移動(dòng)機器人常用傳感器及相關(guān)避障技術(shù)介紹

　　移動(dòng)機器人是機器人的重要研究領(lǐng)域，人們很早就開(kāi)始移動(dòng)機器人的研究。世界上第一臺真正意義上的移動(dòng)機器人是斯坦福研究院（SRI）的人工智能中心于1966年到1972年研制的，名叫Shakey，它裝備了電視攝像機、三角測距儀、碰撞傳感器、驅動(dòng)電機以及編碼器，并通過(guò)無(wú)線(xiàn)通訊系統由二臺計算機控制，可以進(jìn)行簡(jiǎn)單的自主導航。Shakey的研制過(guò)程中還誕生了兩種經(jīng)典的導航算法：A*算法（the A* search algorithm）和可視圖法（the visibility graph method）。雖然Shakey只能解決簡(jiǎn)單的感知、運動(dòng)規劃和控制問(wèn)題，但它卻是當時(shí)將AI應用于機器人的最為成功的研究平臺，它證實(shí)了許多通常屬于人工智能（Aritificial Intelligence， AI）領(lǐng)域的嚴肅的科學(xué)結論。從20世紀70年代末開(kāi)始，隨著(zhù)計算機的應用和傳感技術(shù)的發(fā)展，以及新的機器人導航算法的不斷推出，移動(dòng)機器人研究開(kāi)始進(jìn)入快車(chē)道。

　　移動(dòng)機器人智能的一個(gè)重要標志就是自主導航，而實(shí)現機器人自主導航有個(gè)基本要求——避障。下面讓我們來(lái)了解一下移動(dòng)機器人的避障，避障是指移動(dòng)機器人根據采集的障礙物的狀態(tài)信息，在行走過(guò)程中通過(guò)傳感器感知到妨礙其通行的靜態(tài)和動(dòng)態(tài)物體時(shí)，按照一定的方法進(jìn)行有效地避障，最后達到目標點(diǎn)。

　　實(shí)現避障與導航的必要條件是環(huán)境感知，在未知或者是部分未知的環(huán)境下避障需要通過(guò)傳感器獲取周?chē)h(huán)境信息，包括障礙物的尺寸、形狀和位置等信息，因此傳感器技術(shù)在移動(dòng)機器人避障中起著(zhù)十分重要的作用。避障使用的傳感器主要有超聲傳感器、視覺(jué)傳感器、紅外傳感器、激光傳感器等。

　　移動(dòng)機器人避障常用的傳感器

　　1、激光傳感器

　　激光測距傳感器利用激光來(lái)測量到被測物體的距離或者被測物體的位移等參數。比較常用的測距方法是由脈沖激光器發(fā)出持續時(shí)間極短的脈沖激光，經(jīng)過(guò)待測距離后射到被測目標，回波返回，由光電探測器接收。根據主波信號和回波信號之間的間隔，即激光脈沖從激光器到被測目標之間的往返時(shí)間，就可以算出待測目標的距離。由于光速很快，使得在測小距離時(shí)光束往返時(shí)間極短，因此這種方法不適合測量精度要求很高的（亞毫米級別）距離，一般若要求精度非常高，常用三角法、相位法等方法測量。

　　2、視覺(jué)傳感器

　　視覺(jué)傳感器的優(yōu)點(diǎn)是探測范圍廣、獲取信息豐富，實(shí)際應用中常使用多個(gè)視覺(jué)傳感器或者與其它傳感器配合使用，通過(guò)一定的算法可以得到物體的形狀、距離、速度等諸多信息?；蚴抢靡粋€(gè)攝像機的序列圖像來(lái)計算目標的距離和速度，還可采用SSD算法，根據一個(gè)鏡頭的運動(dòng)圖像來(lái)計算機器人與目標的相對位移。但在圖像處理中，邊緣銳化、特征提取等圖像處理方法計算量大，實(shí)時(shí)性差，對處理機要求高。且視覺(jué)測距法檢測不能檢測到玻璃等透明障礙物的存在，另外受視場(chǎng)光線(xiàn)強弱、煙霧的影響很大。

　　3、紅外傳感器

　　大多數紅外傳感器測距都是基于三角測量原理。紅外發(fā)射器按照一定的角度發(fā)射紅外光束，當遇到物體以后，光束會(huì )反射回來(lái)，如圖所示。反射回來(lái)的紅外光線(xiàn)被CCD檢測器檢測到以后，會(huì )獲得一個(gè)偏移值L，利用三角關(guān)系，在知道了發(fā)射角度α，偏移距L，中心矩X，以及濾鏡的焦距f以后，傳感器到物體的距離D就可以通過(guò)幾何關(guān)系計算出來(lái)了。紅外傳感器的優(yōu)點(diǎn)是不受可見(jiàn)光影響，白天黑夜均可測量，角度靈敏度高、結構簡(jiǎn)單、價(jià)格較便宜，可以快速感知物體的存在，但測量時(shí)受環(huán)境影響很大，物體的顏色、方向、周?chē)墓饩€(xiàn)都能導致測量誤差，測量不夠精確。

　　4、超聲波傳感器

　　超生波傳感器檢測距離原理是測出發(fā)出超聲波至再檢測到發(fā)出的超聲波的時(shí)間差，同時(shí)根據聲速計算出物體的距離。由于超聲波在空氣中的速度與溫濕度有關(guān)，在比較精確的測量中，需把溫濕度的變化和其它因素考慮進(jìn)去。超聲波傳感器一般作用距離較短，普通的有效探測距離都在5-10m之間，但是會(huì )有一個(gè)最小探測盲區，一般在幾十毫米。由于超聲傳感器的成本低，實(shí)現方法簡(jiǎn)單，技術(shù)成熟，是移動(dòng)機器人中常用的傳感器。

　　機器人避障技術(shù)的分類(lèi)

　　目前移動(dòng)機器人的避障根據環(huán)境信息的掌握程度可以分為障礙物信息已知、障礙物信息部分未知或完全未知兩種。傳統的導航避障方法如可視圖法、柵格法、自由空間法等算法對障礙物信息己知時(shí)的避障問(wèn)題處理尚可，但當障礙信息未知或者障礙是可移動(dòng)的時(shí)候，傳統的導航方法一般不能很好的解決避障問(wèn)題或者根本不能避障。而實(shí)際生活中，絕大多數的情況下，機器人所處的環(huán)境都是動(dòng)態(tài)的、可變的、未知的，為了解決上述問(wèn)題，人們引入了計算機和人工智能等領(lǐng)域的一些算法。同時(shí)得益于處理器計算能力的提高及傳感器技術(shù)的發(fā)展，在移動(dòng)機器人的平臺上進(jìn)行一些復雜算法的運算也變得輕松，由此產(chǎn)生了一系列智能避障方法，比較熱門(mén)的有：遺傳算法、神經(jīng)網(wǎng)絡(luò )算法、模糊算法等，下面分別加以介紹。

　　1、基于遺傳算法的機器人避障算法：

　　遺傳算法（genetic algorithm ，簡(jiǎn)稱(chēng)GA ）是計算數學(xué)中用于解決最佳化的搜索算法，是進(jìn)化算法的一種。進(jìn)化算法是借鑒了進(jìn)化生物學(xué)中的遺傳、突變、自然選擇以及雜交等現象而發(fā)展起來(lái)的。遺傳算法采用從自然進(jìn)化中抽象出來(lái)的幾個(gè)算子對參數編碼的字符串進(jìn)行遺傳操作，包括復制或選擇算子（Reproduction or Select）、交叉算子（Crossover）、變異算子（Mutation）。

　　遺傳算法的主要優(yōu)點(diǎn)是：采用群體方式對目標函數空間進(jìn)行多線(xiàn)索的并行搜索，不會(huì )陷入局部極小點(diǎn)；只需要可行解目標函數的值，而不需要其他信息，對目標函數的連續性、可微性沒(méi)有要求，使用方便；解的選擇和產(chǎn)生用概率方式，因此具有較強的適應能力和魯棒性。

　　2、基于神經(jīng)網(wǎng)絡(luò )算法的機器人避障方法：

　　神經(jīng)網(wǎng)絡(luò )（neural network，縮寫(xiě)NN），是一種模仿生物神經(jīng)網(wǎng)絡(luò )的結構和功能的數學(xué)模型或計算模型。神經(jīng)網(wǎng)絡(luò )由大量的人工神經(jīng)元聯(lián)結進(jìn)行計算。大多數情況下人工神經(jīng)網(wǎng)絡(luò )能在外界信息的基礎上改變內部結構，是一種自適應系統。人工神經(jīng)網(wǎng)絡(luò )通常通過(guò)一個(gè)基于數學(xué)統計學(xué)類(lèi)型的學(xué)習方法優(yōu)化，是一種非線(xiàn)性統計性數據建模工具，可以對輸入和輸出間復雜的關(guān)系進(jìn)行建模。

　　傳統的神經(jīng)網(wǎng)絡(luò )路徑規劃方法往往是建立一個(gè)關(guān)于機器人從初始位置到目標位置行走路徑的神經(jīng)網(wǎng)絡(luò )模型，模型輸入是傳感器信息和機器人前一位置或者前一位置的運動(dòng)方向，通過(guò)對模型訓練輸出機器人下一位置或者下一位置的運動(dòng)方向?？梢越⒒趧?dòng)態(tài)神經(jīng)網(wǎng)絡(luò )的機器人避障算法，動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò )可以根據機器人環(huán)境狀態(tài)的復雜程度自動(dòng)地調整其結構，實(shí)時(shí)地實(shí)現機器人的狀態(tài)與其避障動(dòng)作之間的映射關(guān)系，能有效地減輕機器人的運算壓力。還有研究通過(guò)使用神經(jīng)網(wǎng)絡(luò )避障的同時(shí)與混合智能系統（HIS）相連接，可以使移動(dòng)機器人的認知決策避障能力和人相近。

　　3、基于模糊控制的機器人避障算法

　　模糊控制（fuzzy control）是一類(lèi)應用模糊集合理論的控制方法，它沒(méi)有像經(jīng)典控制理論那樣把實(shí)際情況加以簡(jiǎn)化從而建立起數學(xué)模型，而是通過(guò)人的經(jīng)驗和決策進(jìn)行相應的模糊邏輯推理，并且用具有模糊性的語(yǔ)言來(lái)描述整個(gè)時(shí)變的控制過(guò)程。對于移動(dòng)機器人避障用經(jīng)典控制理論建立起的數學(xué)模型將會(huì )非常粗糙，而模糊控制則把經(jīng)典控制中被簡(jiǎn)化的部分也綜合起來(lái)加以考慮。

　　對于移動(dòng)機器人避障的模糊控制而言，其關(guān)鍵問(wèn)題就是要建立合適的模糊控制器，模糊控制器主要完成障礙物距離值的模糊化、避障模糊關(guān)系的運算、模糊決策以及避障決策結果的非模糊化處理（精確化）等重要過(guò)程，以此來(lái)智能地控制移動(dòng)機器人的避障行為。利用模糊控制理論還可將專(zhuān)家知識或操作人員經(jīng)驗形成的語(yǔ)言規則直接轉化為自動(dòng)控制策略。通常使用模糊規則查詢(xún)表，用語(yǔ)言知識模型來(lái)設計和修正控制算法。

　　除此之外還有啟發(fā)式搜索算法、基于行為的路徑規劃算法、基于再激勵學(xué)習的路徑規劃算法等避障算法，也都在移動(dòng)機器人的避障研究中取得了很好的成果。

　　隨著(zhù)計算機技術(shù)、傳感器技術(shù)、人工智能的發(fā)展，移動(dòng)機器的避障及自主導航技術(shù)已經(jīng)取得了豐碩的研究成果，應用領(lǐng)域也在不斷地擴大，應用復雜程度也越來(lái)越高。移動(dòng)機器人的自主尋路要求已經(jīng)從之前簡(jiǎn)單的功能實(shí)現提升到可靠性、通用性、高效率上來(lái)，因此對其相關(guān)技術(shù)提出了更高的要求。然而至今沒(méi)有任何一種方法能夠在任意環(huán)境使機器人進(jìn)行有效地避障，如何克服相關(guān)算法的局限性是今后工作的研究方向之一?？梢钥闯霾还苁莻鹘y算法還是新興的智能算法都有其適用與不適用的環(huán)境，通過(guò)傳統算法與智能算法及智能算法之間的相互融合，克服單個(gè)算法的缺陷，增強整體的適用性，現在已經(jīng)有很多這方面的研究，以后仍將是研究熱點(diǎn)之一。