移動機器人避障運動關鍵技術分析

侯遠韶

摘 ?要：隨著自動化技術的進步和科技的發展，移動機器人技術越來越受到人們的重視。機器人避障和路徑規劃是機器人技術研究的重點。機器人避障運動首先利用單一或多個傳感器搜集的外部環境信息，感知規劃路線上可能存在的動態或靜態障礙物，進而利用相應的避障算法，實時對目標軌跡進行調整，最終躲避障礙物，實現路徑的合理規劃。

關鍵詞：移動機器人 ?傳感器 ?避障算法

中圖分類號：TP391 ? 文獻標識碼：A 文章編號：1672-3791（2019）08（c）-0004-02

隨著工業自動化水平的提高，以及中國制造2025和德國工業4.0的提出，機器人技術越來越受到人們的重視，機器人技術代表了自動化技術最先進的方向，融合通信技術、電子技術以及計算機技術多個領域，而移動機器人技術代表著機器人技術最前沿的方向和最先進的技術，融合了各種內部和外部傳感器以及不同避障算法，在工農業生產中有著重要作用。機器人避障首先需要對障礙物的位置進行準確測量，然后依據一定的避障算法控制機器人的軌跡，障礙物有靜態和動態之分，從而加大了機器人避障的難度，因此如何保證移動機器人能夠正確躲避障礙物從而實現合理的路徑規劃，進而長時間、高質量地完成工作是我們研究的重點。

1 ?移動機器人避障常用傳感器

如何發現障礙物并進行躲避是移動機器人避障問題的重點。感知周圍環境信息是避障的第一步，傳感器作為電五官可以感知周圍環境信息，進而為下一步避障算法的運用和控制器的判斷決策提供依據[1]。機器人避障系統由信息處理系統和傳感器系統構成，傳感器主要有基于測距原理的傳感器和基于視覺的傳感器，基于測距原理的傳感器主要有激光傳感器、紅外傳感器和超聲波傳感器。

（1）激光傳感器，建立在連續光反射的基礎上，通過激光的飛行時間來對距離進行測量，優點是成本低廉、建立方便、抗干擾能力強，但是在對黑體或遠距離物體進行測距時容易產生誤差，對透明材料如橡膠薄膜和玻璃沒有效果，主要由發射電路、測量電路和檢測電路3部分構成。

（2）紅外傳感器，通過紅外線的光線傳輸作為傳輸介質，紅外測距利用三角測距的原理，紅外傳感器由紅外發射器和檢測器構成。首先紅外發射器發出紅外線，當紅外光束遇到待檢測物體后，紅外光反射回到達檢測器接收到紅外光信號，進而利用三角形原理測出發射器與待檢測物體的距離。紅外傳感器價格低廉、隱蔽性好、功耗低，無論被測物體處于何種狀態，傳感器都能收到反應，但是容易受到各種光源的干擾，且由于紅外線穿透能力弱，對于黑體和透明的物體，紅外傳感器都無法準確檢測出物體的距離[2]。

（3）超聲波傳感器，通過測量超聲波飛行的時間進而得到待測物體的距離，其本質原理是將被測信號通過敏感元件和轉換電路轉換為電信號。同時，超聲波的傳輸速度與傳輸介質的干濕度、溫度有關，因此在對被測物進行精確測量的時候需要考慮環境因素。由于固體和液體受干濕度、溫度影響較小，因此超聲波傳感器在固體和液體中有更好的應用，穿透能力大、方向性好、頻率高，在對無損探傷方面具有重要意義。但是超聲波傳感器測量距離較短且有探測盲區的存在，多個超聲波傳感器之間可能會存在相互干擾。超聲波測距原理如圖1所示。

（4）視覺傳感器，是通過成像裝置和光學元件獲取外部環境數據，主要部件為照相機或攝像機。基于計算機視覺的傳感器主要有雙目視覺、基于結構光的深度相機和基于TOF技術的深度感知相機等，視覺傳感器精度與被測物體的距離有關，也與自身的分辨率有關。雙目視覺測距是利用人眼的原理，其本質為三角測距法，通過類似與人眼的兩個相機，在對被測物體成像時會出現不同的像素位置，進而利用三角測距法得出被測物體的準確距離;基于結構光的深度相機，發射的結構光照射在物體上面，由于光到達相機的位置不同，進而利用傳感器設置的參數、不同位置的偏移量和相機位置，最終得到被測物體的距離;基于TOF的深度相機，TOF即Time of Flight，是一種利用飛行時間進行測距的方法?；赥OF的深度相機采用主動光探測技術，方便大尺度地獲得動態三維場景，TOF技術采用主動光探測方式[3]。

2 ?移動機器人避障常用算法

（1）基于模糊控制的避障應用。移動機器人面對的是復雜多變的外部環境，傳統的控制算法已不能很好地適應非線性、多變量的復雜環境，同時在面對時變特征時如何建立準確的數學模型，傳統的控制算法不能給出一個很好的解決方案。基于模糊邏輯的模糊控制算法，將模糊推理和模糊集合有機地結合起來，不需要建立準確的數學模型，同時便于計算機實時處理。模糊控制器主要由模糊化、數據庫、模糊推理和逆模糊化4部分組成，具體算法流程為：將傳感器收集的外部數據信息輸入控制器使數據模糊化，進而利用數據庫的量化因子、隸屬函數對模糊數據制定相應的控制準則，然后通過模糊推理對數據進行推理，最后逆模糊化將模糊推理得出的數據進行清晰化，得出障礙物的準確位置[4]。

（2）人工勢場法。將機器人的運動抽象化為人造勢力場中的一個質點，將目標設置為引力、障礙物設置為斥力，通過計算引力和斥力的大小，得出最終矢量值的大小，即力的方向。引力場函數為Uat（X）=k（X-Xgoal）2/2，設移動機器人的初始位置為X=[x，y]T，在障礙物的影響距離時內也就是機器人和障礙物相距較近時，斥力場函數可以表示為：反之則為零。

其中ρ為障礙物和機器人之間的最小直線距離，η為位置增益系數，n為非零常數，最終通過斥力函數和引力場函數，得出移動機器人的最終路徑規劃。人工勢場法方法簡單，不需要大量的參數設置，時效性較好，可以及時反饋矢量大小，但是引力和斥力受距離影響比較大，當障礙物較遠時無法準確計算出矢量的大小，容易使機器人偏離路徑，進而和障礙物發生碰撞;同時，人工勢場法不容易得到全局最優解，容易陷入局部死循環，使機器人難以到達目標位置[5]。

（3）Bug算法。移動機器人避障運動是指通過傳感器感知障礙物的輪廓形狀、所處位置以及范圍大小等各種信息，進而依據有效的算法思路實現避障運動。Bug算法的思路在于記錄并跟蹤障礙物的輪廓，通過障礙物的輪廓信息進行避障和合理的路徑規劃。Bug算法屬于實時路徑規劃算法，具有收斂性，其具有兩種模式：繞行障礙物邊緣行走和對著目標點的直線行走[6]。繞行障礙物算法為Bug1算法，移動機器人圍繞障礙物，尋找距離目標的最小點，然后離開，這種方法可以保證機器人能夠從任何位置到達目標位置，但算法的時效性比較低。算法流程為：標記機器人起始位置和目標位置，并將起始位置和目標位置做直線連接，機器人首先沿主線運動，當檢測到障礙物與運動路線有沖突時，改變移動策略沿邊界運動，一直運動到主線路徑向目標點前進。

（4）自由空間法。在傳感器采集的數據基礎上，首先構建相應的環境模型將移動機器人的避障運動轉化為求解自由空間內最優路徑規劃問題。自由空間法易于實現，且當初始位置和終點位置發生變化時僅需要對目標位置進行重新定位，不必對整個環境模型進行再繪制，原理簡單;但是在面對復雜多變的障礙物時，空間的連通變得復雜起來，算法不能生成最優解，路徑優化實現困難。

3 ?移動機器人避障多傳感器信息融合

多傳感器信息融合模擬人腦處理復雜問題的方式，將空間和時間上存在的多特征數據通過多個傳感器進行時空采樣，進而對采樣結果進行檢測、相關性分析，得到及時完整的目標狀態信息，為控制器提供分析、判斷、決策的依據，同時對環境變化具有很強的適應能力，可以擴大系統的覆蓋距離，增加系統的處理時間，當某一傳感器發生故障時不會導致整個系統的癱瘓。

單一傳感器采集的數據，不能全面反映物體的特征信息，導致出現較大的誤差，同時片面的數據容易使機器人陷入困境。多傳感器信息融合，采集的信息可以實現數據的互補，且信息是多源的，能夠增強系統的分辨能力，實現對數據的綜合處理，提高機器人避障系統的魯棒性與健壯性也稱為數據融合?；パa信息、冗余信息和協同信息是多傳感器系統的特點。多傳感器信息融合依據融合的對象不同可以分為像素層、特征層和決策層3個層次;信息融合的處理結構可以分為集中式融合、分布式融合和混合式融合，數據相關性、目標跟蹤、融合技術、目標識別技術等是多傳感器信息融合的研究重點。

4 ?結語

該文對移動機器人避障運動的關鍵技術做了分析和整理，從傳感器到算法原理都有涉及。移動機器人避障首先需要傳感器采集數據信息，單一傳感器采集的數據信息不能很好地反映物體的全部特征，多傳感器信息融合技術是未來發展的方向。最后介紹了路徑規劃算法，對機器人的運動路徑做出合理規劃，躲避障礙物，實現路徑的優化。

參考文獻

[1] 歐陽鑫玉，楊曙光.基于勢場柵格法的移動機器人避障路徑規劃[J].控制工程，2014，21（1）：134-137.

[2] 晉曉飛，王浩，宗衛佳.自主移動機器人避障技術研究現狀[J].傳感器與微系統，2018，315（5）：12-16.

[3] 康瑞芳.基于激光測距儀的移動機器人避障控制系統設計[J].科技通報，2018，22（4）：14-17.

[4] 劉召，宋立濱，于濤.基于行人軌跡預測的全向移動機器人路徑規劃算法[J].計算機仿真，2018，24（3）：24-27.

[5] 宋莉，李彩虹，王小宇.移動機器人局部避障路徑規劃仿真研究[J].計算機仿真，2018，12（4）：31-34.

[6] 胡靜波，陳定方，吳俊峰.基于改進模糊算法的移動機器人自主避障研究[J].自動化與儀表，2018，243（6）：55-59.