移动机器人传感器与导航控制分析

陈玉

（长江工程职业技术学院 湖北省武汉市 430212）

具有智能化的移动机器人技术属于一种综合性技术，其不但涉及传感器技术、导航控制技术，同时也涉及到电力工程技术和计算机工程技术等。另外，对移动机器人的研究不但能够为人们生活、生产带来更多便利，同时也能够为推动我国科学技术发展提供一定保障。

1 移动机器人

本文所研究的移动机器人，在该移动机器人的差动底盘设有视觉传感器，以此为进行地图重建与导航控制提供保障。

1.1 轮子模型

本文所研究的移动机器人轮子模型主要是围绕Z 轴旋转，在左右转弯的过程中，只会对该轮车的姿态产生影响；在前后行走的过程中，只会对该轮车的位置产生影响。因此，在对移动机器人轮子模型进行设计的过程中，可将底座轮车的差动模型转化为T 矩阵绕Z 轴旋转的模型。

1.1.1 双轮差动运动控制

对于采用双轮差动方式进行运动的移动机器人而言，其左轮和右轮的速度可分别设置为vl和vr，将车体宽度设置为d，其运动轨迹的圆半径设置为r，当vl≤vr时，因左右轮差速所形成的运动轨迹表示如下：

（1）如果将左轮作为质点进行运动，那么可得到vl=ωl×(r-d/2)；

（2）如果将右轮作为质点进行运动，那么可得到vr=ωr×(r+d/2)；

（3）在实际运行过程中，因为左右轮都在移动机器人的机体上，所以运动的角速度是一样的，也就是ω1=ωr，最终得到v=(vl+vr)/2。

通过上述分析，最终得到r=(vl+vr)/(vr+vl)×d/2。也就表示。当vl>vr时，情况与此相同：

当r 无限趋近于正负无穷时，车能够呈直线运用；当r=0 时，则车在原地旋转；当r>0 时，车向左侧旋转运动；当r<0 时，车向右侧旋转运动。

该公式主要可用于对移动机器人在理想状态下运动的轨迹进行估算。不过需要注意，因为移动机器人在实际运动过程中，还会受到摩擦力的影响，加之可能存在装配方面的误差，所以会导致移动机器人在运动的轨迹与估算存在偏差，因此也就需要相关研究人员能够结合实际，在充分考虑到温度、湿度、移动机器人质量等因素后，对机器人运动过程中的快速轮速进行有效调整，而不一定要于理论的处的轮速完全相同。

1.1.2 机器人位置

在对移动机器人的导航控制进行探究的过程中，研究人员会将移动机器人的本体看成一个刚体，也就表示其姿态能够通过转换正交旋转矩阵实现：

通过该矩阵，能够将移动机器人在全局参考框架中的运动映射到局部参考框架上。另外，在进行这个运算的过程中，较为依赖θ的值：

1.2 前向运动学

当能够确定中心处在两轮之间的一个P 点时，可设各轮子之间的距离为l，轮子的直径为r，同时也能够确定θ 和各轮转速ψ 的值。最终，依据前向运动学模型能够实现对全局参考框架中移动机器人总速度的预测目标：

2 移动机器人传感器

人类对外界信息的感知主要依靠眼、耳、口、鼻等感知器官，通过接收到的信息对外界建模，从中找到想要的信息。移动机器人对外界的感知同人相似，只不过他们的感知器官是传感器，操作人员通过控制执行器与传感器实现对移动机器人的操控，使其能够如同人类一样活动、工作。

关于移动机器人的传感器，主要表现如下：

2.1 激光雷达

在进行移动机器人研制过程中，光学探测器因其特有的高灵敏度等到广泛应用，其能够实现对单个光子的有效测量。

通常而言，不管是从功率方面还是体积方面，使用光子计数接收器都能够促使传感器和通信系统的光学应用更具效率。在实际应用中，这些接收器需要更小的空间、时间以及光谱滤波器，以此实现对不必要背景噪声或杂波的降低目标。另外，通过激光照明的有源传感器，还可利用激光发射器的狭窄空间、时间以及光谱特征实现对接收滤波器的有效调整，进而确保其灵敏度和信号效率得到增强。而且对于高分辨率三维空间成而言，其属于移动机器人研制中的重要应用技术。

利用机载或星载微波雷达，能够实现对地面车辆的探测、跟踪以及成像目标，但是如果有遮蔽物，比如树冠、树叶等，就可能导致雷达的性能降低。随着科学技术的不断发展，虽然长波长微波雷达能够将遮挡物穿透，但是却导致成像分辨率降低。经过研究人员的不断研制，高分辨率三维成像激光雷达应时而生，该技术不但能够穿透遮挡物，对于军用地面车辆都可进行有效识别。

基于此，本文在进行移动机器人传感器研究中，对该种三维成像技术进行了充分利用，包括机器人视觉、制造质量控制等方面的应用。

2.2 视觉相机

在将机器人准确导航到特定位置及方向时，视觉伺服起到了关键性作用。通过对以往技术进行分析研究发现，自校准技术只是对静态字校准情况的充分考虑，而在此状态下的内部参数不适用于对机器人的控制。

关于视觉应用，其主要目的是识别以及跟踪具有独特视觉特性或标志的对象。在对相机放置时，可通过模拟方法对任何特定相机放置的性能，进行有效测量，并在迭代网格线性编程基础上获取最高效的放置方法。同时，对于跟踪隐私保护视觉监控网格，应采用特定彩色标签，同时在多个相机之间使用极限几何，实现遮挡处理，以此创建识别、跟踪以及视觉混淆系统，并能够实现对监视视频中的个人隐私进行有效保护的目的。

另外，对于场景对象中的深度感知，其可被应用在移动机器人系统中的跟踪或应用视觉伺服。在此过程中，3D 飞行时间摄像机，可对范围图像进行有效提供，进而实现实时测量目标，以此改善相关类型任务。

3 移动机器人导航控制

3.1 移动机器人建图

在对移动机器人导航控制进行分析的过程中，首先需要对移动机器人建图进行了解，环境地图一般包含拓扑结构描述地图和几何地图两种。

在进行地图创建的过程中，所使用的数学工具主要有三种，即简单基于数据储存结构的搜索、单线的三角公式计算，以及概率的表述和推理方法。

对于移动机器人地图而言，主要是指其所在环境的模型，研究人员将建立移动机器人地图的过程称为地图构建。而在地图构建中，较为常见的地图类型有以下几种：

3.1.1 尺度地图

尺度地图是较为常见的地图类型，如图1所示。在其中，位置用坐标值表示，其属于地图基本形式。在对移动机器人进行导航控制的过程中，大多数移动机器人在进行自我定位时所用的都是坐标系。

图1：尺度地图

3.1.2 拓扑地图

关于拓扑地图，如图2所示。以某地铁线路拓扑地图为例，其地图尺度和大小与实际情况有很大差别，而地图主要是为了将列车停靠站以及各站点之间的连接线路进行直观呈现，研究人员将此类地图定义为拓扑地图。

图2：拓扑地图

在该地图中，位置主要表示节点；各节点之间的链接表示为弧。该类地图的特点并不是坐标的精确，而是各节点之间的连接。如图3所示，左右两边的拓扑地图为等价关系，各节点之间的弧主要是为了表示这些节点之间的连接代价或是限制条件，这类地图在轨迹规划测验中经常被用到。

图3：等价拓扑图

3.1.3 语义地图

关于语义地图，其在移动机器人高层规划，以及人机互动中具有重要意义，主要是通过对物体之间的位置关系进行简单描述，确定其所在位置。

在进行移动机器人建图的过程中，所存在的建图难点主要有三点：

（1）在进行移动机器人地图构建的过程中，其本质属于感知问题，也就是对传感器获取的数据内容进行确定。但是在对内容进行确定时，也会出现一定的干扰问题，比如传感器获取的信息会受到噪音影响，也就需要更可靠的估计算法；又如，在进行测量时，通常是在相对坐标系下进行的，但所需数据需要转化到绝对坐标系中。

（2）在进行移动机器人地图构建的过程中，还需要涉及到其他机器人问题，比如轨迹规划的问题；又如导航问题。

（3）实际生活中的事物会在时间的推移下发生变化，从理论角度上看，移动机器人的地图构建也应该随着现实世界的变化而发生改变，以此确保现实能够被准确反映出来。

3.2 移动机器人导航

通过激光SLAM 系统，可将地图构建过程中激光雷达扫描得到的信息以及里程计数据转化为2D 栅格地图。在此过程中，导航系统可利用该地图中的各类数据，对移动机器人的路径进行有效规划和定位。待上述操作完成之后，可将其转化为移动机器人的速度指令。

将上述分析可知，移动机器人导航系统可被划分为以下几部分：

（1）数据收集层，也就是利用传感器进行数据收集；

（2）全局规划层；

（3）局部规划层；

（4）行为层，也就是结合移动机器人当前状态以及上层指令，为其布置当前行为指令；

（5）控制器层，其主要作用是与下位机进行通信。

在对移动机器人进行指定导航的过程中，其具体流程如下：

首先，操作人员启动了全局规划层和局部规划层两个规划器，以此进行全局路径规划，以及局部路径规划，并通过地图规划组建形成移动机器人自身的代价地图。

其次，通过局部规划，对局部避障进行有效规划。在具体导航过程中，所依据的算法主要是Dynamic WindowsApproach。具体表现如下：

第一步，利用移动底盘的运动学模型，获取速度的采样空间；

第二步，通过第一步得到的采用空间，对每个样本的目标函数进行准确计算；

第三步，在得到期望速度后，即可插值成轨迹输出。

最后，在移动机器人运行的过程中，需要依据移动机器人现有状态，利用唤醒规划器作出规划，通过计算合法速度并发布，实现对移动机器人的操作以及清理。

4 结束语

本文针对移动机器人存在的问题进行了深入研究，并得出移动机器人的避障性能优化比较依赖传感器技术。另外，依据以往移动机器人研制方法的优缺点，本文提出了依靠超声波传感器、多传感器数据融合感知，以及根据速度反馈建立模糊规则，实现对避障效果进行有效优化的先进避障算法。最后，在全局环境未知的情况下，对移动机器人进行导航，以此观察其对周围环境的感知和接收情况，并据此对其导航控制功能进行了优化，为推动移动机器人更好发展提供了相应依据。