机器人是一门多学科交叉的技术,涉及到机械设计、计算机、传感器、自动控制、人机交互、仿生学等多个学科。因此,机器人领域中需要研究的问题非常多,而其中感知、定位和控制是机器人技术的三个重要问题。下面主要针对智能机器人中的环境感知、自主定位、运动控制等方面,简述其中的用到的一些技术。
环境感知
目前,在结构化的室内环境中,以机器视觉为主并借助于其他传感器的移动机器人自主环境感知、场景认知及导航技术相对成熟。而在室外实际应用中,由于环境的多样性、随机性、复杂性以及天气、光照变化的影响,环境感知的任务要复杂得多,实时性要求更高,这一直是国内外的研究热点。多传感器信息融合、环境建模等是机器人感知系统面临的技术任务。
基于单一传感器的环境感知方法都有其难以克服的弱点。将多种传感器的信息有机地融合起来,通过处理来自不同传感器的信息冗余、互补,就可以构成一个覆盖几乎所有空间和时间的检测系统,可以提高感知系统的能力。因此,利用机器视觉信息丰富的优势,结合由雷达传感器、超声波雷达传感器或红外线传感器等获取距离信息的能力,来实现对机器人周围环境的感知成为各国学者研究的热点。
使用多种传感器构成环境感知系统,带来了多源信息的同步、匹配和通信等问题,需要研究解决多传感器跨模态跨尺度信息配准和融合的方法及技术。但在实际应用中,并不是所使用的传感器及种类越多越好。针对不同环境中机器人的具体应用,需要考虑各传感器数据的有效性、计算的实时性。
所谓环境建模,是指根据已知的环境信息,通过提取和分析相关特征,将其转换成机器人可以理解的特征空间。构造环境模型的方法分为几何建模方法和拓扑建模方法。几何建模方法通常将移动机器人工作环境量化分解成一系列网格单元,以栅格为单位记录环境信息,通过树搜索或距离转换寻找路径;拓扑建模方法将工作空间分割成具有拓扑特征的子空间,根据彼此连通性建立拓扑网络,在网络上寻找起始点到目标点的拓扑路径,然后再转换为实际的几何路径。
自主定位
定位是移动机器人要解决的三个基本问题之一。虽然GPS已能提供高精度的全局定位,但其应用具有一定局限性。例如在室内GPS信号很弱;在复杂的城区环境中常常由于GPS信号被遮挡、多径效应等原因造成定位精度下降、位置丢失;而在军事应用中,GPS信号还常受到敌军的干扰等。因此,不依赖GPS的定位技术在机器人领域具有广阔的应用前景。
目前最常用的自主定位技术是基于惯性单元的航迹推算技术,它利用运动估计(惯导或里程计),对机器人的位置进行递归推算。但由于存在误差积累问题,航位推算法只适于短时短距离运动的位姿估计,对于大范围的定位常利用传感器对环境进行观测,并与环境地图进行匹配,从而实现机器人的精确定位。可以将机器人位姿看作系统状态,运用贝叶斯滤波对机器人的位姿进行估计,最常用的方法是卡尔曼滤波定位算法、马尔可夫定位算法、蒙特卡洛定位算法等。
由于里程计和惯导系统误差具有累积性,经过一段时间必须用其他定位方法进行修正,所以不适用于远距离精确导航定位。近年来,一种在确定自身位置的同时构造环境模型的方法,常被用来解决机器人定位问题。这种被称为SLAM (Simultaneous Localization And Mapping)的方法,是移动机器人智能水平的最好体现,是否具备同步建图与定位的能力被许多人认为是机器人能否实现自主的关键前提条件。
1 2 下一页>