移动机器人定位技术研究综述

高恩阳　陈兆华　李彤　杨宏钰

【摘 要】移动机器人的定位技术在机器人研究领域中已被广泛的研究，本文针对机器人的定位问题，基于绝对定位和相对定位两大类定位技术，对室内自主移动机器人的定位技术进行了综述，简述了基于地图匹配、路标识别、概率估算三种定位技术，以及各自的优势和局限性，并展望了移动机器人室内自定位技术的进一步研究方向。

【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/ACS 11th 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.”CONTROLO2014–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].

[8]贾松敏， 王可， 郭兵，等. 基于 RGB-D 相机的移动机器人三维 SLAM[J]. 华中科技大学学报：自然科学版， 2014（1）：103-109.

[责任编辑：曹明明]