基于多传感器融合的机器人导航系统中的避障研究

摘要

随着科技的进步机器人技术的发展，机器人性能和智能性不断提高，已经广泛应用于生活服务、军事、工业生产和未知领域探索等各种领域。有关机器人智能性的研究是机器人研究领域内的一个很重要的科研方向，其中机器人的避障技术是实现机器人智能性的一个重要方面，一直是该领域内的研究热点。如何让机器人知道什么是障碍物，以及如何躲避障碍物，这两个问题分别对应避障过程中的障碍物检测与避障路径规划两个基本环节。本文针对基于多传感器的室内移动导航机器人的自主避障问题开展研究工作。主要研究内容有以下几点。
　　 1、首先对移动机器人研究领域的发展、移动机器人障碍物检测方法、多传感器信息融合的方法以及移动机器人局部路径规划的研究现状做了简要的分析，并对本文的主要组织结构做了概述。
　　 2、基于图像解析的障碍物检测定位。通过图像信息熵知识对图像进行解析，通过判断图像中信息熵的值的变化来完成障碍物检测与初步定为功能，并且通过分析图像中的边缘点信息对障碍物进行在图像中的精确定位。
　　 3、基于多传感器融合的障碍物检测精确定位。对于视觉障碍物检测的结果通过超声传感器进行验证，并且多两者所获得的信息进行融合，得到障碍物更准确的信息。
　　 4、基于行为的机器人避障控制中的模块划分。该方法通过分解机器人的控制单元来简化机器人的避障路径规划。本文中将机器人的控制单元分为寻目标点行为、趋向目标点行为、一般避障行为、解死锁行为、到达目标点行为。其中避障行为模块用改进的人工势场法实现，解死锁行为采用的是一种基于全向搜索的解死锁算法。
　　 5、基于模糊控制策略的机器人控制。在机器人向目标点或向某一方向运动时，由于机器人是根据周围环境信息进行实时的控制决策规划，而实际试验中不可能让机器人很精确的向某一方向直行，所以需要用的模糊控制的方法来实现机器人的轮速控制。本文中的模糊控制方法是根据机器人正前方与机器人想要到达的目标点和机器人连线的夹角e来确定机器人左右轮速。反应θ与轮速之间关系的模糊决策表由经验值得来。
　　 6、基于人工势场法的避障算法。利用人工势场法计算避障路径的基本原理是在机器人的周围中抽象存在势能场，该势能场是有目标点的引力场与障碍物的斥立场共同构成，机器人其中受合力场的影响而运动，其运动方向是所有受力的合力方向，将机器人看成受人工市场影响下的一个质点。利用人工势场法计算机器人的运动方向的步骤为:构造障碍物周围斥力场与目标点周围的引力场，计算出势场下降的方向即势函数负梯度方向来确定机器人的运动方向。
　　 7、传统人工势场法的存在的问题及其改进。通过分析基于传统人工势场法的避障算法在具体应用中碰到的问题，包括:目标不可达与局部极小。建立了新的势场函数来解决目标不可达的问题;相应的引入基于全向搜索的控制方法解决局部极小问题，该方法即是基于行为的机器人控制单元中解死锁行为所应用算法。
　　 机器人目前能够通过全景摄像头识别出简单的目标点，并且根据机器人正前方和机器人与目标点的连线的夹角，依据模糊控制策略操控机器人向目标点前进，并且当碰到障碍物时能够避开障碍物继续前进，在碰到人工势场法中局部极小问题时依然能够通过基于全向搜索的方法实时避过障碍物。
　　 下一步工作是将本文提出的避障路径规划算法与课题组已完成的机器人导航系统相结合，以将该课题的理论研究应用到实际。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景及意义

1．2 国内外研究现状

1．3 移动机器人的障碍物检测与避障算法研究

1．3．1 传感器障碍物检测原理及方法

1．3．2 移动机器人避障路径规划研究

1．4 课题研究内容及章节安排

第二章 障碍物检测方法现状

2．1 传统障碍物检测原理及方法

2．1．1 超声传感器检测

2．1．2 单目视觉检测

2．1．3 立体视觉

2．1．4 激光雷达传感器

2．1．5 其他传感器及应用

2．2 信息融合法

2．2．1 多传感器信息融合的融合层次

2．2．2 多传感器信息融合的融合结构

2．2．3 多传感器信息融合的融合方法

2．3 本章小结

第三章 机器人避障路径规划算法

3．1 基于行为的机器人避障路径规划

3．2 基于模糊逻辑的算法

3．3 人工势场法

3．4 其他算法

3．5 本章小结

第四章 移动机器人的体系结构与软件架构

4．1 Voyager-IIA机器人体系结构

4．1．1 机器人的驱动控制系统

4．1．2 机器人的决策系统与通信系统

4．2 机器人的障碍物探测系统

4．2．1 视觉传感器

4．2．2 超声传感器

4．2．3 红外传感器

4．3 机器人软件系统结构

4．3．1 硬件通讯层

4．3．2 指令协议解析层

4．3．3 行为层

4．3．4 决策层

4．4 本章小结

第五章 障碍物检测与避障算法实施

5．1 基于图像信息熵的障碍物检测定位研究

5．1．1 图像预处理

5．1．2 基于图像信息熵的障碍物检测与粗定位

5．1．3 障碍物在图像中的精确定位

5．1．4 基于距离图像的障碍物定位

5．2 基于多传感器融合的障碍物检测定位

5．2．1 超声传感器数据的获取与融合处理

5．2．2 决策层数据融合

5．2．3 障碍物斥力点的选取

5．2．4 多传感器融合的其他应用

5．3 基于行为的机器人路径规划设计

5．3．1 行为单元分类

5．3．2 各行为单元的仲裁机制

5．3．3 各个行为控制设计

5．4 基于改进人工势场法的局部路径规划

5．4．1 经典人工势场法

5．4．2 经典人工势场法在避障路径规划应用中存在的问题及解决方案

5．4．3 解死锁行为

5．5 本章小结

第六章 实验结果及分析

6．1 图像预处理结果

6．2 视觉障碍物检测与定位结果

6．2．1 图像平均信息熵统计结果

6．2．2 障碍物边缘定位结果

6．2．3 距离图像测距结果

6．3 信息融合障碍物检测与定位结果

6．4 机器人趋向目标点行为实验结果

6．5 人工势场法的改进算法的实验结果

6．6 本章小结

第七章 总结与展望

7．1 总结

7．2 展望

参考文献

致谢

附录