基于多传感器信息融合的移动机器人导航综述

一、引言

智能移动机器人是一类能够通过传感器感知环境和自身状态,实现在有障碍物的环境中面向目标的自主运动,从而完成一定的作业功能的机器人系统。移动机器人导航技术的研究内容主要包括同步定位与地图创建、路径规划等若干方面的内容。

导航技术主要解决以下几个方面的问题:通过传感器等技术手段来获得机器人在工作空间中的位置、方向以及环境信息;用信息融合算法对所获得信息进行处理,并建立环境模型;寻找一条最优或次最优的无碰路径。

近年来,移动机器人技术在工业、航空航天,特别是空间探测等许多领域发挥着重要作用,因此,越来越成为学术界关注的热点。本文对移动机器人导航技术进行了分类,并进行了较为详细的分析介绍,最后,对其发展趋势做了进一步的阐述。

二、移动机器人导航技术研究现状

1．同步定位与地图创建

移动机器人的同步定位和地图创建（simultaneous localization and maping, SLAM）技术是移动机器人导航技术的关键技术。SLAM的相关理论与关键技术包括地图的表示方法、定位、不确定性的信息处理方法、数据的关联算法等方面。

地图的表示方法有基于图论的表示方法和基于网格的表示方法。基于图论的表示方法包括可视图法、切线图法、Voronoi图法、拓扑图法等。其基本思想是将机器人、工作空间、目标等用链接图表示,然后,寻找一条从起始点到目标点的路径。基于网格的表示方法有栅格法、四叉树及扩展算法等。栅格法用网格描述机器人的工作空间,根据栅格的可信度值来确定障碍物分布,通过避障规划就可以得到无碰路径。

移动机器人的定位方法主要有:相对定位、GPS技术、基于人工路标的定位和基于地图的定位等。相对定位方法主要采用里程计、光电编码器、航向陀螺仪、加速度计等传感器,利用测量值的积累实现定位。全球定位系统（global positioning system, GPS） ,它是以空间卫星为基础的高精度导航与定位系统。

机器人动力学、运动学模型的近似,各传感器信息及融合信息的不确定性,对于系统中的不确定性问题,目前,使用的主要是模糊逻辑和概率的方法。在SLAM中使用的数据关联算法有近邻算法和联合相容方法来进行环境探测,传感器信息的丰富也对数据关联算法的一致性、适应性提出了新的挑战。

陈卫东等人采用基于概率论的SLAM算法处理未知且不确定的环境信息和传感器噪声。用扩展的Kalman滤波方法进行同步地图创建和估计机器人的位置。提出了稀松扩展信息滤波算法和FastSLAM算法,很好地解决了计算量大和数据关联问题,取得了很好的效果。

2．路径规划

移动机器人路径规划技术按其规划方式不同可分为基于地图的规划方法、基于环境建模的规划方法、基于行为的规划方法3种类型。

（1）基于地图的规划方法

地图更新法是机器人根据当前的地图信息规划路径,沿路径前进一段时间后,利用这段时间收集到的环境信息更新地图,然后,利用更新过的全局地图重新规划和调整路径。这种过程循环下去,直到到达目标为止。路径匹配法是利用现有信息建立一个路径库。根据当前的规划任务产生的路径信息和环境信息与路径库中的路径进行匹配,以寻找出一条近似最优路径。然后,通过一定的算法对该路径进行修正,最后,得到最优路径。

（2）基于环境建模的方法

在环境已知的情况下,全局路径规划的设计标准是尽量使规划的效果达到最优。在此领域已经有了许多成熟的方法,基于图论的建模方法包括可视图法、切线图法、Voronoi图法、拓扑法等。基于网格的建模方法有栅格法、四叉树法及扩展算法等。

在环境部分已知或未知环境下的基于传感器的局部路径规划中,人工势场法、模糊逻辑算法、遗传算法、人工神经网络应用比较广泛。模拟退火算法、蚁群算法、粒子群算法、混沌算法、人工免疫算法和启发式搜索方法等在最近几年比较流行。

遗传算法模拟了自然界中的优胜劣汰的个体进化原则,对路径进行编码并作为操作对象,不要求目标函数连续、可导。具有全局收敛性、隐并型搜索、很好的鲁棒性和适应性等特点。李枚毅等人将进化免疫算法应用于移动机器人的路径规划取得了很好的效果。首先,用节点、链接图进行环境建模,以最短路径条件设计适应度函数,采用免疫算子、克隆算子、粒群行为算子等对初始种群进行操作。然后,通过免疫选择、评价群体适应度、输出最优个体等步骤得到最优路径。免疫算子有提高收敛速度的作用,因此,算法能有效而快速地形成性能优良、安全程度较高的全局（次）最优可行路径。

机器人在没有任何先验信息的情况下,机器人以避障功能为主,侧重于发现一条通往目标的可行路径。Koeing等人提出了增量式D3L ite算法,该方法利用启发式搜索策略搜索一条从目标点指向机器人当前位置的路径,并在机器人运动过程中根据局部环境的更新信息进行实时重规划路径,来得出一条最优路径。

（3）基于行为的路径规划

基于行为的方法模仿了动物进化的自下而上的原理,尝试用一个简单的智能体来建立一个复杂的系统。它把导航问题分解为许多相对独立的行为单元,如,跟踪、避障、回退、目标制导等。

基于行为的方法大体可分为反射式、反应式、慎思式行为3种。反射式行为是一种定时的应激式本能行为;基于反应式的行为规划方法是通过传感器来规划动作行为;慎思行为是利用全局环境模型进行路径规划的,它通过信息融合和逻辑运算来进行路径规划,因此,对环境中不可预知的变化反应较慢。孟江华等人采用了两层算法,底层采用改进的Bug算法,上层为监督模块,用来发现和纠正绕行方向的错误。机器人通过信心函数和路径回溯来进行路径规划。该算法结合了Bug算法、全局地图技术和类人的路径选择策略,比传统的基于行为的方法更具智能性和灵活性。