机器人导航技术的研究现状和发展趋势

机器人导航技术的研究现状和发展趋势

1 导航技术的研究现状

1.1 路基无线电导航系统

1.2 蜂窝导航

1.3 惯性导航

1.4 卫星导航系统

1.5 其他导航

2 机器人导航中的相关技术

2.1 定位技术

2.2 路径规划

3 移动机器人导航技术的展望

1 导航技术的研究现状

---

导航技术是综合自动控制、计算机、微电子学、光学、力学以及数学等多学科的高技术，是国家武器精准制导的核心技术，实现航天航空执行任务的关键技术，民用定位规划路线的重要技术。随着时间的发展，人民对导航技术的需求不断提高，从早期使用太阳月亮等自然现象进行定位导航，到如今使用卫星实现精准定位，导航技术已经发生多次革新，以下介绍现如今的导航技术的研究现状。

1.1 路基无线电导航系统

路基无线电导航系统是以无线电电波传播的规律为基础，利用已知位置点上无线电电台的发射和载体上的接受设备，来测定载体相对发射台的几何参量（方向、距离、距离差等），从而确定载体的位置，达到定位导航的目的。

----------------------图1 路基无线电导航系统--------------------

1.2蜂窝导航

蜂窝导航又名GSM，是基于信号的衰减与距离的关系，通过测量信号的强弱来实现估计小区ID。

--------------------------------图2 蜂窝导航-------------------------

1.3 惯性导航

利用惯性仪表（陀螺仪与加速度计）测量运动载体在惯性空间中的角运动和线运动，根据载体运动微分方程组实时地、精准地解算出运动载体的位置、速度和姿态角，不需要外来无线信号，不辐射电磁波。

----------------------------图3 陀螺仪加速度计-------------------------

1.4 卫星导航系统

卫星导航是以卫星为空间基准点，利用接受接收设备测至卫星的距离或者多普勒频移等观测量来确定其位置和速度的系统。卫星导航定位系统主要由三大部分组成：空间卫星、地面监测网和用户设备。

----------------------------图4 卫星导航示意图-------------------------

1.5 其他导航

磁导航，利用路径下埋电缆，通过不同频率的电流，来作为路径信息。
地磁导航，基于地磁异常的明显变化，利用地磁等高线匹配等方式可实现匹配导航。
视觉导航，基于机器人所拍摄的图像经变换后与之相对照，从而得知机器人当前位置。

2 机器人导航中的相关技术

机器人的导航技术牵涉到两个技术，分别是定位技术和路径规划等。

2.1定位技术

定位是确定移动机器人在二维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最基本环节。基于对应关系的定位可以将定位分为相对定位和绝对定位。
相对技术可以采用光电编码器、里程计和航向陀螺仪，计算每个采样周期车轮移动路程之和；也可以采用陀螺仪和加速度计。陀螺仪测量回转速度（角速度），加速度计测量加速度，通过分别对时间进行一次积分和二次积分即可获得偏移的距离和角度。绝对定位技术是自然陆标和基于人工陆标（超声波发射器、激光反射板）进行定位，如GPS系统。以下是常使用的定位技术：
1、卫星定位
全球卫星导航系统（GNSS）利用卫星来进行定位，卫星负责发送它们的位置和时钟信息。其定位机理为：1、一秒钟的卫星信号的测量值定义为一秒钟球体；2. 两个球体相交于一个圆，使用第三颗卫星可得出 相交的两点，当事先知道接收机处于地球表面时，足以确定位置；3. 但由于接收机与卫星时钟不完全同步，存在第四个变量，所以需要第四颗卫星。

----------------------------图5 三颗卫星定位系统-------------------------

算法：
记接收机的坐标 （x,y,z）及偏移b （由始终不同步造成：光速*时差）
可以构建方程组：

----------------------------图6 四颗卫星定位系统-------------------------

2、圆周定位法
通过测量信号由目标发射机到达接收机的时间，与传输速度相乘获得距离来实现定位，这种方法需要基站和移动台之间的时钟同步，否则会产生很大的误差，而且在二维定位中，至少需要三个接收机，可建立此方程：


----------------------------图7 圆周定位方法-------------------------
3、双曲线定位法
采用了测量不同基站的时间差来实现定位，这种方法需要基站时间同步，不需要测量绝对时间，建立方程组：

----------------------------图8 双曲线定位系统-------------------------

4、蜂窝定位
移动通信蜂窝网络是目前覆盖范围最大的无线网络，其中各种基于移动台位置的服务，如公共安全服务、紧急报警、导航等都需要一种简单、廉价的定位方法。无线定位系统中对移动台的定位是通过检测移动台和多个固定位置的收发机之间传播信号的特征参数来估计出目标移动台的几何位置。

----------------------------图9 蜂窝定位系统-------------------------

5、无线局域网定位
无线局域定位系统基本上都包括至少两个分离的硬件，一个承载系统“智能化”主要部分的测量单位和一个信号发射机。该技术依靠接收信号强度（RSSI）的衰减和特定无线电的传输模型。
6、基于惯性传感器的定位
利用加速度计和陀螺仪，测量沿 X, Y, Z轴方向的线加速度和绕轴的角速率或角度，对加速度进行一次与二次积分，对角速率进行积分，可获得速度、位置与角度等信息。机器人前进方向 和距离 ，在已知起始位置 的基础上，时刻 的机器人位置为：

----------------------------图10惯性传感器定位系统-------------------------

7、协作定位
利用位置未知节点间的无线信号测量来辅助获得节点相对位置信息，不但扩大了定位的覆盖范围，同时提高了定位精度。协作定位可分为多组织定位、多跳定位、相对定位、无锚头点定位，常应用在机器人网络，无线传感器网络和无线移动网络。

---------图11 协作定位示意图（a）和结构（b）-------------------

2.2路径规划
通过一定的检测手段获取移动机器人在空间中的位置、方向以及所处环境的信息，并用一定的算法对所获信息进行处理并建立环境模型，从而寻找一条最优或近似最优的无碰路径，实现移动机器人安全移动的路径规划。可以将导航路径规划分为：点到点路径规划（欠驱动无障碍路径规划）、全局路径规划（静态路径规划）、局部路径规划（动态路径规划）。
2.2.1点到点路径规划
点到点的本质是在世界坐标中，从状态S 运动到 G，采用的方法一般是Bubins曲线，只允许前向运动的情况下，欠驱动移动平台（非完整约束）做点对点运动时， 最短路径符合 CLC（circle-line-circle）或者 CCC（circle-circle-circle）格式（其中C表示机器人以最小旋转半径R所做的圆弧运动，L为直线运动），其路径可以使用下图表示：

--------------------图12 Bubins曲线路线规划-----------------

2.2.2、全局路径规划
1、环境的图表示
可视图：视移动机器人为一点，将起始点、目标点和多边形障碍物的各顶点进行组合连接，保证直线均不与障碍物相交，就构成了一张可视图。从起点沿着这些直线到达目标点的所有路径是运动物体的无碰路径，搜索最优路径转化为从起点到目标点，经过这些可视直线的最短距离问题。
--------------------图13 可视图路径规划--------------------

切线图：对于环境中的两个凸障碍物，存在两条内公切线和两条外公切线，对于点状机器人，局部最短路径通常由凸障碍物之间的公切线组成，基于切线图进行最优路径规划。

--------------------图14 切线图路径规划--------------------

Voronoi 图（沃罗诺伊）：给定平面中的?个点，把平面划分为以这些点为中心的区域，区域中任何位置到中心点的距离都比到其他中心点的距离更近。利用图搜索算法，从各条边中寻找起始点到目标点的最短路径，可有效避免障碍物。

--------------图15 Voronoi 图路径规划过程图(a)(b)©--------------------

2、基于图的最优路径规划
贪心算法：贪心算法是指在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，只做出在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。
Dijkstra算法（迪杰斯特拉）：Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。
A算法：A算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。
遗传算法：遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。
蚁群算法：又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质，并且现在已用于我们生活。

2.2.3 局部路线规划
通过传感器在线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，然后进行局部路径规划。
人工势场法：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。
模糊逻辑算法：类似人的避障，经验化的方法，基于传感器的信息，采用模糊逻辑算法通过查表得到规划出的信息，完成局部路径规划。

3 移动机器人导航技术的展望

随着计算机技术、传感器技术、控制技术的发展，移动机器人的智能导航研究取得丰硕的研究成果，其发展的趋势趋于以下方向：
1、移动机器人导航技术的实时性会更加迅速，这让后期机器人执行任务时响应更快。
2、视觉导航的探测范围更广、目标信息更完整。
3、导航系统趋于模块化，这将使得导航技术变得更加灵活。
4、网络技现在已渗透到人类社会的各个领域，网络机器人也就随之产生。基于网络的机器人控制就是利用互联网实现远程的机器人控制，其导航问题也是智能机器人导航技术一个研究方向。