摘要

    移动机器人就具有广泛的应用前景，也是近年来研究的热门课题之一。本文对移动机器人的发展与现状以及移动机器人导航技术的发展状况做了总结与阐述。

1.引言 

    导航技术在移动机器人的相关技术研究中，是其核心技术，也是其实现其智能化的技术。导航研究的目标就是没有人的干预下使机器人有目的地移动并完成特定任务，进行特定操作。机器人通过装配的信息获取手段，获得外部环境信息，实现自我定位，判定自身状态，规划并执行下一步的动作。机器人及其技术在未来将起到重要作用。展望生产自动化的未来，从使用角度看，生产系统如何才能在与人协调的作业环境中快速高效地生产出高质量、高性能的商品。

2.移动机器人的分类

    移动机器人按工作环境来分：室外移动机器人和室内移动机器人。按移动方式分：轮式移动机器人，步行移动机器人，蛇形移动机器人，履带移动机器人，爬行移动机器人。按结构体系结构分：功能式结构机器人，行为式结构机器人，混合式结构机器人。按功能和用途分：医疗机器人，军用机器人，助残机器人，清洁机器人。按作业空间分：陆地移动机器人，水下移动机器人，无人和空军移动机器人

3.移动机器人导航及定位现状

   导航和定位是移动机器人发展的两重要问题，移动机器人的导航方式可以分为：基于环境信息的地图模型匹配导航，视觉导航，传感器数据导航。

3.1导航

3.1.1陆标导航 

陆标导航是将陆地上的一些特殊景物作为陆标，移动机器人在知道这些陆标坐标形状的前提下通过对陆标的探测确定自己的位置。同时将全场的目标分解为陆标和陆标之间的片段。不断对陆标探测完成导航，根据不同环境可以分为人工路标导航和自然路标导航。人为路标导航是通过对人放置的一些陆标进行识别完成导航，但它容易改变工作环境。自然路标导航不会改变自然环境，是机器人对工作环境中的自然标志进行识别完成那个导航。

3.1.2视觉导航  

由于计算机视觉理论及算法的发展，视觉导航成为导航技术中的一个重要发展方向。DeSouza等总结了近20年机器人导航中视觉导航技术的发展状况，包桂秋等也描述了图像技术在机器人导航中的应用，特别是在飞行器包括导弹、飞机等导航中的应用。通常，机器人利用装配的摄像机拍摄周围环境的局部图像，然后通过图像处理技术，如特征识别、距离估计等，进行机器人定位及规划下一步的动作。Menegatti等利用Fourier变换处理机器人全方位图像，并将关键位置的图像经Fourier变换所得的数据存储起来作为机器人定位的参考点。以后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。席志红等利用视觉技术解决计算机器人运动过程中的避碰点，从而实现机器人局部路径规划。 3.1.3基于传感器数据导航  

一般机器人都安装了一些非视觉传感器，如超声传感器、红外传感器、接触传感器等。利用这些传感器亦可以实现机器人导航。童峰等介绍了一种用于移动机器人的超声波导航系统，而且此系统精度比较高。Song等将超声数据与图像数据结合，通过事先训练好的神经网络预测障碍物的可能位置，从而使得 机器人能够在动态非结构化环境中实现自主导航。而Maaref等 将传感器数据作为模糊推理系统的输入，模糊系统将产生较优(针对某事先设定的代价函数而言)的机器人行为动作。Ratner等利用超声数据，识别和跟踪道路边缘，从而实现机器人在一个公园中的自主导航。 

3.2定位

作为机器人导航的最基本环节，定位是确定机器人在二维工作环境中相当于全局坐标的位姿定位方法根据机器人工作环境工作的复杂性。根据机器人定位方法的不同可以分为惯性定位，陆标定位，声音定位等。惯性定位是在移动机器人的车轮上装有光电编码器。陆标定位常用的方法是三角测量法。声音定位用于光线超出视野之外或者光线很暗时。

4.机器人导航相关技术  

机器人导航相关技术包括机器人定位与地图构建、机器人路径规划 、机器人体系结构、传感器数据融合等。

 5.智能方法的应用  

随着智能控制理论与方法的迅速发展，智能方法在移动机器人导航中得到了广泛应用。目前主要存在的智能导航算法主要有模糊算法、神经网络算法、模糊神经网络、遗传算法和进化神经网络等。

5.1模糊逻辑的导航方法  

    Wong等提出了一种基于模糊逻辑的导航方法，其思想就是定义3个矢量(机器人前进方向矢量、机器人到目标的方向矢量和机器人到障碍物的方向矢量)，根据3个矢量的位置关系来决定构造模糊规则库。  

5.2遗传算法  

    张文志等给出了一种用遗传算法学习模糊规则以完成移动机器人导航的方法．通过采用变长度编码方法和竞争型小生境遗传算法，减少了染色体的尺寸和复杂度，同时提高了学习速度。Hashimoto等提出了基于遗传编程(GeneticProgramming，GP)的导航方法，GP是一种采用结构编码方法的扩展的遗传算法，可以产生计算程序和函数。整个方案的原理就是利用GP对数据进行预处理，把定量的数据信息转化成关于周围环境的定性信息，感知结束后，采用基于delta规则的模糊规则进行推理，从而实现自主式移动机器人导航。邹细勇等提出了一种解析形式的机器人矢量场导航模型。考虑到机器人对路径长度、平滑度及安全性的要求，一种混合遗传模拟退火优化算法被用来对导航模型的参数进行搜索，以寻找最优路径。龚涛等分析了未知远程环境下移动机器人导航过程中进化学习的效率和知识更新问题，提出了并行进化模型来解决此问题。 

5.3神经网络技术  

    5.4基于行为的导航方式  Banta等讨论了神经网络技术在机器人导航中的应用。Morasso构建了一个基于自组织神经网络的混杂系统来实现机器人导航，通过传感器数据训练自组织神经网络，机器人关于环境的知识便逐步积累。Chee等构造了一个两层的模糊推理系统来进行机器人导航，此系统接收传感器数据作为输入，而直接输 出机器人控制信号。Doitsidis etal 设计了一个两层的模糊推理系统来实现自动小车的导航;其中第一层实现数据融合和运动控制功能，第二层实现实时避障功能。Tsourveloudis等使用一个两层模糊推理系统，结合势场方法，实现机器人导航。这里的模糊推理系统与大致相同。有一类机器人导航方法是基于行为的导航方式。所谓基于行为的导航是把复杂的导航功能分解成很多简单的功能模块单元。每个单元有自己的感知器和执行器，具有特定的感知动作行为。机器人在不同的情景下，激发并执行某个或某些功能模块单元。Parasuraman等利用模糊专家系统来进行功能模块的调度。整个导航系统分成三个子系统功能模块(wall following，obstacle avoidance，goalseeking)，每个功能模块都用模糊逻辑来设计。这个系统的优点是模块动作转换平滑，并且易于增加新的功能模块。Nefti等利用自适应模糊神经网络(ANFIS)来调度这三个功能模块。杨争等也实现了一种此类导航系统，其中各个功能模块单元由一个模糊控制器调度。Lim等用混杂系统来进行动作模块分配，从而实现高速的机器人行为动作;这个混杂系统包括离散的抽象动作任务和连续的具体控制信号。Ryu等通过扩展拓扑地图能实现机器人定位和路径规划;同时，这个导航系统具有基于行为的导航功能。这样，机器人既具有快速反应能力，又具有全局规划能力。 

6.关于移动机器人的设计

6.1目的：

能实现轮式机器人的速度控制，可寻线行走，LCD显示和温度测量功能，还可以在室内清扫地面的同时实现避障功能。

6.2技术指标及功能：

    清扫地面时，行走速度约为0.4M/S。当前方有障碍时，机器人可以智能的避开障碍继续工作（清扫地面），工作初的铅电池电压约为12.8—13V，锂电池约为15V，能持续工作20分钟左右，而这个期间的铅电池与锂电池的压降都不太大，可以认为是电池电压变化的稳定阶段，在整个过程中，也一直显示机器人工作的周围温度，额外还加了液晶显示功能。

7.总体方案：

7.1后轮驱动部分，考虑到机器人在行驶的过程中要反复的左转、右转，并且能够灵活转向，故采用双直流电机驱动，每个电机控制一个主动轮，采用专用的驱动芯片L298N来驱动电机，L298N驱动芯片是著名的SGS公司产品，内部包含四通道驱动电路，它能够一个芯片驱动两个电机，也可以一个芯片驱动一个电机。外观为15引脚。额定工作电流为1A，最大可达2A，VSS电压最小4.5V，最大可达36V，VS电压最大也是36V。VS电压应比VSS电压略高，否则L298N有时会出现失控的现象。 用L298N可以方便的实现电机正反转控制，电子开关的速度很快，稳定性也非常强，并且有过热和过载保护功能。是一种广泛采用的控制直流电机的驱动芯片，使用此方案可以减少了硬件电路搭设。其缺点是启动时，突然加的电压比较高。

我们认为，在驱动这一部分中，必须保持驱动的快速性和稳定性，用集成化了专用驱动芯片，容易控制运动方向，其外围电路也简单，易于调整。

    7.2 清扫用的直流电机，由于它不需要转换旋转方向和速度控制，所以采用稳定后的电压直接加在电机上就可以。

7.3电源部分，由于本系统需要电池供电，我们考虑了集中方案为系统供电。采用15V左右的可充电式锂电池，经过7805的电压变换后，给清扫地面用的直流电机，液晶和温度测量器件供电，将铅电池接出两个之路，一条用于共给后轮的驱动电压，另一条经过7805电压变换，稳压后给单片机系统和其他芯片供电。锂电池和铅电池的电量比较足，并且可以充电，重复利用，可以长时间的持续供电。

7.4液晶显示和温度测量部分，液晶我们采用       ，温度测量，我们采用DS 18B20 温度传感器，该元器件输出的是数字信号，相对其它的测温元件来说，它精确，稳定，外围电路简单。

7.5避障用的是E3F-DS30C4 光电开关，它的测量距离可达到50cm以上，并且距离可调。测量精确，稳定。

7.6由于给避障传感器供12V电压，故输出电压会出现11V多和0V两种情况，不能直接加到单片机上。于是我采用三极管将电流放大，然后接到继电器线圈上，继电器的常开和常闭分别接5V和地。而此时的输出为5V和0V，就可以被单片机接受。

8.结论

    移动机器人已经取得了许多令人鼓舞的成果，取得可喜的进展，但还未达到实用的要求。移动机器人技术是传感技术、控制技术、信息处理技术、机械加工技术、电子技术、计算机技术等多门技术的结合。因此对于移动机器人的发展也必然建立在这些技术的高速发展之上的多传感器的导航方式是移动机器人导航发展的必然趋势。这种多传感器的信息融合技术充分利用了多个传感器的资源，通过对这些传感器及其观测信息的合理支配和利用，把多个传感器在空间或时间上的冗余或互补信息根据一定的准则进行组合，从而获得对被测对象的一致性解释或描述，因此信息处理主要是指对于传感器采集进来的信息进行处理，包括语音识别与理解技术，图像处理与模式识别技术等。由于目前移动机器人的导航大都采用基于视觉或有视觉参与的导航技术，因此计算机视觉和图像处理技术的水平对于移动机器人导航的发展将起到至关重要的作用。

参考文献 

[1] 童峰,许天增.一种移动机器人超声波导航系统[J]. 机器人,2002,24(1):55～57.  

[2]王志文,郭戈. 移动机器人导航技术现状与展望[J]. 机器人,2003,25(5):193～197. 

[3] 郑向阳,熊蓉,顾大强. 移动机器人导航和定位技术[J]. 机电工程,2003,20(5):35～37. 

[4] 卢韶芳,刘大维. 自主式移动机器人导航研究现状及其相关技术[J]. 农业机械学报,2002,(3):112～116.  

[5] 吕永刚,谢存禧. 移动机器人的导航与路径规划的研究[J]机电工程技术,2004,33(1):19～21.  下载本文