移动机器人导航技术现状与展望

亓默涵

[摘 要]当前，移动机器人在工业生产、科研实验和社会服务等领域取得广泛应用。本文着重探讨移动机器人导航技术，介绍移动机器人导航方式，分析目前导航技术发展现状，阐述移动机器人导航技术未来的发展趋势，为有关研究机构提供有价值参考。

[关键词]移动机器人 导航技术 现状 展望

中图分类号：TP242 文献标识码：A 文章编号：1009-914X（2016）18-0147-01

移动机器人导航是利用其传感器，扫描、收集周围环境信息，确定路线规划并编辑程序使其移动。笔者认为，经过业内科研人员不懈努力，移动机器人导航技术不论在理论研究或应用实践均取得积极成效，但展望未来，理论研究有待补充，技术难题亟待解决。

1. 移动机器人的导航方式概述

移动机器人在利用导航技术获取周边环境信息以确定行走方向或所在位置时，需综合利用科学算法，得出数据模型并形成指令，方可规划最优路径。

1.1.电磁导航

电磁导航是最早被研发的导航技术。技术人员在机器人预设路线上设置多条电线，机器人在运行中通过接收电流频率，通过感应线圈感知行走指令[1]。经过多年尝试，科研人员认定该方法准确率高且运用简单，但前期铺设电线需消耗过多人力、物力，因此该方法的维护成本较高。

1.2.视觉导航

视觉导航是机器人常用导航技术，其特点是探测信号范围广、信息获取准度高。研究人员在移动机器人头部安装巡航影像系统，其内部含有传感器辨识系统、图像辨别系统和路径规划技术等。视觉导航采用电荷耦合器件图像传感器（简称CCD），它是集信息划分、整理、读取为一体的综合传感器，当机器人进行路径规划时，CCD传感器会将传输至系统原件的电荷转移至影像系统内的二维传感器进行合成，通过系统扫描对数据进行量化建模，形成指令[2]。

1.3.其他导航技术

光反射导航是在机器人接收外界光线频率以自主移动。该方法成本低廉、操作简单，也是国内机器人研发机构使用较广泛的方法。

声音导航技术是机器人利用内部声音识别系统辨识无规律、无方向的声音频率，尤其是在光线不充足环境中，机器人可通过声音精确定位；另外，味觉导航是应用于机器人内部高灵敏度的化学传感器，根据气味、气流方向检测气流浓度情况，便于机器人搜寻气源，确定行程路线。

2. 探讨移动机器人导航技术发展现状

笔者认为，移动机器人导航技术在精确定位、路径规划、信息融合等方面有较强优势，但仍需提升技术指标，校准误差，确保导航准确性。

2.1.导航定位

国内机器人导航技术一般采用相对定位法，通过筛选距离、测定方位、计算最优路径等步骤，确保机器人按预定路线移动。该方法收集数据速度较快，但长期精准较差。近些年，国内科研机构引进了惯性导航法，即利用陀螺仪测算机器人内部控件转速，利用加速计计算运动加速度，反复测量以求得累积测量值。惯性导航法提升了测算效率，但在计算过程中无法避免时间误差，若机器人移动距离较长，误差会逐渐增大，定位精准度下降。

国外机器人定位利用绝对定位法，即将机器人内部导航系统与太空卫星进行网络连接，卫星可向机器人导航系统传输全球定位信息，并对重点位置标记，便于技术人员更好地掌握路径环境数据。绝对定位法有助于机器人较精确地感知局部环境信息，进一步减少误差风险。

2.2.规划路径

路径规范技术是机器人内部搜索算法的实现，即确定目的地后，系统自动计算最优路线信息，主要是测定最佳距离及避免障碍物。当前，路径规划分为全局路径技术与局部路径技术，其中，全局路径技术采用直线搜索法，即直接测算从起始点到终点的最短距离与最少用时，将此为最优线路设计依据，而局部规划技术是处于运动中的机器人及时收集局部环境数据，并测算其加速度和检测内部性能，利用计算数值构造模型，以控制机器人运动不偏离预计方向。

2.3.传感器的信息融合

传感器是机器人应用导航技术的载体。为强化传感器信号输入的准确性与可靠性，国内外研发机构会在机器人顶部安置多位传感器，既促进对环境信息收集、分析和运算速度，提升了测算准确性，又使多部传感器发挥重组或互补优势，进一步完善系统数据计算的互补性，保证系统运行高速和准确性。另外，传感器技术是模仿生物神经系统处理信息模式，一般进行复杂环境下的信息描述和系统测算工作，用于筛选采集样本、辨识信息的正误，充分保证了多位传感器系统的高度统一性。

3. 浅谈移动机器人导航技术展望

目前，移动机器人导航领域的信息处理、精准定位等研究理论和技术改造不断提升，随着网络计算机技术日益发展，未来机器人导航技术会有更严格的标准和更困难的问题等待我们去探索、解决。

3.1.改进视觉导航技术

未来一段时间内，视觉导航技术需重点提升系统测算精度，扩充数据存储容量，提高图像处理速度。笔者认为，视觉导航的发展趋势是提高处理图像静态、动态的信息识别，使机器人时刻根据周边环境变化以改进路线，让导航系统探测范围更广、信息收集更完整及图像处理实时性更强。

3.2.提升传感器技术融合性

目前，机器人导航的多为传感器融合技术，进一步促进了信息的融合性。但该技术适用环境需严格限制，原因是部分传感器性能无法与视觉导航、电磁导航等技术充分融合，无法胜任高精度测算任务[3]。因此，未来需要进一步探究如何提升传感器与不同导航系统的融合性，并加以改进，让机器人将来可不受环境约束，加速信息的融合、处理，不断地获取高精度的数据。

3.3.提升机器人系统性能

通常，机器人系统处理信息效率越高，则导航结果越精确，机器人导航系统在收集外界信息后，将其分解、归类为基础信息并逐一处理[4]。未来，科研人员通过升级当前系统，开发模块信息平台，让不同信息同时列于平台上处理，提升系统运行效率。

日后，国内外的机器人研发机构还会加强多位机器人导航系统应用。设计连接程序，将不同机器人导航系统串联，使多个机器人利用空间通信法相互分享不同方位测定的数据，以此判定到达位置的最优路径，使机器人资源可最大化利用。

4. 结语

笔者认为，现阶段机器人导航技术的创新发现为将来更进一步实施技术改进打下了坚实的理论基础和积累了丰富的实践经验。今后，我们更需提高移动机器人导航技术的定位精确性、信息融合性等方面，进一步创新研发更优质性能的导航系统，并将网络发展的理念和技术逐渐渗入到机器人导航的研究领域，提高导航的人工智能性，使移动机器人更加造福于人类社会。

参考文献

[1] 林义闽.未知环境中智能机器人的视觉导航技术研究[D].北京邮电大学，2014.

[2] 蒋浩然，陈军，王虎，雷王利，袁池. 移动机器人自动导航技术研究进展[J].西北农林科技大学学报（自然科学版），2011，12：207-213.

[3] 张亮.动态环境下移动机器人导航技术研究[D].武汉科技大学，2013

[4] 郑宏.移动机器人导航和SLAM系统研究[D].上海交通大学，2007.