智能机器人系统.ppt

视觉导航主要完成障碍物和路标的探测及识别。Trahanias利用视觉探测路标来完成机器人导航。其中路标不是事先定义的人工路标，而是在学习阶段自动抽取的自然陆标。视觉导航中边缘锐化、特征提取等图像处理方法计算量大，实时性差始终是一个瓶颈问题。解决该问题的关键在于设计一种快速的图像处理方法。 Stanley提出了基于神经网络的机器人视觉导航技术。该技术中估算逆雅可比矩阵是基于视觉导航的一个关键问题。它将图像特征的变化与机器人的位置变化对应起来，通过神经网络训练来近似特征雅可比矩阵的逆阵。该技术，通过提取几何特征、平均压缩、向量量化和主成分提取来简化图像处理，实现实时视觉导航。 主动视觉(Active Vision)是当今计算机视觉和机器视觉研究领域中的一个热门课题。主动视觉强调的是视觉系统与其所处环境之间的交互作用能力。具体地说，主动视觉系统应具有根据自己在当前环境中所处的状态,如几何位置、姿态，摄像机的成像光学条件等,调整自身各部分的状态参数,使其能够达到一个最佳成像状态，从而使系统能够最方便地完成特定的视觉任务,如动态地跟踪物体的运动。 通过视觉信息进行导航控制是随着计算设备运算速度和存储容量的快速发展、图像技术的进步而提出来的。 味觉导航是通过机器人配备的化学传感器感知气味的浓度，根据气味的浓度和气流的方向来控制机器人的运动。由于气味传感器具有灵敏度高、响应速度快以及鲁棒性好等优点，近年来许多研究人员在气味导航技术上做了许多研究工作。但该项技术能够真正应用到实际环境中的却很少，仍处于试验研究阶段。Figaro Engineering lnc.公司研制的氧化锡气味传感器，被广泛用于气味导航试验。石英晶体微平衡气味传感器、导电聚合物气味传感器和一种模仿哺乳动物鼻子功能的电子鼻等用于移动机器人味觉导航的传感器都处于试验阶段。 目前的味觉导航试验多采用将机器人起始点和目标点之间用特殊的化学药品，如酒精和樟脑九等，引导出一条无碰气味路径，机器人根据不同的道路跟踪算法，用气味传感器感知气味的浓谈和气味源的方向进行机器人导航试验。味觉导航的研究具有很好的研究价值，该种移动机器人可用来寻找化学药品泄露源. 移动机器人所用传感器主要分为两类——内传感器和外传感器。 （1）内传感器：用于测定机器人自身的参数——位置和方向。常用的有计程仪、差分计程仪、磁罗盘和陀螺罗盘等。 （2）外传感器：用于检测和处理外部环境信息。其中，用于移动机器人测距的外传感器通常为非接触型传感器，包括声学、光学和电磁波三类。目前常采用超声、激光、视觉等传感器。另外，移动机器人上还有触觉、压觉、滑觉等接触型传感器。 由于外界干扰的存在，由传感器直接得到的信息，一般都存在某种程度的不可靠性和不确定性，造成对实物的存在与否误判或对其距离的检测产生误差，因此必须首先对原始传感器信息进行预处理。通常采用滤波方法滤除噪声，针对多值性问题还可采用启发式判断法。经过以上预处理的传感器信息还不能保证完全可靠和正确，这时可采用概率方法、综合多次观测法、多传感器信息融合方法等作进一步处理。 5.2 ?传感器及多传感器融合技术 多传感器信息融合技术是指将经过集成处理的多传感器信息进行合成，形成对外部环境某一特征的一种表达方式。在未知环境中，信息的表现形式是多种多样的，信息容量以及对处理速度的要求已大大超出人脑的信息综合处理能力，信息融合这一崭新的数据处理技术便应运而生。经过融合的信息具有冗余性、互补性、实时性和低成本性。 多传感器信息融合基本原理和出发点就是充分利用多个传感器的资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间和时间上的冗余或互补信息，依据某种准则进行组合，以获得被测对象的一致性解释或描述，使该系统由此获得比它的各组成部分更优异的性能和更可靠的决策。 可以证明：应用最优理论融合来自多个传感器的信息总能得到比单个传感器信息更好的对象状态估计。 路径规划是按照某一性能指标搜索一条从起点到目标点的最优或次最优的无碰路径。机器人路径规划的研究始于70年代，目前国内外对这一问题的研究仍然十分活跃。根据环境信息掌握程度，路径规划可分为：环境信息完全已知的全局路径规划；环境信息不完全或未知的基于传感器的局部路径规划。近年来人们研究的热点是环境信息不完全或未知的局部路径规划技术。 全局路径规划常用方法有：可视图法，栅格法，自由空间法等。 局部路径规划的主要方法有：人工势场法，遗传算法和模糊逻辑法等。 5.3 ?路径规划技术 第 2 章 智能机器人系统的组成结构 智能机器人的体系结构 第 1 节 机器人的分类和应用 从应用环境出发，可以将机器人分为两大类： （1）工