第七章 智能机器人自主导航与路径规划.pptVIP

智能机器人原理与实践 第7章 智能机器人自主导航与路 径规划 7.1 概述 导航，最初是指对航海的船舶抵达目的地进行的导引过程。这一术语和自主性相结合，已成为智能机器人研究的核心和热点。 Leonard和Durrant-Whyte将移动机器人导航定义为三个子问题： （1）“Where am I？” ——环境认知与机器人定位； （2）“Where am I going？”—— 目标识别； （3）“How do I get there？”——路径规划。 为完成导航，机器人需要依靠自身传感系统对内部姿态和外部环境信息进行感知，通过对环境空间信息的存储、识别、搜索等操作寻找最优或近似最优的无碰撞路径并实现安全运动。 7.1.1 导航系统分类 对于不同的室内与室外环境、结构化与非结构化环境，机器人完成准确的自身定位后，常用的导航方式主要有磁导航、惯性导航、视觉导航、卫星导航等。 1. 磁导航 磁导航是在路径上连续埋设多条引导电缆，分别流过不同频率的电流，通过感应线圈对电流的检测来感知路径信息。 2. 惯性导航 惯性导航是利用陀螺仪和加速度计等惯性传感器测量移动机器人的方位角和加速率，从而推知机器人当前位置和下一步的目的地。 3. 视觉导航 依据环境空间的描述方式，可将移动机器人的视觉导航方式划分为三类。 （1）基于地图的导航：是完全依靠在移动机器人内部预先保存好的关于环境的几何模型、拓扑地图等比较完整的信息，在事先规划出的全局路线基础上，应用路径跟踪和避障技术来实现的； （2）基于创建地图的导航：是利用各种传感器来创建关于当前环境的几何模型或拓扑模型地图，然后利用这些模型来实现导航； （3）无地图的导航：是在环境信息完全未知的情况下，可通过摄像机或其他传感器对周围环境进行探测，利用对探测的物体进行识别或跟踪来实现导航。 4．卫星导航 移动机器人通过安装卫星信号接收装置，可以实现自身定位，无论其在室内还是室外。 7.1.2 导航系统体系结构 智能机器人的导航系统是一个自主式智能系统，其主要任务是如何把感知、规划、决策和行动等模块有机地结合起来。下图给出了一种智能机器人自主导航系统的控制结构。 7.2 环境地图的表示 构造地图的目的是用于绝对坐标系下的位姿估计。地图的表示方法通常有四种：拓扑图、特征图、网格图及直接表征法(Appearance based methods)。不同方法具有各自的特点和适用范围，其中特征图和网格图应用较为普遍。 7.2.1　拓扑图 1）基本思想 地铁、公交路线图均是典型的拓扑地图实例，其中停靠站为节点，节点间的通道为边。在一般的办公环境中，拓扑单元有走廊和房间等，而打印机、桌椅等则是功能单元。连接器用于连接对应的位置，如门、楼梯、电梯等。 2）特点 拓扑图把环境建模为一张线图表示，忽略了具体的几何特征信息，不必精确表示不同节点间的地理位置关系，图形抽象，表示方便。 7.2.2　特征图 1）基本思想 结构化环境中，最常见的特征是直线段、角、边等。 这些特征可用它们的颜色、长度、宽度、位置等参数表示。 基于特征的地图一般用式（7.1）的特征集合表示： 其中 是一个特征(边、线角等)，n是地图中的特征总数。、 （7.1） 2）特点 特征法定位准确，模型易于由计算机描述和表示，参数化特征也适用于路径规划和轨迹控制，但特征法需要特征提取等预处理过程，对传感器噪声比较敏感，只适于高度结构化环境。 7.2.3　网格图 1）基本思想 网格图把机器人的工作空间划分成网状结构，网格中的每一单元代表环境的一部分，每一个单元都分配了一个概率值，表示该单元被障碍物占据的可能性大小。 2）特点 网格法是一种近似描述，易于创建和维护，对某个网格的感知信息可直接与环境中某个区域对应，机器人对所测得的障碍物具体形状不太敏感，特别适于处理超声测量数据。但当在大型环境中或网格单元划分比较细时，网格法计算量迅速增长，需要大量内存单元，使计算机的实时处理变得很困难。 7.2.4　直接表征法 1）基本思想 通过记录来自不同位置及方向的环境外观感知数据，这些图像中包括了某些坐标、几何特征或符号信息，利用这些数据作为在这些位置处的环境特征描述。 直接表征法与识别拓扑位置所采用的方法原理上是一样的，差别仅在于该法试图从所获取的传感器数据中创建一个函数关系以便更精确地确定机器人的位姿。 2）特点 直接表征法数据存贮量大，环境噪声干扰严重，特征数据的提取与匹配困难，其应用受到一定限制。 7.