资料介绍
文档为移动机器人的导航定位和地图构建技术综述讲解文档，是一份不错的参考资料，感兴趣的可以下载看看，，，，，，，，，，，，，，
部分文件列表
| 文件名 |
大小 |
| 移动机器人的导航定位和地图构建技术综述.pdf |
128K |
Chi衄New
and
1旮hnoIo酊e8
PH'‘lucb●■k■■饵篮工塔‘山已_工■
cn；。№M。硒篇磁揣．瞄囵囫冒渔誓困
高新技术
移动机器人的导航定位和地图构建技术综述
(顺德职业技术学院，广东佛山528333)
王丽杨
陈明
摘要：在非结构环境或动态环境下，移动机器人必须学会如何导航。目前相关的研究主要集中于机器人定位和地图构建两个方面。
本文介绍了移动机器人的主要特征和发展概况，分析了移动机器人定位技术的研究动态，总结了移动机器人地图构建的主流技术和
发展趋势，为进一步的研究工作建立了基础平台。
关键词：移动机器人；定位；地图构建
中图分类号：TP39l
文献标识码：A
20世纪60年代．工业大发展将工业机器人
带人工厂，从而将人类从危险繁杂的体力劳动
中解放出来。随后，工业机器人与其他生产过程
结合起来，继而产生了更多灵活性与智能性的
要求。近年来，传统制造机器人r仃场之外又产生
了新的市场需求(例如清洁、排爆、建筑、造船、
农业等)。人[1老龄化更增进了满足人类社会需
求的服务机器人的开发，而各类移动机器人的
快速发展正满足丁这样的市场需求。
简化策略就催生了不同的定位算法。依据机器
人的位置信度，算法主要分为两大类：当机器人
的位置信度由多元高斯密度函数来建模时。一
般采用基于卡尔曼滤波器的方法；当机器人的
位置信度由多模密度函数来建模时。一般采用
马尔可夫定f蕾算法。由单模密度函数建模的机
器人位置信度只对局郭定位有效，基_j二膏尔曼
滤波器的技术可有效跟踪此类机器人的位置。
屿尔可夫定位算法的具体操作策略依状态
试图采用迭代算法来找到最可信的地图，它较
好地解决了传感器测量和真实世界之间的一致
性问题。
近来．有研究者对动态环境的地图构建问
题展开讨论。因为许多机器人的现实应用都在
非静态的环境中进行，故此fnJ题极具研究价值。
采用随时间变化缓慢移动路标的假设，卡尔曼
滤波器方法ur被用来构建动态环境的地图；相
似的，用随时间变化逐渐减少栅格的方法．也是
动态环境中地图构建问题的一种探索。目前已
l移动机器人概述
空间所用的离散化方法不f司而不同。由于低分
移动机器人与传统_丁qp机器人(机器人操
作臂)相比．具有移动功能．住代替人从事危险、
辨率的原因，这类A法只对基于路标的机器人 有多种算法考虑了环境的动态性，然而仍有许
定位有效。为了在高分辨肇隋况下处理多模概
多问题有待解决．例如，如何区分环境的动态部
分和静态部分，如何在地图上表示这些信息等。
恶劣(如辐射、有毒等)环境F作业和人所不及 率密度函数，状态空间中有意义的部分将被离
散化．并用以逼近机器人的位置信度。例如，可
的(如字宙空问冰下等)环境作业方面，比一般
目Ij{『，移动机器人正在由实验样机逐步走
机器人有更大的机动性、灵活性。
采用分段常函数展开的方式进行离散化。这类
方法中，常用的是基—F栅格的马尔可夫定位算
法．虽然这种算法对伞局定位十J分有效，但其计
算量非常大。最后，机器人的位置信度可由一系
列带有权值的机器人f讧置随机样本(或粒子)，
以及基于观测变量的约束条件来表达。快速采
样及其表示任意概率密度函数的能力使得高效
的全局定位成为可能，这就引出了蒙特卡洛方
法等粒子滤波技术。粒子滤波技术是移动机器
人的定f口领域比较热点的方法之一。
向实际应用。移动机器人最直接的服务应用领
移动机器人随其应用环境和移动方式的不
同，研究内容也有很大差别。其共同的荩本技术
域包括清洁、家居服务等。例如，自动真率吸尘
器和割草机利用移动导航领域的所有研究来从
事家务劳动，展现了可观的市场前景。移动机器
人同样显示了作为博物馆导游，以及作为办公
室、医院和其它公共场馆J：作助手的潜能：这一
类的移动机器人注重动态环境中的智能导航、
固定环境中的智能导航、短期人机姬、远端临
场等智能功能：监控是移动机器人技术的另一
个潜在应用领域。个人安保公司也对守卫机器
人产生了浓厚的兴趣。
有传感器技术、移动技术、操作器、控制技术、人
T智能等方面。它有相当于人的眼、耳、皮肤的
视觉传感器、听觉传感器和触觉传感器。移动机
构有轮式(如四轮式、两轮式、全方向式、履带
式)、足式(如六足、四足、两足)、混合式(用轮子
和足)、特殊式(如吸附式、轨道式、蛇式)等类型。
轮子适于平坦的路面，足式移动机构适于山岳
地带和【lrl凸不平的环境。移动机器人的控制方
式从遥控、监控向自治控制发展，目前多综合应
用机器视觉问题求解、专家系统等人工智能技
术研制自治型移动机器人。
3移动机器人的地图构建
基丁：地图的机器人定位技术和机器人的地
图构建技术二者相互依赖，自1990年以来，很
4，J、始
导航是人丁智能应用于机器入技术的重要
多研究者致力于同时解决这两个fnJ题。机器人 方面，在非结构环境或动态环境下．机器人必须
2移动机器人的定位技术
的地图构建技术被分为几何方法和拓扑方法两
类。几何地图捕捉环境的几何特性．而拓扑地图
用节点图描述不同空间f讧置的联系性。几何地
图(特征地图)利用有关的几何特征(如点，直线、
面滚示环境。基于空间位置的概率特性．几何地
图可被离散化。由此产生的地图构建方法就是
栅格地图构建法。实际应用中．几何地网比拓扑
地图更加细致，但其高分辨率的优势是用商计
算量的代价换取的。
学会如何导航，它将包含学习、推理的问题决策
等各食环节，其主要研究集中于机器人定位和
地图构建两个方面，因此全面总结和着力发展
移动机器人的定位和地图构建技术将推动服务
机器人产业化发展的进程，具有重要意义。
参考文献
定位技术使得移动机器人了解其任意时刻
相对环境的所处位置。为实现这个目标，人们采
用传感器来测量机器人状态及其环境的相关变
量。由于传感器存在累积误差及含噪量测值问
题，目前有大量研究集中于利用卡尔曼滤波技
术，集成多个传感器量测值以改善位置估计的
问题。定位技术可分为局部定化与全局定位。最
简单的方式是逐步修正起始位置相对值的局部
定位。相对的．全局定位j【!l不需要机器人的初始
位置。全局定f证的定位过程可基—F环境中已知
其定位的路标传感识别．或者是基于环境地图、
环境模型，并识别已建模环境中的特征Ji素。后
一种情况中，慨率方法常被用来解决传感信息
中的不确定性fuJ题。
arId}L
Du珊nt—Whi弛Di”ected
【lⅡkonard
sonar
for MobiIe Robot
sensing
MA
Na吨ati吡
NorwelL
KJuwer．1992
Simmons眦d
机器人地图构建技术通常被称为SLAM 12R
s．K0en培“Pmbabili8tic
observable environ—
(同步定位和地图构建)：常用的两类方法包括
增量方法、基于卡尔曼滤波器的扩展算法和基
于期望最大化算法。增量方法利用卡尔曼滤波
器来估计地图和机器人位置，并产生用以描述
地标、指向标、或判别物位置的地图，可完成实
时操作。基于卡尔曼滤波器的扩展算法包括
FastSLAM．Lu，lⅥⅢos算法，以及近年来出现的以
反向扩展卡尔曼滤波器为基础的稀疏扩展信息
滤波器。另一类方法是基于期望最大化算法，它
mbot
in
navigation
p眦ially
PI佻．InL
In—
ments'”in
Joint Con￡Anificial
telli粤．ence，ppl080—1087'1995．
现有文献中的定位算法全都来源于贝叶斯
滤波器。其丰要思想在于，利用迭代方程，根据
量测模型和运动模_fI!!估计机器人的位置。问题
在于贝叶斯滤波器的计算效率不高．于是不同
在开关柜触头及母排温度监测中应用【J瓶压电
器。20l嘶l囝．
装工艺及其传感特性研究叨激光与红外，2009，
(01l
r验龙．张伟刚，刘波开桂云．光纤光_册传感器实
用化的关馋脚乏术研究【J】纳米技术与精密工程，
【4】张志伟，武志芳，郭俊杰．一种测量溶液浓度的
光纤传感器册华北工学院学抿2005∞3)．
嘲张伟刚，李红民。开桂云，董孝义．轮辐式温度自
动补偿型光纤光栅测力传感器叨中国激光，
2005卿l
2004目D4)
阁张燕君，王海宝，陈泽贵．光纤光栅毛细钢管封
中国新技术新产品
一13一
万方数据
全部评论(0)