移动机器人的三大关键技术

2019-06-28 11:54

在机器人领域所要研究的问题非常多，会涉及到计算机、传感器、人机交互、防生学等多个学科，其中环境感知、自主定位和运动控制是机器人技术的三大重点问题，以下将针对这三点进行详细探讨。

环境感知

目前，在机器人室内环境中，以激光雷达为主，并借助其他传感器的移动机器人自主环境感知技术已相对成熟，而在室外应用中，由于环境的多变性及光照变化等影响，环境感知的任务相对复杂的多，对实时性要求更高，使得多传感器融合成为机器人环境感知面临的重大技术任务。

利用单一传感器进行环境感知大多都有其难以克服的弱点，但将多传感器有效融合，通过对不同传感器的信息冗余、互补，几乎能使机器人覆盖所有的空间检测，全方位提升机器人的感知能力，因此利用激光雷达传感器，结合超声波、深度摄像头、防跌落等传感器获取距离信息，来实现机器人对周围环境的感知成为各国学者研究的热点。

使用多传感器构成环境感知技术可带来多源信息的同步、匹配和通信等问题，需要研究解决多传感器跨模态跨尺度信息配准和融合的方法及技术。但在实际应用中，并不是所使用的传感器种类越多越好。针对不同环境中机器人的具体应用，需要考虑各传感器数据的有效性、计算的实时性。

自主定位

移动机器人要实现自主行走，定位也是其需要掌握的核心技术之一，目前GPS在全局定位上已能提供较高精度，但GPS具有一定的局限性，在室内环境下会出现GPS信号弱等情况，容易导致位置的丢失。

近年来，SLAM技术发展迅速，提高了移动机器人的定位及地图创建能力，SLAM 是同步定位与地图构建 (Simultaneous Localization And Mapping) 的缩写，最早是由 Hugh Durrant-Whyte 和 John J.Leonard 在1988年提出的。SLAM与其说是一个算法不如说它是一个概念更为贴切，它被定义为解决“机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征（比如，墙角，柱子等）定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目”的问题方法的统称。

路径规划

路径规划技术也是机器人研究领域的一个重要分支。最优路径规划就是依据某个或某些优化准则（如工作代价最小、行走路线最短、行走时间最短等），在机器人工作空间中找到一条从起始状态到目标状态、可以避开障碍物的最优路径。

根据对环境信息的掌握程度不同，机器人路径规划可分为全局路径规划和局部路径规划。

全局路径规划是在已知的环境中，给机器人规划一条路径，路径规划的精度取决于环境获取的准确度，全局路径规划可以找到最优解，但是需要预先知道环境的准确信息，当环境发生变化，如出现未知障碍物时，该方法就无能为力了。它是一种事前规划，因此对机器人系统的实时计算能力要求不高，虽然规划结果是全局的、较优的，但是对环境模型的错误及噪声鲁棒性差。

而局部路径规划则环境信息完全未知或有部分可知，侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避障能力，通过传感器对机器人的工作环境进行探测，以获取障碍物的位置和几何性质等信息，这种规划需要搜集环境数据，并且对该环境模型的动态更新能够随时进行校正，局部规划方法将对环境的建模与搜索融为一体，要求机器人系统具有高速的信息处理能力和计算能力，对环境误差和噪声有较高的鲁棒性，能对规划结果进行实时反馈和校正，但是由于缺乏全局环境信息，所以规划结果有可能不是最优的，甚至可能找不到正确路径或完整路径。

全局路径规划和局部路径规划并没有本质上的区别，很多适用于全局路径规划的方法经过改进也可以用于局部路径规划，而适用于局部路径规划的方法同样经过改进后也可适用于全局路径规划。两者协同工作，机器人可更好的规划从起始点到终点的行走路径。

感知、定位、路径规划技术现状如何？

为解决机器人自主行走难题，国内针对环境感知、自主定位及路径规划等技术进行研究的企业不在少数，国内思岚科技作为机器人定位导航技术之首，在实现机器人自主行走中已有较为成熟的产品，例如可帮助企业降低研发成本的Apollo，Apollo机器人底盘搭载了激光测距传感器、超声波传感器、防跌落等传感器。并在底盘之上配置深度摄像头传感器。同时配合自主研发的SLAMWARE自主导航定位系统，让机器人实现自主建图定位及导航功能。

当Apollo处于未知环境中，无需对环境进行修改，利用SharpEdgeTM精细化构图技术，构建高精度、厘米级别地图，具备超高分辨率，不存在误差累加。同时利用D*动态即时路径规划算法寻找路径并移动到指定地点，无需二次优化修饰，可直接满足人们的使用预期。