[55]，它充分考虑了机器人的大小尺寸对算法结果的影响。如图5-5所示，在VFH+中将栅格放大r r ，r r 取决于机器人的尺寸。为了进一步加强机器人运行的安全性，还要将机器人与障碍可以保持不碰撞的最短距离s d 考虑在内。所以对于任意待研究的栅格其实际上被放大了s r r +，s r s r d r r +=+。
这样，扩大角ij γ满足：ij
s
r ij d r +=arcsin γ。对于任意分区k ，其在极坐标下的障碍密度为：∑∈?=
a
C j i ij
ij
p k h m
H ,'
。 当满足条件[
]
ij ij ij ij k γβγβα+-∈?,时1'.=j i h ；否则，0'.=j i h 。为了使机器人得到平滑的运动轨迹，像VFH 中那样使用单一阈值τ来决定安全区域是不够的。在VFH ＋中，将采用low τ与high τ两个阈值。具体操作如下：
若 high p i k H τ>, ，则 1,=b
i k H ；
若 low p i k H τ<, ，则 0,=b
i k H ； 其他情况 则 b i k b i k H H 1,,-=。
- 7 - - -
图5-5 障碍扩大示意图
在VFH+算法中，为了动态分析机器人的运动，将其轨迹分解成运动方向不变时的直线与方向改变时的弧线。该弧线取决于机器人的转动半径，与机器人的速度密切相关，速度越快，其旋转半径越大。如图5-6所示，假设机器人向左旋转时的转向半径为left r ，右转时的转向半径为right r 。A ，B 为两个障碍栅格。按上述方法将A,B 扩大，假定A 与机器人的左转向圆有重叠交叉，那么A 与左转向圆覆盖的所有区域被认为是禁止通行区（blocked ）；B 与转向圆无交叉现象所以只有其自身覆盖的区域为禁止通行区。在图5-6所示情况下，机器人将右转。
具体算法如下： 1） 确定转向圆的圆心
θs i n ?=?r r r x θcos ?=?r r r y θsin ?-=?l l r x θcos ?-=?l l r y 2） 计算障碍栅格j i C ,到两转向圆心的距离 ()()()()2
2
2i y y j x x d r r r ?-?+?-?=
()()()()2
2
2i y y j x x d l l l ?-?+?-?=
3） 条件判断
若 22)(s r r r r r d ++<， 机器人右方被阻；
- 8 - - -
若 22)(s r l l r r d ++<， 机器人左方被阻。
图5-6 算法示意图
通过对上述条件的对照比较可以得到两个极限角度，分布在机器人左右两侧。分别记为l ?及r ?。同时定义πθ?+=b ，表示机器人当前运动方向的反向。初始时刻令b r l ???==。对于活动窗口中任意栅格j i C ,，在其CV 值满足
τ l ?右侧时，令j i l ,β?=。这样，根据l ?及r ?可以得到另一形式的柱状图m k H （masked polar histogram ）。该柱状图表明了机器人在当前速度下的可行方向。 若 0=b k H 且()[]{[]}l r k ?θθ?α,,,∈?，0=m k H 表示该区域可行；其他情况下， 1=m k H 表示该区域内不可行。 通常情况下，我们可以得到若干符合0=m k H 的()l r ??,组合。对于每个组合，记其左右边界分别为：l k 和r k 。若l k 和r k 间包含了max S 以上个区间（max S 为常量，本实验中取10），则称该区域为“宽域”；否则称之为“窄域”。窄域只提供 一个候选方向n c 且2 l r n k k c +=，转化为角度后为n n c ?=α?。而宽域可以提供三 个候选方向：r c ，l c 以及t c 。 2max S k c r r +=，转化成角度为r r c ?=α?； 2 max S k c l l -=，转化成角度为l l c ?=α?； - 9 - - - 此外，当目标方向t k 满足[]l r t c c k ,∈时有t t k c =，转化成角度为t t c ?=α?。 为选出最合适的运动方向c ，建立以下代价函数： ()()()1,321,,,-??+?? ? ????+??=i n i t k c c k c c g μαθμμ，其中： (){}n c c n c c c c c c +----=?21212121,,min ,，是用来计算两个区间1c 和2c 绝对角度差的函数。比如()t k c ,?表示的是候选方向与目标方向间的差角，其值 越大，机器人运动时偏离目标就越远，到达目的地的代价也就越高。?? ? ???αθi c ,表 示的是候选方向与机器人行进方向间的角度差，该值越大，机器人转向变化越大。()1,,-?i n k c 表示的是当前候选方向与前次所选方向间的角度变化，值越大，车轮转向变化越大，运动震荡越大。 所以权衡系数1μ，2μ及3μ的选择至关重要，它们直接决定了算法的优越性。一般情况下应满足：321μμμ+>。在本研究中，51=μ，232==μμ。 注意到在上述讨论中主要是针对点障碍的。但是在有些场合下线特征更容易被提取，此时就需要考虑线状障碍。这样，在用VFH ＋算法时就应该做一些改动。 假定VFH ＋算法的主体思想不变，只是在对障碍物进行放大处理的时候做如下简单变动： 图5-7 线障碍的扩大处理方式 如图5-7所示，将线障碍的端点看作时两个点障碍并按照原始的VFH ＋算 - 10 - - - 法进行放大s r r +；然后整体考虑障碍将其放大s r s r r l r +++=2 1 '。其中l 为该线障碍的长度。 5.3 VFH+算法仿真 5.3.1 仿真环境的创建 本研究过程中，分别对点障碍环境下以及线障碍环境下的VFH+算法进行了仿真实验。在Matlab 环境下编制了用户界面来创建不同的仿真环境。 图5-8所示为创建点障碍环境的用户界面。表示为1010?米的仿真环境。通过点击左侧“Type ”下的按钮，用户可以随意设置起始点（start point ）、目标点（end point ）以及环境中的点障碍（point obstacle ）如图5-9。在这个过程中，若需要对已有的特征等进行移动或删除处理，则需要先点击“Operation ”下的“Move ”或“Delete ” 按钮，然后做相应的处理。当起始点、目标点以及点障碍全部输入完毕之后，点击左下角的“Save ”来保存。若想调用已存的仿真环境，点击左下角“Load ”按钮即可。 图5-8 点障碍环境创建界面 图5-9 点障碍环境示例 图5-10所示为创建线状障碍环境的用户界面，同样表示为10 10 米的仿真环境。通过点击左侧“Type”下的按钮，用户可以随意设置起始点（start point）、目标点（end point）以及环境中的线状障碍（landmarks）如图5-11所示。在这个过程中，若需要对已有的特征等进行移动或删除处理，则需要先点击“Operation”下的“Move”或“Delete”按钮，然后做相应的处理。当起始点、目标点以及线障碍全部输入完毕之后，点击左下角的“Save”来保存。若想调用已存的仿真环境，点击左下角“Load”按钮即可。 - 11 - - - 图5-10 点障碍环境创建界面 图5-11 线状障碍环境示例 5.3.2 仿真结果说明 在如图5-9、图5-11所示仿真环境中运用VFH+算法，结果如图5-12，5-13所示。机器人从出发点到目的地的过程中，检测到障碍，然后运用VFH＋算法避障后前行。 - 12 - - - 图5-12 点障碍环境下仿真结果 图5-13 线障碍环境下仿真结果 实验中发现：随着机器人的移动，传感器不断的采样，环境信息会越来越大，这不仅会溢出存储器容量，而且对环境信息的处理时间会越来越长，这将不能满足实时性的要求。因此必须对环境信息进行优化。比如说，随着机器人的不断移动，在移动机器人后面一定距离的信息利用率是很低的，删除这些信息不会对决策产生大的影响。 - 13 - - - 此外，如图5-12仿真结果所示可以看出，VFH/VFH+算法均是局部优化的算法，没有过多的考虑路径规划问题。如果要得出更优化的路径来，必须采用其他方法来补偿，比如采用动态规划理论等。 5.4 本章小结 本章中在对常用的几种避障算法做了简单介绍的基础上对本研究所采用的VFH/VFH+算法进行了详细的分析，包括环境栅格向量化、活动窗口分区以及新方向确定等环节；最后通过仿真实验对算法进行了校验。 - 14 - - - 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 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/bd18622481.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 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 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。 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。 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 自主移动机器人智能导航研究进展 冯建农 柳 明 吴 捷 (华南理工大学计算机系 广州 510641)摘 要 本文对当前在自主移动机器人智能导航研究中已被采用并取得成果的研究方法进行了 综述,并根据已取得的成果预测了移动机器人智能导航研究的发展趋势,指出视觉导航和传感器融合将是移动机器人智能导航的主要发展方向. 关键词 移动机器人,智能系统,导航 1 引言 国际机器人研究在经过了80年代的低潮之后,呈现出复苏和继续发展的形势;我国的机器人研究在国家“七五”、“八五”及“863”计划的推动下也取得了很大进展.与70年代的机器人浪潮相比,现在的机器人研究有两个特点:一是对机器人智能的定位有了更加符合实际的标准,也就是不要求机器人具有象人类一样的高智能,而只是要求机器人在某种程度上具有自主处理问题的能力;另一个特点是许多新技术及控制方法(神经网络、传感器融合、虚拟现实、高速度的并行处理机等)被引入到机器人研究中.研究重点的转变使机器人研究走向了健康而平稳的发展道路,并不断取得新的研究成果. 智能自主移动机器人能够按照存储在其内部的地图信息,或根据外部环境所提供的一些引导信号(即通过对环境的实时探测所获得的信息)规划出一条路径,并能够沿着该路径在没有人工干预的情况下,移动到预定目标点.智能自主移动机器人对它的研究正在成为一个重要的研究热点. 由于机器人应用从制造业向非制造业的扩展,以及自主移动智能机器人在诸如野外作业、深海探测、以及一些人类本身所不能进入的有毒或高温环境的作业中,有着极其广泛的应用前景,因此近年来机器人研究在多方面都已取得了很大的进展.研究的成果必将成为各行各业提高生产力的强有力工具. 2 移动机器人导航分类 移动机器人有多种导航方式,根据环境信息的完整程度、导航指示信号类型、导航地域等因素的不同,可以分为基于地图导航、基于陆标导航、基于视觉导航、基于感知器导航等. 基于地图的导航是在机器人内部存有关于环境的完整信息,并在预先规划出的一条全局路线的基础上,采用路径跟踪和避障技术,实现机器人导航;当机器人对周围环境并不完全了解时,则可采用基于陆标的导航策略,也就是将环境中具有明显特征的景物存储在机器人内部,机器人通过对陆标的探测来确定自己的位置,并将全局路线分解成陆标与陆标之间的片段,再通过一连串的陆标探测和陆标制导来完成导航任务;在环境信息完全未知的情况下,可1997年11月机器人 R OBOT N ov.,1997 1996-11-04收稿 轮式移动机器人航向跟踪预估控制算法 龚建伟 黄文宇 陆际联 (北京理工大学机器人中心，北京 100081) 摘 要：本文提出了一种轮式移动机器人航向跟踪预估控制算法，航向预估量根据机器人前轮偏角和纵向速度实时得出，预估量与机器人实际航向之和作为控制反馈航向.仿真和实验时用PID 控制器和航向预估算法结合进行航向跟踪，结果表明该算法与常规PID 算法相比，对机器人纵向速度适应范围较宽，能有效地改善控制器的动态特性，表现出了较好的自适应能力. 关键词：轮式移动机器人；自主车；侧向控制；航向跟踪；预估控制 1 引言 Introduction 轮式移动机器人是一个具有大延迟、高度非线性的复杂系统，建立精确的数学模型十分困难，在进行航向跟踪控制时，参数的变化对系统模型影响较大，其中纵向速度的变化影响最为明显.轮式移动机器人航向跟踪一般控制方法是把期望航向与机器人实测航向之差作为控制器输入偏差，控制器输出控制量为机器人的前轮偏角.轮式移动机器人的航向与其纵向速度、横向速度、前轮偏角、机器人绕其重心的转动惯量、重心位置、前后轮侧偏系数以及实际道路情况等诸多因素有关，在常规控制方法中，只考虑了期望航向与实际航向的偏差，而未能包含其它因素的影响，因此难以达到满意的控制效果，当系统参数特别是某些敏感参数发生变化时，就必须重新设定控制器参数.例如，我们用常规PID 控制器进行航向跟踪实验，在某一纵向速度下整定好PID 控制参数，当纵向速度发生很小变化时，必须重新整定PID 参数，否则控制性能变坏，超调较大，甚至出现振荡.表现在路径跟踪实验中，则是在该速度下能较好地完成弯道或急弯等路径跟踪任务，而速度变化后，跟踪误差变大或出现大幅度振荡.因此，在轮式机器人航向跟踪控制中，控制方法应该能对纵向速度等影响因素有一定的自适应能力，航向跟踪预估控制方法就是在这一背景下提出的. 2 二自由度轮式移动机器人动力学模型 T wo Degrees of Freedom Dynamic Model for Wheeled Mobile Robot 当横向加速度和横摆角速度较小时，常采用经简化的二自由度轮式移动机器人动力学模型1,2，其微分方程如下： r f r f r f zz C aC v U bC aC r U C b C a r I 2) (2)(222=-+++ （1） f f r f r f s s C v U C C r U bC aC U M v M δ2)(2)(2=++??????-++ （2） 其中：I zz ：轮式机器人绕重心的转动惯量(kgm 2)； M s ：轮式机器人质量(kg)；C f 、C r ：分别为前、后轮侧偏系数(N/rad)；U ：轮式机器人纵向速度(m/s)；v ：轮式机器人横向速度(m/s)；a 、b ：前后车轴到重心的距离(m)；r ：轮式移动机器人横摆角速度. 将轮式移动机器人转向机构视为一个惯性环节，则有： d f f δδδτ=+ (3) 其中：τ：惯性时间常数；δd ：期望前轮偏角. 在航向跟踪控制过程中，可以令道路曲率为零，即不计实际路径的影响，航向变化率即为机器人的横摆角速度3，即： r =? (4) 其中：?为轮式移动机器人航向与期望航向的偏差角. (1)、(2)、(3)、(4)式联立即可得出以横摆角速度、横向速度、航向偏差角、前轮偏角即X=（r ,v ,?,δf ）为状态变量的系统状态空间表达式. 3 航向预估算法原理 Heading Prediction Algorithm 在实际的航向控制过程中，控制器根据期望航向与采样航向得到航向偏差，再计算控制量，而当执行机构执行这一控制量时，要经过一个采样周期，这时机器人的实际航向已经改 Wall-Following Robot Navigation Data Set(沿墙壁移 动机器人导航数据集) 数据摘要： The data were collected as the SCITOS G5 robot navigates through the room following the wall in a clockwise direction, for 4 rounds, using 24 ultrasound sensors arranged circularly around its 'waist'. 中文关键词： 数据,机器人,导航,沿墙壁移动,传感器, 英文关键词： data,robot,navigate,Wall-Following,sensor, 数据格式： TEXT 数据用途： Classification 数据详细介绍： Wall-Following Robot Navigation Data Data Set Abstract: The data were collected as the SCITOS G5 robot navigates through the room following the wall in a clockwise direction, for 4 rounds, using 24 ultrasound sensors arranged circularly around its 'waist'. Source: (a) Creators: Ananda Freire, Marcus Veloso and Guilherme Barreto Department of Teleinformatics Engineering Federal University of Ceará Fortaleza, Ceará, Brazil (b) Donors of database: Ananda Freire (anandalf '@' https://www.doczj.com/doc/bd18622481.html,) Guilherme Barreto (guilherme '@' deti.ufc.br) Data Set Information: The provided files comprise three different data sets. The first one contains the raw values of the measurements of all 24 ultrasound sensors and the corresponding class label (see Section 7). Sensor readings are sampled at a rate of 9 samples per second. The second one contains four sensor readings named 'simplified distances' and the corresponding class label (see Section 7). These simplified distances are referred to as the 'front distance', 'left distance', 'right distance' and 'back distance'. They consist, respectively, of the minimum sensor readings among those within 60 degree arcs located at the front, left, right 摘要 随着机器人的应用范围的不断拓宽，机器人所面临的工作环境也越来越复杂，往往是未知的、动态的、非结构化的，所以，要在这种环境下实时地完成各种任务，就对机器人的控制提出了新的挑战。 本文的主要工作和创新点包括：对移动机器人的硬件模块进行了分析。详细研究了移动机器人的感知系统，包括超声波传感器和视觉传感器两大模块。移动机器人采用了两款超声波传感器组合使用，用于探测更为全面的障碍物特征信息。通过对基于行为控制技术的论述，设计了一种用于移动机器人完成多目标任务的基于行为控制系统。另外机器人采用了 Sony EVI-D31 PTZ 摄像头，成功地实现了计算机串口控制，大大的扩展了机器人的视觉功能，可以更多的获取外界信息。 关键词：移动机器人、硬件模块、行为控制。 Abstract With the development of applied range, the work condition faced by robot is more complex, which always is unknown, dynamic and unstructured. So the control of robot t o fulfill a mission in real time under this environment has a new challenge. The ma in work and innovative ideas include. The structure of RIRA-Mobile robot is introduced. Furthermore, the driving model and power model are analyzed. The perception system of RIRA-Mobile robot is demonstrated particularly, which includes two models of vision and ultrasonic sensor. RIRA-Mobile robot uses two type s ultrasonic sensors so as to detect the general obstacles’ information. In addition, Sony EVI-D31 PTZ camera is also used, which can de controlled by computer serials that the vision function of robot is extended greatly to get more environment information. Through exploring the behavior-based control technology, a behavior-based control system has been designed for mobile robot fulfilling multiple objective missions. KEYWORDS:mobile robot; hardware modules; behavior control.移动机器人导航技术总结
移动机器人定位系统设计方案
移动机器人视觉导航
移动机器人视觉导航系统研究
移动机器人的研究现状与趋势
基于视觉导航的轮式移动机器人设计方案
移动机器人控制系统的发展方向
多传感器融合的室内机器人惯性导航定位研究
移动机器人的自主导航控制
基于路径识别的移动机器人视觉导航
自主移动机器人智能导航研究进展
轮式移动机器人航向跟踪预估控制算法
机器学习_Wall-Following Robot Navigation Data Set(沿墙壁移动机器人导航数据集)
智能移动机器人控制与感知系统
相关主题
文本预览