自主移动机器人

自主移动机器人（精选9篇）

自主移动机器人 第1篇

1 移动机构的分析选择

机器人在地面上的移动方式通常有三种：车轮式、履带式和步行式。

车轮式的优点是：能高速稳定地移动，能量利用效率高，机构和控制都比较简单，而且现有技术比较成熟，但对地面的要求较高，只适用于平整的硬质路面。本文场地为室内光滑平整的场地，非常适合车轮运动，因此采用车轮式移动机构。车轮式移动载体的平稳运动最少需要3个轮子支持，目前机器人最常用的是3轮或4轮移动方式。

1)轮移动配置和操舵方式。典型3轮移动机器人通常采用1个中心前轮和2个后轮的车轮布置。车轮配置与功能的不同组合又可以将3轮机器人分为图1所示的若干类型。

图1(a)所示组合是前轮1为万向辅助轮，轮2、3为后驱动轮，利用转速差实现转向;图1(b)所示组合是操舵机构和驱动机构都集中在前轮1上，2个后轮只起支撑从动作用;图1(c)所示的组合是前轮1为操舵轮，后轮2、3中一个为驱动轮;图1(d)的组合将单轮驱动改为双后轮差动驱动。3轮式车体配置结构简单，但稳定性稍差，易倾倒。

2)4轮移动配置和操舵方式。4轮移动方式的稳定性更好，其常用配置形式如图2。

图2(a)的组合是前后轮为移动轮，左右两轮为独立驱动轮。自转中心与车体中心重合，当2个驱动轮反向转动时，车体能绕心自转，便于在狭窄场所变向。缺点是前后轮有时不能同时着地，在高速启动和刹车时车体会产生俯仰和前冲。图2(b)的组合是两前轮为万向脚轮或球形轮，两后轮为独立分散驱动轮。自转中心与车体中心不重合，转弯半径相对较大。优点是其车轮配置增加了稳定性。

通过比较以上各种移动方式，选择比较简单稳定的图2(b)后轮分散驱动的4轮机构。

2 行走机构电机选择计算

(1)行走机构电机转矩的计算。如图3，本文机器人最大质量为M=7kg，选取后轮与地面的摩擦系数f为0.25，机器人由两个后轮驱动，故每个轮承担的最大重量为m=3.5kg，根据摩擦力计算公式F=fm g，力矩公式T=FR，代入得所需电机的转矩T=257.3N·m m。

(2)行走机构电机转速的计算。设定机器人的最大速度为1m/s，行走机构后轮的设计直径D=60m m。根据公式v=2，代入得n=v/2πR=79.6r/m in，因此，所需电机的转速为80r/m in。

(3)行走机构电机功率的计算。根据公式T=9550P/n,将数值T、n代入公式得，所需电机功率为2.5W。

选择两个永磁直流减速电机BR S775PH(0160031051)ZN，功率为10W。

3 驱动系统设计

结构设计如图4所示，电机与车体之间的连接是通过螺栓、L型铝材和开槽圆柱头螺钉来实现的。联接驱动轮的套筒材料选用强度和刚度较好的45钢。

该驱动系统的动力传递过程是：电机轴转动，带动与之连接的套筒转动，从而使驱动后轮转动，于是实现了机器人的前进。套筒与驱动轮间采用较紧的过盈配合，套筒与电机轴配合采用较小的过盈配合。

1）驱动轮的结构设计

如图5所示，驱动轮外圈材料为橡胶。轮榖材料为尼龙66。为减轻轮子重量，在轮上有六个均匀分布的减重孔。驱动轮的轴孔是根据电机的轴径而定的。

2）套筒(轮轴)的结构设计

(1）机构设计。

如图6所示。该轴在工作中承受扭矩和不大的弯矩，故为传动轴。由于要与电机轴相连，故做成空心轴(套筒)。由于外联驱动轮，故做成光轴。套筒与电机轴用M 3的标准圆柱销联接，套筒上开一3m m销孔。套筒的长度主要取决于后轮的宽度及电机轴的长度，计算为32m m。套筒上销孔与筒端的距离取为6m m。

(2）强度校核。

行走机构属于重要的部件，套筒要承受一定的载荷，故选用45号钢。该轴主要承受扭矩及不大的弯矩，故按扭矩来计算轴的强度。

计算知满足扭转强度条件要求。

(3）电机固定板结构设计。

如图7，我们将驱动轮电机固定板加工成L形。

电机固定板材料选用LY 12，尺寸据电机的尺寸而定。电机与固定板的联接使用3个M 3的标准螺钉。固定板与底盘的联接使用3个M 5的六角头螺栓，分布如图7。

(4）前轮使用万向轮。

万向轮可由市场上购得。万向轮与电机使用固定板螺栓联接，固定板的材料选为铝板，结构例如图10。

4 结语

针对普通室内条件下的环境，分析了各种移动机构的特点，设计选用了一种简单可靠、适应性强、容易控制的后轮分散驱动的四轮移动机构，并进行了结构设计、材料选择、电机选型，经济合理，可供设计时参考。

参考文献

[1]王鹏飞,孙立宁,黄博.地面移动机器人系统的研究现状与关键技术[J].机械设计,2006(,07).

[2]杨宜民,黄明伟.能源自给式管道机器人的机械结构设计[J].机器人,2006(,03).

自主移动机器人 第2篇

移动机器人研究现状和未来发展的分析

随着机械制造水平的提高,以及机械电子、计算机、材料等技术的不断发展,提高了机器人的工作水平,特别是整合控制论和仿生学的发展,提高了机器人的工作水平,促进了机器人被广泛的应用到许多行业中.随着应用的推广,越来越多的研究机构开始进入到机器人研究领域.通过对国内外现状的分析研究,指出移动机器人未来的发展需要解决的`问题,为我国机器人的发展提供有益的支撑.

作 者：刘宝平张红梅  作者单位：刘宝平(哈尔滨龙翔企业管理咨询有限公司,黑龙江,哈尔滨,150080)

张红梅(肇东兴东生物化工有限公司,黑龙江,肇东,151100)

刊 名：科技信息 英文刊名：SCIENCE & TECHNOLOGY INFORMATION 年，卷(期)： “”(29) 分类号： 关键词：移动机器人   现状   发展   分析  

智能移动机器人的超声避障 第3篇

关键词：智能移动机器人；超声传感器；避障

很早以前就有人开始研究机器人，而现在人们又逐渐开始研究智能移动机器人，这是人类进步的表现。很久以前主要是研究机器人在复杂环境下的推理能力和规划能力。而在20世纪后期人们对机器人的研究又出现了高潮，这时主要是研究机器人对信息的处理，而避障是所有机器人都必须具备的功能。

一、移动机器人的避障传感器

（一）激光传感器

激光测距传感器具有很好的方向性，它一般都是直线传输。这些与它的特性是分不开的，它发出的波束是很窄的，因此它能有很好的方向性，另外，因为它具有很好的方向性，所以它能很准确的定位障碍物的位置，这对移动机器人的避障功能来说是至关重要的。虽然它能很精确的定位，但是激光传感器也有它的缺点，首先因为要有很精确的定位，所以就需要有很复杂的技术，否则就很难有很好的效果，但是高深的技术并不是所有人都能掌握的；其次激光传感器是利用激光进行一系列工作的，但是激光对人眼睛的伤害是极大的。

（二）视觉避障

视觉避障就是利用摄像机，将它收集到的信息传输到机器人，然后进行分析，最后可以让机器人避开障碍物。它最大的优点是可以进行大范围的探测，而且还能探测到物体的速度和形状等一系列信息。在进行实际应用时，可以在机器人上装很多个摄像机，这样可以实时传递信息，还可以利用计算机将摄像机收集到的信息进行计算最后得出机器人所需要的信息，然后再传输过去，最后还可以利用算法，这样可以只使用一台摄像机，然后计算目标与机器人之间的相对位移，最后再处理数据，这样可以减少环境引起的测量误差。

在对图像进行处理时，由于有很大的计算量，所以对中央处理机的要求就相对较高，这样很小的机器人就不能满足这种要求，因为他们不能承载这么高质量的计算。另外利用视觉进行避障还不能避开一些透明玻璃制品，有时烟雾或者是强光或者是极弱的光对视觉避障也有很大影响。

（三）超声传感器

超声传感器是现在比较成熟的技术，而且它的成本也比较低，使用起来也方便，所以现在在很多的机器人中都运用这种技术。该种技术主要是运用超声波，机器人根据接收到声波的时间差来判断障碍物的位置，也就是机器人会在某一时刻向某一方向发射超声波，并在此时开始计时，当超声波遇到障碍物的时候它就会被反射回来，最后接收到超声波的时候计时停止，这样根据时间差和声波在空气中的传播速度就能计算出障碍物的位置。另外超声波的传播速度还受空气湿度的影响，所以为了更准确的计算障碍物的位置，技术人员在设计时还应该把空气湿度和温度考虑进去。如果只使用一个超声传感器可能会对位置的定位不精准，所以可以同时使用多个传感器，这样就能相对精确的确定障碍物的位置。

（四）超声波传感器的固有问题

超声波传感器在通道区域的应用是比较薄弱的，而且很多算法也都不够精确，因此不能对直径比较小的通道进行探测，这是有很多方面的原因的。第一是该算法的建模方式是膨胀模型法，它虽然能让小车比较精确的避开障碍物，但是它的灵敏度是很低的，其实这些都是不可避免的。第二是做实验的人有的可能会缺乏经验，所以他们就不能准确的接收机器人侧面接收到的信息，这对机器人的避障是很

不利的。

二、超声避障模糊算法

（一）机器人的超声传感器

机器人在使用避障功能之前是需要试验的，而该试验的平台是美国的一个智能移动机器人。在试验之前需要先在机器人上安装几个超声传感器，另外还需要提供集成开发环境，这样就能对机器人进行编程，也能方便机器人中算法的实现。在进行实际运用时，可以在机器人上多装几个超声传感器，让它们按照一定的规律进行排列，在前方的传感器主要就是探测障碍物的位置，在旁边的主要是用来探测障碍物的两侧是否有障碍物。

（二）模糊控制

机器人的运动有很大的不确定性，而且在它运动之前也不能提前确定它所处的环境，所以设计人员就不能对机器人的动作提前做出规定。而模糊控制能很好的解决这个问题，它主要是利用语言进行控制，而且是有一定规则的，这样在机器人运动过程中就不需要有很精确的指令，所以对机器人的控制就会相对比较方便。

（三）模糊控制规则和非模糊化

模糊控制是利用一定的规则来实现的，而利用这些规则还不能直接对被控制对象进行控制，因为利用规则得出的还只是一些模糊量，要想对被控制对象进行控制还需要将其非模糊化，最后将其转换成精确量，这样机器人就能执行一系列的任务。将模糊量非模糊化的方法有很多种，主要有加权平均法和最大隶属度法，而最常用的还是最大隶属度法，因为该种方法比较简单，而且使用起来比较方便，还具有实时性。

三、系统的软件实现

要想实现该程序，需要在VC开发环境下，另外还需要混合C语言和Colbert另种编程。利用Colbert语言可以编写比较复杂的程序对智能机器人进行控制，另外，它还能将传感器上的信息及时准确的读出，还能控制机器人的活动，让他们启动或者停止。运用C语言的运算符可以有效的减少判断语句的数量，这样可以让程序看起来比较简单易行。它的控制规则主要是以二维字符数组为基础，然后根据确定的规则对数组中的元素进行处理，这样编程就会变得简单。

四、实验结果

我们通过观察机器人在按照设定的程序进行运行时的路线可以发现，当障碍物与墙壁距离很近时，机器人会将两者认为是同一个物体，这样机器人就会避开他们，而随着两者之间距离的增大，机器人最终会从两者之间通过，由此可以看出，机器人的避障精确度还是不高，还有待

改进。

五、总结

利用模糊算法进行避障还是有一定效果的，因为目前机器人能比较好的适应这种方式，但是在现阶段利用超声波进行避障还是有一定困难的，因为有很多技术都还不成熟，但是现在人们已经在尽力研究了，而且现在人们已经可以将多个常感器结合起来，这样就可以更准确的获取信息，也能让机器人更好的避障，

参考文献：

[1]黄湘镇.多超声波传感器的轮式机器人避障系统研究[J].活力，2013，（4）：71.

[2]汪才杰.基于模糊神经网络的移动机器人避障研究[D].黑龙江科技大学，2013.

自主移动机器人 第4篇

当前,随着工业机器人技术的突飞猛进,全球的自移动机器人研究范围,已经从室内厂房扩展到复杂地面、空中、水下、甚至太空、行星表面等各种环境。 走在这一领域最前端的是美国,在10年前被送上火星的NASA探测机器人“勇气号”和“机遇号”,实现自主行走探路和检测工作,从时间进程上看,这代表了当时自移动机器人研究水平的高峰。我国也正在推进“嫦娥工程”三期无人探月计划,按计划,开发的月球机器人将于2017年登上月球,执行无人月球取样返回。

1SLAM技术

与体统工业机器最大的不同,自移动机器人具体任意移动的特征和性能,其核心技术已经从动作技术转向地图和定位技术,其实质问题就是自主导航问题。自移动机器人的自导问题,曾被Leonard等人分解成三个经典问题:“Where am I(在哪里,机器人定位问题)”,“Where am I going(要到哪里去,目标识别问题)”,“How do I get there(如何到达那里,路径规划问题)”。由于在未知环境中机器人并不能事先获得所在环境的准确信息,因而无法通过创建精确的环境地图来完成定位和导航任务,这就要求移动机器人在自身位置不确定的情况下完成地图的创建,同时利用所创建的地图进行自主定位和导航。

为了系统回答和解决这三个问题,由Smith和Cheeseman提出的移动机器人同时定位及地图构建 (Simultaneous Localization and Mapping,SLAM),被后来的研究共同认可,公认为是移动机器人面对未知环境实现自主导航的关键。SLAM技术是回应三个经典问题的最优解决方案,其基本思路就是让机器人从任何时候、任何位置出发,利用内外部传感器对自身进行定位,并建立不断累增的地图,再利用不断新建的地图进行定位、导航。从基本原理上看,主要是用概率统计的方法,通过多个特征匹配来实现误差最小,从而实现精确定位。SLAM技术思路对自移动机器人的发展,具有理论和应用的双重价值,当前已经是移动机器人这一研究领域的核心和热点问题,并取得了一系列的进展。

2移动机器人定位研究现状

定位是机器人确定其作业环境及所处位置的过程。具体而方,就是利用先前存储的环境地图信息、 机器人位置的估算以及各种传感器的观测值,经过一定信息处理和变换,得出准确的自我定位。当前,应用传感器来感知的信息以实现准确定位,是自移动机器人最重要、最基本的功能,也是自移动机器人研究中最受关注、最富有挑战性的研究主题。定位方法主要目前主要有两大类,一类是相对定位,另一类是绝对定位。按照传感方式和传感器的不同,可以分为视觉SLAM、超声SLAM和激光SLAM,它们在解 决SLAM问题上,都具有重大意义。例如,2004年美国 “机会”号、“勇气”号机器人实现登陆火星,并送回火星表面照片,说明这些技术早已进入军事实用阶段。

机器人定位过程中,需要时刻利用传感器获得的信息进行补偿测距的误差调整。这些传感器包括红外传感器、超声波传感器、电子罗盘、陀螺仪、声纳、激光测距仪、视觉系统等。最近3年,利用室内环境的自然特征来实现机器人位置估计的方法越来越普及。机器人定位的研究中,一般都会利用外界传感器获得和提取导航环境的特征,并通过与环境地图的匹配,来修正测距的误差。因此,利用外界传感器定位时,其主要任务就在于如何提取导航环境,并将环境特征与环境地图进行适时匹配。在室内环境研究中, 墙体、拐角、走廊、门体等特征都被广泛用于机器人定位研究,因此,声纳和激光测距仪就成为最广泛使用的外部传感器。

3同时定位与地图创建研究现状

在移动机器人研究的各领域中,针对各种条件下进行定位与地图创建问题,目前已经得到了较好的解决,技术也相对成熟。移动机器人的定位与地图创建,两者紧密相关,要定位就需要以对环境进行特征描述,并了解环境地图的模型;而为了不断构建新的环境地图模型,机器人就必须知道各个时刻自身所处的位置,即对自身进行定位。

比较特殊的情况是,机器人观测与获取信息,都是建立在自身的坐标系基础上,为了让机器人能创建精准的环境地图,就需要知道机器人的准确位置,才有可能确定观测到的障碍物处在总体坐标系下的具体坐标。由此看来,定位和地图的创建互为依赖,是一个相互“循环”的问题。而SLAM的基本思想就是在利用机器人位置坐标进行地图的创建,又同时利用已创建的地图,对自身进行的定位,就是说,地图创建和定位没有先后,是同时进行的。另外,SLAM还可以用新创建的地图坐标和里程计算的误差进行矫正, 因此可以创建精准度更高的地图。

4路径规划研究现状

路径规划就是自移动机器人在一定的障碍环境中,通过定位与地图创建,计算并寻找到一条自起点至终点的路径,这条路径需要躲避环境中的所有障碍,并且要在一定指标下(如时间最短、距离最近、能量最低等)实现最优化选择。

障碍物分布在特定环境中的方式与复杂程度,直接影响着机器人对路径的选择难度。对目标位置进行确定,则必须是由更高级的任务模块提供的。路径规划这一问题,至今已被国内外业内学者深入研究了二十多年,也已经产生了数量相当可观的研究成果。 由前期的栅格发逐步发展到人工势场法、自由空间法、可视图法、A*算法、D*算法,后来产生了众多改进算法,再发展到模糊逻辑算法和新近的神经网络、遗传算法等各种群智能算法,这些算法集中体现了自移动机器人路径规划研究的基本轨迹。

参考文献

[1]Durrant-Whyte H,Bailey T.Simultaneous Localiza-tion and Mapping:Part I The Essential Algorithms[J].Robotics and Automation Magazine,IEEE,2006(2):99-110.

自主移动机器人 第5篇

自主导航和避障是移动机器人完成各项任务的前提条件, 也是机器人技术领域的研究热点。移动机器人要实现自主导航和避障, 首先要解决的问题是环境的认知, 机器人只有在充分理解环境中的障碍信息的基础上, 再通过具有稳定性、快速性及简洁性都比较高的避障控制算法, 就可顺利的完成自主导航和避障任务。本文采用原理简单, 直观易于实施的人工势场算法来完成导航和避障工作, 对于它存在的局部极小点问题, 本文将给出具体的改进措施, 使得机器人在避障过程中不会再因为局部极小点问题而导致整个任务的失败。

1 环境认知的实现

机器人要实现自主导航和避障, 首先要理解将要面对的环境, 这就需要机器人携带的内部或外部传感器将环境中的信息提取出来, 再以一定的方式存储, 而且对于环境的变化, 要能够及时的更新信息[1]。所以本文采用激光测距仪传感器进行环境认知, 通过滚动视窗原理, 实时的进行环境信息采集, 这样机器人就有了“眼睛”, 具备了自主导航和避障的条件。

1.1 激光测距仪原理介绍

本文采用URG-04LX激光测距仪进行移动机器人的环境认知, 该激光测距仪对于环境中障碍的测量属于非接触式测量, 对被测物体不会造成任何损伤, 并且测量方法简单, 只需要一根串口线或USB数据线与机器人的上位机连接即可。本文采用串口传输数据, 因为通过该方式数据传递速度快, 可以满足机器人实时获取环境信息的要求。该传感器的工作原理是通过测量调幅连续波发射光束和反射光束的相位差来测量时间间隔, 进而推导出目标物体的距离的。

1.2 滚动视窗的建立

以机器人当前位置的激光测距仪为圆心, 画一个半径为R的优弧作为机器人的滚动视窗, 用W (R, a, b) 表示, 如图1所示, 其中R为滚动视窗的半径, a为起始角度, b为终止角度。在本文中R=2m, α=-30o, β=210o。对激光数据设定阀值, 取为dmax, 大于dmax的激光数据即窗口以外的激光数据都处理在窗口边沿上, 即若didmax, dj (28) dmax, 如果激光射线返回的数据di (27) dmax, 则说明在滚动视窗范围内出现了障碍, 返回的激光数据值就是激光坐标原点到障碍的距离dj。

滚动视窗的半径R=2m, 也是上述对激光数据预处理的阀值, 取为dmax。滚动视窗跟随移动机器人一起运动, 因为激光测距仪每100ms扫描一周, 所以滚动视窗内的激光数据点也在不断的更新, 这就使得视窗内的数据信息能够跟随机器人的移动而更新, 从而使得滚动视窗能够及时的反映出环境信息。为了减少对数据的存储量, 增加机器人系统处理环境信息的能力, 本文采用存储机器人运动路径矢量方向的方法[2], 存储激光测距仪采回的环境信息。

2 导航和避障控制算法的实现

移动机器人在得到目标点之后, 怎么运动到目标点, 怎么规划最优路径, 在完成中途避障工作后, 怎么继续朝向目标点运动, 这些都是导航的任务, 包括避障工作, 都需要通过一定的智能算法机器人才能够完成, 本文选用人工势场算法, 通过外部传感器获得的环境信息进行局部路径规划, 完成自主导航和避障工作。对于传统人工势场算法的缺点, 本文将给出具体的改进方法。

2.1 传统人工势场法原理

传统的人工势场法是Khatib于1986年为解决机械臂无碰撞运动而提出的[3], 其基本思想是通过构造虚拟的引力场和斥力场, 使各机械臂之间及机械臂和周围障碍之间存在斥力, 机械臂和设定到的运动位置之间存在引力。机械臂在吸引力和排斥力的共同作用下运动到要求的位置停止。比较常用的势场法是梯度势场法, 势场的负梯度即为作用在机器人上的作用力。障碍对机器人产生斥力, 目标点对机器人产生引力, 引力的作用方向有机器人指向目标点, 在机器人的整个运动空间内都存在引力的作用, 直到在目标点处引力最小。

1) 虚拟引力场:设机器人在工作空间中的位置为X (28) (x, y) T, 引力势函数定义为[4]:

其中, Uatt是引力场, k是引力系数, X是机器人的位置向量, Xg是给定的机器人势场目标位置, 引力为引力势函数的负梯度:

2) 虚拟斥力场:对于斥力场函数, Khatib采用FIARS (Force Inducing an Artificial Repulsion on the Surface) 函数:

其中, Urep是斥力势场, h是斥力系数, r是机器人在空间位置与障碍物的最短距离, r0是设定的单个障碍物斥力场影响范围, 当机器人与障碍物的距离大于r0时, 机器人不受障碍物的影响, 所以斥力场为零。从公式可以看出机器人越靠近障碍物所受的斥力势场越大。

斥力是斥力势场函数的负梯度:

2.2 改进人工势场法原理

文献[5]将斥力Frep分解为两部分, 并且对它们的方向给出了定义。其中Fre1的方向与障碍物影响范围相切, 且与引力的夹角不大于90°, Fre2的方向为从机器人指向目标点, 如图2所示。

依据上述定义, 障碍物对机器人的斥力可表示如下:

其中:

3 基于改进人工势场的matlab仿真

3.1 仿真步骤

基于改进人工势场的matlab仿真步骤:

1) 初始化机器人的起点, 目标点及障碍物的位置;

2) 计算路径点与目标点和障碍物的角度;

3) 计算机器人所受的引力和斥力 (如果不在障碍影响范围内, 则为0) ;

4) 根据机器人所受的合力, 计算机器人下一步的位姿;

5) 判断机器人到目标点的距离是否到达设定的区域, 机器人已到达则停止运动, 没有到达则将机器人现在的位姿赋值给路径点, 继续执行2) 、3) 、4) 、5) 步, 直到到达设定的区域, 退出循环, 停止运动, 仿真流程如图3所示。

3.2 仿真结果

取引力系数k=150, 斥力系数m=5, h (28) 0.01, 障碍影响半径r0=0.7, 障碍膨胀半径r=0.5, 机器人步长l=0.05, 起点 (0 0) , 终点 (4.5 5) , 障碍物若干, 因为在仿真的过程机器人被看成质点, 因此, 通过将障碍点膨胀的办法将机器人的体积及运动不稳定带来的误差考虑进去。如图4所示, 机器人成功的躲开了障碍, 顺利的到达给定的目标点, 并没有出现震颤和提前停止的情况, 表明改进的人工势场算法在机器人导航和避障的过程中起到了很好的效果。

4 基于改进人工势场的实验

环境中的障碍, 并不像仿真中设定的障碍那样, 有固定的形状和大小, 对于环境中的大型障碍, 本文通过边缘点化处理的方法, 即将障碍用激光测距仪采回的离散点来表示。从图5可以看出, 本文所提出滚动视窗原理, 采用的数据存储方法以及对传统人工势场的改进方法, 能够使机器人完成自主导航避障的工作, 顺利的到达目标点后停止运动, 如图5所示。

5 结束语

本文使用激光测距仪传感器利用滚动视窗原理进行环境认知, 对于环境中的大型障碍进行边缘点化处理, 结合改进的人工势场算法, 移动机器人能够顺利的实现自主导航和避障, 通过试验成功的验证了本文提出的环境认知方法和改进人工势场算法的有效性。

摘要：针对传统人工势场法存在的局部极小点问题, 本文提出了改进人工势场算法, 并通过滚动视窗原理, 进行环境建模, 将环境中存在的大型障碍通过边缘点化处理, 使机器人在外部传感器采回的环境信息, 结合新的势场函数产生的合力作用, 顺利的绕过环境中存在的障碍, 到达指定的目标点, 完成自主导航任务。

关键词：移动机器人,滚动视窗,改进人工势场法,导航和避障,局部极小点

参考文献

[1]张毅, 罗元, 郑太雄.移动机器人技术及其应用[M].北京:电子工业出版社, 2007.

[2]任立敏.基于激光测距仪的移动机器人障碍感知与避障策略研究[D].哈尔滨:哈尔滨工业大学.2007.

[3]O.Khatib.Real-time Obstacle Avoidance for Manipulators and Mobile Robots, Robotics and Automation Proceedings.1985 IEEE International Conference.1985, 2:500-505.

[4]沈文君.基于改进人工势场法的机器人路径规划算法[D].广东:暨南大学, 2009.

移动教学机器人设计 第6篇

当前国内用于教学的机器人普遍为轮式机器人, 其有着结构简单、控制方便等特点, 易于初学者接触学习, 多用于巡线避障等实验。但是, 由于其功能比较单一, 在竞赛方面, 轮式移动机器人的适用范围比较狭窄, 除了在早期的比赛中有所展示之外, 渐渐地退出了竞赛范围。多自由度的机械臂也普遍被应用在机器人教学项目里, 被用来演示一定空间范围内物体的抓取, 用以运动学分析的教学。这种机械臂的优点在于由一台专门的上位机控制, 可通过相应的软件直接进行机械臂空间位置的调整。但是, 其缺点也很明显, 一般都是位置固定的, 而且普遍为封闭的, 不用于拆卸。

本文针对开放式教学的特点, 结合教学实际, 设计了一套基于本科教学实验用的轮臂式教学机器人, 搭建了具有较高的开放性、通用性和关节型结构的微型机器人的教学平台。

1 机器人整体设计方案

图1为机器人系统总设计框图。本教学用机器人的系统总体设计以控制系统模块化为主, 采用嵌入式系统为主要控制技术。控制系统主要由AVR核心模块、驱动电路模块、左右轮直流电机、超声波传感器模块、扩展插槽模块、红外及其他传感器模块、关节型机械臂机构和直流电源模块等组成。

主控器以ATmega 128嵌入式微处理器为核心, 在机器人智能控制中起主导作用。超声波传感器模块用于机器人避障, 利用超声波传感器采集反馈信息后, 将采集信号传送给ATmega128处理器, 通过嵌入式软件的计算, 实现对障碍物的识别避障。同时, 红外传感器模块一方面用来弥补超声波传感器模块的盲区, 另一方面可以采集路面信息, 收集寻迹信号, 实现对黑线或白线的寻迹。无线摄像头用于图像的采集。

行走机构使用四轮结构, 包括车身、车架以及4个车轮。其中ATmega128 核心板、控制器扩展板以及驱动板等总共3层电路板固定在移动机器人的车身上。供电电源为直流12V, 采用锂电充电电池。

主控器的控制软件基于AVR嵌入式开发环境, 使用相关的C应用程序开发。机器人通过无线模块向PC上位机发送超声波传感器、红外传感器以及其他传感器反馈的数据, 然后与无线摄像头得到的信息进行融合计算之后得到合适的决策。

2 机器人的本体结构设计

教学机器人主要由移动平台与机械手臂2大部分组成, 图2为机器人的移动平台布局, 由2个主动轮带动2个从动轮运动, 且在底板前方及左、右两侧安装传感器, 中部位置固定机械手臂。

该机器人需精确地将机械手移动到给定点, 由末端夹持机构开始工作, 完成抓取动作。基于此要求, 整个机械手臂设计为一个具有5自由度的关节型机械手臂, 各关节处皆有舵机控制, 如图3所示。其中, 1, 2, 3号关节控制机械手臂, 起机械手的定位作用, 1号关节连接旋转台和大臂, 做原地旋转运动;2号关节连接大臂和小臂, 做上下起俯运动;3号关节连接小臂和下端手腕 (4, 5号关节) 部分, 做上下起俯运动。4, 5号关节模拟腕关节功能, 4号关节做左右摆动, 5号关节做原地旋转运动, 同时连接末端夹持机构。

3 控制系统的硬件设计

3.1 主控制器

主控制器分为ATmega128核心电路板和附属的扩展主板两部分, 核心板通过双排插针与主板进行电气连接。

3.2 超声波传感模块

超声波传感器抗干扰能力强、体积小、使用便捷、实用性强。采用超声波传感器进行避障和路径规划时使用渡越时间法可测量传播距离。超声波发生器运行时开始计时, 传播时遇到障碍物会发生反射形成回波传递到接收端, 停止运行并记录时间。最终超声波传感器依据记录的时间以及路径计算出障碍物的距离, 确保避障及时。

3.3 红外传感器模块

红外传感器普遍采用的测量原理为三角测量原理和PSD测距法, 其三角测量原理如图4所示。红外发射器按照一定的角度发射红外光束, 当遇到物体以后, 光束会被反射回来。反射回来的红外光线被CCD检测器检测到以后, 会获得一个偏移值L, 利用三角关系, 在得知发射角度a、偏移值L、中心距X以及滤镜的焦距f后, 传感器到物体的距离D就可以通过几何关系计算得出。

PSD测距采用SHARP的GP2Y0A02YK0F传感器模块, 内置有红外LED和PSD (position sensitive detector) 检测器模块, 可将传感器前面放置物体的距离变换为直流电压输出。

3.4 驱动电路

功放驱动电路采用双极H桥型的集成电路L298N, 它是由SGS公司生产的高性能脉宽调制功率放大器, 具有体积小、驱动能力强等特点。内部包含两个H桥高电压大电流桥式驱动器, 单片即可实现电机全桥动, 可驱动46V、2A以下的电机。

3.5 电源电路

机器人运行时不需交流电源, 采用1组锂电池供电, 电压约12V。除舵机和传感器供电需要电源模块直接供电之外, 电源模块还须给控制器及控制器的外围设备供电, 因此必须对电压进行转换。由于本设计中所用的大部分芯片的工作电压是5V, 因此采用电压转换芯片LM7805将12V的电源电压转换成5V。另外, 如果舵机同时工作, 电流较大, 为增大稳压模块的最大负载电流, 本设计将5个LM7805并联后负责给舵机及舵机驱动板供电, 一个LM7805给最小系统板和直流电机驱动板供电。

通过对教学机器人的设计、制作、组装、测试和运行, 机器人能通过避障方式稳定行驶, 并且能准确抓取目标。教学机器人实物图如图5所示。

4 结语

本文设计的移动教学机器人通过最后的实验实现了避障、巡线、抓取等功能, 证实了方案的可行性和合理性, 并且在之后的大学生机器人兴趣小组上进行了详实的教学, 极大地提高了学生对于机械、电子和自动控制等多门机器人相关课程的认识及动手能力。

参考文献

[1]梁明亮, 赵成.基于嵌入式技术的四轮驱动教育机器人设计[J].实验室技术与管理, 2012, 29 (11) :82-86.

[2]陈义平, 时颖, 袁明明.多功能教学用机器人的设计与实现[J].实验室研究与探索, 2013, 32 (2) :84-87.

[3]肖晓萍, 廖青, 李自胜.基于机器人实验教学平台的研制[J].机电产品开发与创新, 2008, 21 (4) :19-21.

[4]卢伟宏, 王海波, 孟庆鑫.一种教学机器人控制系统研发[J].吉林化工学院学报, 2009, 26 (4) :65-69.

移动机器人定位方法概述 第7篇

随着工业自动化的发展, 生产加工的自动化程度越来越高。机器人技术的出现和发展使传统的工业生产面貌发生根本性的变化。移动机器人的定位是其执行其他任务的前提和基础, 也是评价机器人性能的关键指标之一。

移动机器人定位是指机器人通过感知获取环境信息, 经过相关的信息处理而确定自身及目标位姿的过程。自主移动机器人导航过程需要回答3个问题:“我在哪里?”, “我要去哪里?”和“我怎样到达那里?”。移动机器人定位技术就是要解决第1个问题。准确来说, 移动机器人定位的目的就是确定机器人在其运动环境中的世界坐标系的坐标。

根据机器人定位过程, 可分为相对定位和绝对定位。但在机器人定位过程中, 单独地使用其中任何一个定位方式都不能很好地解决移动机器人的定位问题。因而, 在目前的定位技术中主要是将两者结合在一起, 完成对移动机器人定位。本文对相对定位技术和绝对定位技术分别进行概述。

1 移动机器人相对定位研究

移动机器人的相对定位也称作位姿跟踪。假定机器人的初始位姿, 采用相邻时刻的传感器信息对机器人的位置进行跟踪估计。相对定位法分为里程计法和惯性导航法。

1.1 里程计法 (Odometry)

在机器人的导航技术中, 里程计法是使用最为广泛的定位方法。在移动机器人的车轮上装有光电编码器, 通过对车轮转动的记录来实现对机器人的位姿跟踪。在位置跟踪中, 机器人的当前位置是根据对它的以前的位置的知识而更新的, 而这需要假定机器人的初始位置已知, 并且机器人姿态的不确定性必须小。通过这种方式来实现机器人定位的方法也成为航位推算法。航位推算是一个累加过程, 在这个逐步累加的过程中, 测量值以及计算值都会累积误差, 使得定位精度不断下降。因而航位推算法只适用于短时间运动的或者短距离位姿跟踪。为了限定定位的不确定性, 我们在航位推算法的基础上采用一些绝对的信息。为此, 我们可以将航位推算法与其他传感器信息结合进行定位。

1.2 惯性导航法 (IN:Inertial Navigation)

在惯性导航法中, 我们采用陀螺仪和加速度计来实现定位。使用陀螺仪测得旋转速度的值, 使用加速度计测得加速度的值。机器人的位置信息可通过将测量值进行一次积分和二次积分得到。但在这个对测量值的积分操作中, 会引入惯性导航信息的时间漂移, 所以惯性导航法也不适合长时间的精确定位。但是, 惯性导航法能够及时地在检测到出现侧向误差时立即加以校正, 而这弥补里程计法最主要的缺点与不足。但是, 由于高精度的陀螺仪相当昂贵的价格, 会大大增加移动机器人的成本, 所以还不能够广泛使用。

2 移动机器人绝对定位研究

移动机器人的绝对定位又称为全局定位。完成机器人的全局定位需要预先确定好环境模型或者通过外部传感器直接向机器人提供外界位置信息, 计算机器人在全局坐标系中的位置。全局定位的主要方法有: (1) 导航信标 (Navigation Beacon) ; (2) 图形匹配 (Map Matching) ; (3) 全球定位系统定位 (Global Positioning Systems, GPS) (4) 概率定位。信标定位利用人工路标或自然路标和三角原理进行定位。地图匹配定位首先利用传感器感知环境信息创建好地图, 然后将当前地图与数据库中预先存储好的地图进行匹配, 最后计算出机器人在全局坐标系中的位姿。GPS是用于室外移动机器人导航与定位的技术。概率定位即基于概率地图的定位, 这个新的研究领域称为概率机器人学。概率机器人学的关键思想是用概率论来表示不确定性, 即概率机器人学不给出当前机器人方位的一个单独的最好估计, 而是将机器人方位表示为对所有可能的机器人位姿的一个概率分布。由于在许多现实应用中, 概率算法胜于别的技术, 因而概率机器人学理论能成功应用于机器人定位问题。在概率定位中, 最重要的是马尔科夫定位和卡尔曼滤波器定位。它们不仅能够实现全局定位和局部位置跟踪, 而且能够解决机器人的“绑架”问题。

2.1 马尔可夫定位 (Markov Localization, ML)

马尔可夫定位中, 机器人通常不知道它所处环境的确切位置, 而是用一个任意概率密度函数表示机器人位置。它持有一个可能在哪里的信任度并跟踪任意概率密度函数跟踪机器人的信任度状态。信任度是指机器人在整个位置空间的概率分布。在马尔可夫定位中, 地图的表示方法为栅格地图, 即机器人导航环境被划分为很多的栅格。其中每个栅格的值在0~1之间, 表示机器人在该栅格的信任度, 所有栅格信任度之和为1。信任度值的计算是马儿可夫定位的关键。

2.2 卡尔曼滤波器定位 (Kalman Filter, KF)

马儿可夫定位模型在机器人位置方面可以表示任何概率密度函数, 但通用性不强并且效能很差。卡尔曼滤波器定位算法是马尔可夫定位的一个特殊情况。卡尔曼滤波器不适用任何密度函数, 而是使用高斯代表机器人信任度、运动模型和测量模型。因为高斯简单地由它的均值μt和协方差σt来定义。在预测和测量阶段这两个参数更新。于是产生了与马尔可夫定位算法相比更为有效的算法。然而, 卡尔曼滤波器所作的假设限制了初始信任度以及高斯的选择。因而必须以一定的近似自导机器人的初始位置。

3 结束语

综上所述, 本文主要介绍了当前自主移动机器人定位方法, 对相对定位和绝对定位做了概述, 对以后研究自主移动机器人的定位具有较高的参考意义。

摘要：介绍了当前自主移动机器人的定位方法研究现状, 对相对定位和绝对定位做了概述, 对绝对定位中主要的研究方法做了介绍, 并对概率机器人学所采用的主要定位方法做了介绍。

关键词：移动机器人,相对定位,绝对定位,概率机器人学

参考文献

[1]朱莹, 洪炳镕.基于CBL的双目视觉自主机器人定位[J].哈尔滨工业大学学报, 2004 (07) .

[2]杨晓敏, 吴炜.图像特征点提取及匹配技术[J].光学精密工程, 2009 (09) .

[3]刘洞波.移动机器人粒子滤波定位与地图创建方法研究[D].湖南大学博士论文, 2012.

[4]李群明.室内自主移动机器人定位方法综述[J].机器人ROBOT, 2003 (11) .

[5]S.Se, D.Lowe, J.Little.Vision-based global localization and mapping formobile robots.IEEE Transactions on Robotics.2005 (21) .

[6]蔡自兴, 王勇.基于角点聚类的移动机器人自然路标检测与识别[J].智能系统学报, 2006 (03) .

轮式移动机器人研究综述 第8篇

1 轮式移动机器人的相关研究

1.1 单轮滚动机器人

从外观上看, 单轮滚动机器人只具有一个轮子, 主要运动方式为滚动式行走, 球形机器人也在单轮滚动机器人的范畴之内。关于单轮滚动机器人的研究应用前景是广阔的:单轮滚动机器人具有水陆两栖的特点, 适用于沼泽地和海滩等地, 因此可将其用于营救、运输、矿物探测等;单轮滚动机器人的外形纤细, 可以在狭窄地方作为监视机器人;单轮滚动机器人运动自如、受地形影响较小的特点, 可运用于航天领域。对单轮滚动机器人的研究过程中的主要问题有:建立单轮滚动机器人的动态模型, 操纵机构和推动力的参数化和耦合问题;获取位置传感器相关的运动信息的方法;控制静态不稳定和动态稳定的方案。

1.2 双轮移动机器人

双轮移动机器人可分为自行车式和两轮左右对称式两种。

1.2.1 自行车机器人

自行车机器人属于一种智能运输工具, 通常具有窄小的车体, 结构较简单, 运动较灵活, 可进行小半径的回转, 常被广泛用于森林作业和灾难救援等。然而, 由于自行车具有复杂的运动力学特征, 纵向布置的两轮本身就具有侧向不稳定性, 因此, 必须进行侧向控制, 其控制问题相对是有些难度的, 对于其研究和动力学控制探讨都颇具挑战。研究自行车机器人过程中的主要问题有:建立和分析自行车机器人的运动模型;不同载重下自行车机器人的平衡问题;自行车机器人的有关侧向稳定的控制机理;复杂地面下自行车机器人的适应能力。

1.2.2 两轮左右对称的双轮移动机器人

两轮移动机器人在不加装车体的前提下能够自由灵活转动, 如果加装车体则会影响机器人的平衡。两轮移动机器人的灵活性较强, 行走上与两足机器人比较相似, 行为类似于火箭飞行, 在机器人领域中两轮移动机器人的控制系统和理论颇受国内外高度重视, 并逐步成为研究热点。

1.3 三轮和四轮移动机器人

三轮和四轮移动机器人是轮式移动机器人中的常见机构, 尤其适合行走于平整地面上。目前, 有关三轮和四轮移动机器人的研究较多, 研究内容主要包括运动规划、机器人结构、跟踪控制、体系结构、定位与导航、交互技术、智能技术等。对这类机器人的研究为多轮和复合式机器人的发展提供了一定的基础, 且有利于现代汽车工业的进步和发展。

1.4 复合式移动机器人

充分利用和发挥各类机器人的优势, 避免或弥补其中的不足, 是研制复合式机器人的必要条件。复合式移动机器人在过沟、爬坡、上下楼梯和越障方面具有很强的优势与能力, 且运动稳定性较强, 现被普遍用于反恐防爆、复杂地形和空间探测等方面。

3 各种机器人的关系和对比

轮式移动机器人不同类型之间看似没有关系, 实际内部是存在一定联系的。例如, 单轮滚动机器人的半球轮及运动控制原理就被充分应用在两轮移动机器人的研制中;左右对称的两轮移动机器人又可被安装于三轮或四轮机器人上, 作为转向及移动机构。

通过对各类轮式移动机器人的性能进行比较, 如表1。

4 结论

机器人的行走精度和控制方式是由其构型选择决定的, 轮式移动机器人的研制以及新构型的出现, 严重影响着轮式移动机器人的路径规划和移动控制。不同类型的轮式移动机器人构建都是以其所在特定的环境为基础的, 随着对机器人性能和机器人技术要求的提高, 单类型的机器人已经远远不能满足现实的需要, 只有充分的考虑机器人的控制精度、工作环境和灵活性等及材料、环保、价格、功效等多个方面, 对机器人进行相适应的研究与设计, 才能更好地促进机器人领域的发展, 满足现代社会的要求。

摘要：伴随着社会的快速发展, 机器人被越来越多地应用于当前的生产和生活当中。本文在轮式移动机器人的相关研究基础上, 将轮式移动机器人进行了车轮数目的相应归类, 并对轮式移动机器人的控制方式和移动机构进行了一定讨论, 初步探讨和研究了轮式移动机器人不同类型之间的关系, 对不同类型的轮式移动机器人做了性能相关的比较, 一定程度上分析了轮式移动机器人研究过程中出现的问题, 并对其发展方向做出展望。

关键词：轮式移动机器人,探讨,研究

参考文献

[1]邓宗全, 岳明, 禹鑫燚, 方海涛.球形运动器动力学分析及控制系统设计[J].机器人, 2006 (06) .

[2]尚建忠, 罗自荣, 张新访, 范大鹏.基于构型组合的空间探测机器人移动机构设计[J].机械工程学报, 2007 (12) .

移动机器人定位技术研究综述 第9篇

关键词：移动机器人,定位技术,地图匹配,路标识别,概率估计

0 引言

移动机器人定位是确定其在已知环境中所处位置的过程, 是实现移动机器人自动导航能力的关键。依据机器人所采用传感器类型的不同, 其定位方式有所不同。目前应用较广泛的传感器有里程计、超声波、激光器、摄像机、红外线、深度相机、GPS定位系统等等。与其相对应的机器人定位技术可分成绝对定位、相对定位技术两大类。所谓的绝对定位是指采用导航标记、主 (被) 动标识、地图匹配[1]、GPS等技术进行定位, 精度较高。而相对定位是指通过度量机器人相对于起始位置的方向和距离来推断出机器人当前的位置信息, 又称为航位推算法。

1 基于地图匹配的定位技术

基于地图匹配的机器人定位问题主要侧重分析机器人在地图上可能所处的位置的搜寻和辨别, 其重点在于机器人能够感知获得所处局部环境的位置信息与已知地图中的位置环境信息相匹配。此外, 基于地图匹配的机器人定位通常需要和其他定位方法相结合进而实现定位。基于深度视觉[2]描述机器人所处环境的几何地图与基于卡尔曼滤波[3]、粒子滤波[4]的扫描匹配定位方法是与概率推断方法相结合的经典代表, 且有成功的应用。

2 基于路标标识的定位技术

路标[5]具体是指有显著特征的, 且能够被机器人上所安装传感器识别的一类物体的统称。人为设定的路标在机器人所处的三维空间中有自己本身固定的地理位置。因此, 机器人定位的核心任务就是要可靠地、快速地辨识出路标, 并计算出机器人所处地图中的实际地理位置。实际定位精度的高低主要取决于对路标标识的准确辨识以及对环境位置信息提取的准确快速程度。

3 基于概率估算的航位推算定位技术

在机器人定位过程中, 存在许多不确定因素。比如机器人本身就具有不确定性、里程计误差的累积、传感器的噪声干扰以及机器人所处环境的复杂性、未知性等等。总之, 由于这些不确定因素的存在, 使得机器人定位变得较为更加复杂。近些年, 许多研究学者把概率理论应用到机器人定位当中。核心思想就是根据当前为止所收集到的数据为已知条件, 然后递归估计状态空间后验概率密度。其中, 基于粒子滤波的概率估算实现机器人定位更加具有应用前景。粒子滤波, 也称为序列蒙特卡罗, 是20纪90年代中后期发展起来的一种崭新的滤波算法[6], 其核心思想就是用随机样本来表述概率分布。Dallert等人将粒子滤波算法同机器人运动、感知的概率模型相结合, 提出了机器人蒙特卡罗定位的思想。核心思想就是用一组滤波器去估计机器人的可能所处的位置, 即处于该位置的概率。每一个滤波器对应有一个位置, 再利用观测对每个滤波器加权处理, 进而使得最有可能所处的位置的概率越来越高。

4 结论与展望

至今为止, 室内机器人的定位问题仍是当前机器人学研究领域的核心问题之一, 而今后的工作重点则是提高机器人的定位精度以及机器人完全实现自主定位, 并且还要完善改进应用于定位算法的稳定性、快速性和有效性。机器人定位采用SLAM方法[7、8]实施对未知环境地图的实时构建应用于地图匹配的定位、以及研究更加高效的重采样和自适应采样的粒子滤波定位算法有较好的应用前景。

参考文献

[1]Kim, Hyongjin, et al."Image-based localization using prior map database and Monte Carlo Localization."Ubiquitous Robots and Ambient Intelligence (URAI) , 2014 11th International Conference on[Z].IEEE, 2014.

[2]Lee, Sangyun, Changkyung Eem, and Hyunki Hong.“Robot localization method based on visual features and their geometric relationship.” (2015) [Z].

[3]Faisal, Mohammed, et al."Robot localization using extended kalman filter with infrared sensor."Computer Systems and Applications (AICCSA) , 2014 IEEE/ACS11th International Conference on[Z].IEEE, 2014.

[4]顾文华, 周波, 戴先中.基于ICP匹配算法的室内移动机器人定位[J].华中科技大学学报:自然科学版, 2013, 1.

[5]Shimshoni, Ilan, and Igal Loevsky.“Localization method for mobile robots based on landmarks.”U.S.Patent No.8, 930, 127.6 Jan.2015[Z].

[6]Sobreira, Héber, et al.“Robust Robot Localization Based on the Perfect Match Algorithm.”CONTROLO’2014–Proceedings of the 11th Portuguese Conference on Automatic Control[Z].Springer International Publishing, 2015.

[7]Oh, Taekjun, et al.“Graph Structure-Based Simultaneous Localization and Mapping with Iterative Closest Point Constraints in Uneven Outdoor Terrain”Robot Intelligence Technology and Applications3.Springer International Publishing, 2015.27-34[Z].