智能机器人的三大关键技术详解

　　市场研究机构统计显示，2015年中国工业机器人市场价值达13亿美元，并将保持20%的年复合成长（CAGR），到2020年达到33亿美元。

　　2015年，中国的工业机器人销售收入占全球13%，到2020年将达到25%。美的花重金收购库卡，大概也是看中工业机器人良好的发展势头。

　工业机器人属于智能机器人的一种，智能机器人发展迅速，下面跟随小编一起，了解一下智能机器人中用到的三大关键技术吧。

　　一、多传感器信息融合

　　多传感器信息融合技术是近年来十分热门的研究课题，它与控制理论、信号处理、人工智能、概率和统计相结合，为机器人在各种复杂、动态、不确定和未知的环境中执行任务提供了一种技术解决途径。

　　数据融合的关键问题是模型设计和融合算法，数据融合模型主要包括功能模型、结构模型和数学模型。

　　功能模型从融合过程出发，描述数据融合包括哪些主要功能和数据库，以及进行数据融合时系统各组成部分之间的相互作用过程；

　　结构模型从数据融合的组成出发，说明数据融合系统的软、硬件组成，相关数据流、系统与外部环境的人机界面；

　　数学模型是数据融合的算法和综合逻辑，算法主要包括分布检测、空间融合、属性融合、态势评估和威胁估计算法等，下面从3个方面分别进行介绍。

　　1.信息融合的功能模型

　　目前已有很多学者从不同角度提出了信息融合系统的一般功能模型，最有权威性的是DFS（美国三军政府组织-实验室理事联席会（JDL）下面的C3I技术委员会（TPC3）数据融合专家组）提出的功能模型。

　　该模型把数据融合分为3级。第1级是单源或多源处理，主要是数字处理、跟踪相关和关联；第2级是评估目标估计的集合，及它们彼此和背景的关系来评估整个情况；第3级用一个系统的先验目标集合来检验评估的情况。

　　2.信息融合的结构模型

　　数据融合的结构模有多种不同的分类方法，其中一种分类标准是根据传感器数据在送人融合处理中心之前已经处理的程度来进行分类。

　　在这种分类标准下，融合结构被分为传感器级数据融合，中央级数据融合及混合式融合，还可以根据数据处理过程的分辨率来对融合结构进行分类。在这种情况下，融合结构为像素级、特征级和决策级融合。

　　3.多传感器信息融合实现的数学模型

　　信息融合的方法涉及到多方面的理论和技术，如信号处理、估计理论、不确定性理论、模式识别、最优化技术、模糊数学和神经网络等这方面国外已经做了大量的研究。　　目前，这些方法大致分为两类：随机类方法和人工智能方法。

　　二、导航与定位

　　在机器人系统中，自主导航是一项核心技术，是机器人研究领域的重点和难点问题。自主移动机器人常用的导航定位方法有以下四种。

　　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&TImes;32到1024&TImes;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。
　　2、光反射导航定位

　　典型的光反射导航定位方法主要是利用激光或红外传感器来测距。激光和红外都是利用光反射技术来进行导航定位的。　　激光全局定位系统一般由激光器旋转机构、反射镜、光电接收装置和数据采集与传输装置等部分组成。

工作时，激光经过旋转镜面机构向外发射，当扫描到由后向反射器构成的合作路标时，反射光经光电接收器件处理作为检测信号，启动数据采集程序读取旋转机构的码盘数据（目标的测量角度值），然后通过通讯传递到上位机进行数据处理，根据已知路标的位置和检测到的信息，就可以计算出传感器当前在路标坐标系下的位置和方向，从而达到进一步导航定位的目的。如图是一个LDSR激光传感器系统原理框图。激光测距具有光束窄、平行性好、