移动机器人避障运动关键技术分析

侯远韶

摘  要：随着自动化技术的进步和科技的发展，移动机器人技术越来越受到人们的重视。机器人避障和路径规划是机器人技术研究的重点。机器人避障运动首先利用单一或多个传感器搜集的外部环境信息，感知规划路线上可能存在的动态或静态障碍物，进而利用相应的避障算法，实时对目标轨迹进行调整，最终躲避障碍物，实现路径的合理规划。

关键词：移动机器人  传感器  避障算法

中图分类号：TP391   文献标识码：A 文章编号：1672-3791（2019）08（c）-0004-02

随着工业自动化水平的提高，以及中国制造2025和德国工业4.0的提出，机器人技术越来越受到人们的重视，机器人技术代表了自动化技术最先进的方向，融合通信技术、电子技术以及计算机技术多个领域，而移动机器人技术代表着机器人技术最前沿的方向和最先进的技术，融合了各种内部和外部传感器以及不同避障算法，在工农业生产中有着重要作用。机器人避障首先需要对障碍物的位置进行准确测量，然后依据一定的避障算法控制机器人的轨迹，障碍物有静态和动态之分，从而加大了机器人避障的难度，因此如何保证移动机器人能够正确躲避障碍物从而实现合理的路径规划，进而长时间、高质量地完成工作是我们研究的重点。

1  移动机器人避障常用传感器

如何发现障碍物并进行躲避是移动机器人避障问题的重点。感知周围环境信息是避障的第一步，传感器作为电五官可以感知周围环境信息，进而为下一步避障算法的运用和控制器的判断决策提供依据[1]。机器人避障系统由信息处理系统和传感器系统构成，传感器主要有基于测距原理的传感器和基于视觉的传感器，基于测距原理的传感器主要有激光传感器、红外传感器和超声波传感器。

（1）激光传感器，建立在连续光反射的基础上，通过激光的飞行时间来对距离进行测量，优点是成本低廉、建立方便、抗干扰能力强，但是在对黑体或远距离物体进行测距时容易产生误差，对透明材料如橡胶薄膜和玻璃没有效果，主要由发射电路、测量电路和检测电路3部分构成。

（2）红外传感器，通过红外线的光线传输作为传输介质，红外测距利用三角测距的原理，红外传感器由红外发射器和检测器构成。首先红外发射器发出红外线，当红外光束遇到待检测物体后，红外光反射回到达检测器接收到红外光信号，进而利用三角形原理测出发射器与待检测物体的距离。红外传感器价格低廉、隐蔽性好、功耗低，无论被测物体处于何种状态，传感器都能收到反应，但是容易受到各种光源的干扰，且由于红外线穿透能力弱，对于黑体和透明的物体，红外传感器都无法准确检测出物体的距离[2]。

（3）超声波传感器，通过测量超声波飞行的时间进而得到待测物体的距离，其本质原理是将被测信号通过敏感元件和转换电路转换为电信号。同时，超声波的传输速度与传输介质的干湿度、温度有关，因此在对被测物进行精确测量的时候需要考虑环境因素。由于固体和液体受干湿度、温度影响较小，因此超声波传感器在固体和液体中有更好的应用，穿透能力大、方向性好、频率高，在对无损探伤方面具有重要意义。但是超声波传感器测量距离较短且有探测盲区的存在，多个超声波传感器之间可能会存在相互干扰。超声波测距原理如图1所示。

（4）视觉传感器，是通过成像装置和光学元件获取外部环境数据，主要部件为照相机或摄像机。基于计算机视觉的传感器主要有双目视觉、基于结构光的深度相机和基于TOF技术的深度感知相机等，视觉传感器精度与被测物体的距离有关，也与自身的分辨率有关。双目视觉测距是利用人眼的原理，其本质为三角测距法，通过类似与人眼的两个相机，在对被测物体成像时会出现不同的像素位置，进而利用三角测距法得出被测物体的准确距离;基于结构光的深度相机，发射的結构光照射在物体上面，由于光到达相机的位置不同，进而利用传感器设置的参数、不同位置的偏移量和相机位置，最终得到被测物体的距离;基于TOF的深度相机，TOF即Time of Flight，是一种利用飞行时间进行测距的方法。基于TOF的深度相机采用主动光探测技术，方便大尺度地获得动态三维场景，TOF技术采用主动光探测方式[3]。

2  移动机器人避障常用算法

（1）基于模糊控制的避障应用。移动机器人面对的是复杂多变的外部环境，传统的控制算法已不能很好地适应非线性、多变量的复杂环境，同时在面对时变特征时如何建立准确的数学模型，传统的控制算法不能给出一个很好的解决方案。基于模糊逻辑的模糊控制算法，将模糊推理和模糊集合有机地结合起来，不需要建立准确的数学模型，同时便于计算机实时处理。模糊控制器主要由模糊化、数据库、模糊推理和逆模糊化4部分组成，具体算法流程为：将传感器收集的外部数据信息输入控制器使数据模糊化，进而利用数据库的量化因子、隶属函数对模糊数据制定相应的控制准则，然后通过模糊推理对数据进行推理，最后逆模糊化将模糊推理得出的数据进行清晰化，得出障碍物的准确位置[4]。

（2）人工势场法。将机器人的运动抽象化为人造势力场中的一个质点，将目标设置为引力、障碍物设置为斥力，通过计算引力和斥力的大小，得出最终矢量值的大小，即力的方向。引力场函数为Uat（X）=k（X-Xgoal）2/2，设移动机器人的初始位置为X=[x，y]T，在障碍物的影响距离时内也就是机器人和障碍物相距较近时，斥力场函数可以表示为：反之则为零。

其中ρ为障碍物和机器人之间的最小直线距离，η为位置增益系数，n为非零常数，最终通过斥力函数和引力场函数，得出移动机器人的最终路径规划。人工势场法方法简单，不需要大量的参数设置，时效性较好，可以及时反馈矢量大小，但是引力和斥力受距离影响比较大，当障碍物较远时无法准确计算出矢量的大小，容易使机器人偏离路径，进而和障碍物发生碰撞;同时，人工势场法不容易得到全局最优解，容易陷入局部死循环，使机器人难以到达目标位置[5]。

（3）Bug算法。移動机器人避障运动是指通过传感器感知障碍物的轮廓形状、所处位置以及范围大小等各种信息，进而依据有效的算法思路实现避障运动。Bug算法的思路在于记录并跟踪障碍物的轮廓，通过障碍物的轮廓信息进行避障和合理的路径规划。Bug算法属于实时路径规划算法，具有收敛性，其具有两种模式：绕行障碍物边缘行走和对着目标点的直线行走[6]。绕行障碍物算法为Bug1算法，移动机器人围绕障碍物，寻找距离目标的最小点，然后离开，这种方法可以保证机器人能够从任何位置到达目标位置，但算法的时效性比较低。算法流程为：标记机器人起始位置和目标位置，并将起始位置和目标位置做直线连接，机器人首先沿主线运动，当检测到障碍物与运动路线有冲突时，改变移动策略沿边界运动，一直运动到主线路径向目标点前进。

（4）自由空间法。在传感器采集的数据基础上，首先构建相应的环境模型将移动机器人的避障运动转化为求解自由空间内最优路径规划问题。自由空间法易于实现，且当初始位置和终点位置发生变化时仅需要对目标位置进行重新定位，不必对整个环境模型进行再绘制，原理简单;但是在面对复杂多变的障碍物时，空间的连通变得复杂起来，算法不能生成最优解，路径优化实现困难。

3  移动机器人避障多传感器信息融合

多传感器信息融合模拟人脑处理复杂问题的方式，将空间和时间上存在的多特征数据通过多个传感器进行时空采样，进而对采样结果进行检测、相关性分析，得到及时完整的目标状态信息，为控制器提供分析、判断、决策的依据，同时对环境变化具有很强的适应能力，可以扩大系统的覆盖距离，增加系统的处理时间，当某一传感器发生故障时不会导致整个系统的瘫痪。

单一传感器采集的数据，不能全面反映物体的特征信息，导致出现较大的误差，同时片面的数据容易使机器人陷入困境。多传感器信息融合，采集的信息可以实现数据的互补，且信息是多源的，能够增强系统的分辨能力，实现对数据的综合处理，提高机器人避障系统的鲁棒性与健壮性也称为数据融合。互补信息、冗余信息和协同信息是多传感器系统的特点。多传感器信息融合依据融合的对象不同可以分为像素层、特征层和决策层3个层次;信息融合的处理结构可以分为集中式融合、分布式融合和混合式融合，数据相关性、目标跟踪、融合技术、目标识别技术等是多传感器信息融合的研究重点。

4  结语

该文对移动机器人避障运动的关键技术做了分析和整理，从传感器到算法原理都有涉及。移动机器人避障首先需要传感器采集数据信息，单一传感器采集的数据信息不能很好地反映物体的全部特征，多传感器信息融合技术是未来发展的方向。最后介绍了路径规划算法，对机器人的运动路径做出合理规划，躲避障碍物，实现路径的优化。

参考文献

[1] 欧阳鑫玉，杨曙光.基于势场栅格法的移动机器人避障路径规划[J].控制工程，2014，21（1）：134-137.

[2] 晋晓飞，王浩，宗卫佳.自主移动机器人避障技术研究现状[J].传感器与微系统，2018，315（5）：12-16.

[3] 康瑞芳.基于激光测距仪的移动机器人避障控制系统设计[J].科技通报，2018，22（4）：14-17.

[4] 刘召，宋立滨，于涛.基于行人轨迹预测的全向移动机器人路径规划算法[J].计算机仿真，2018，24（3）：24-27.

[5] 宋莉，李彩虹，王小宇.移动机器人局部避障路径规划仿真研究[J].计算机仿真，2018，12（4）：31-34.

[6] 胡静波，陈定方，吴俊峰.基于改进模糊算法的移动机器人自主避障研究[J].自动化与仪表，2018，243（6）：55-59.