張本法 孟祥萍 岳華

摘 要：介紹了當(dāng)前自主移動(dòng)機(jī)器人的定位方法研究現(xiàn)狀，對(duì)相對(duì)定位和絕對(duì)定位做了概述，對(duì)絕對(duì)定位中主要的研究方法做了介紹，并對(duì)概率機(jī)器人學(xué)所采用的主要定位方法做了介紹。

關(guān)鍵詞：移動(dòng)機(jī)器人 ；相對(duì)定位；絕對(duì)定位；概率機(jī)器人學(xué)

0 引言

隨著工業(yè)自動(dòng)化的發(fā)展，生產(chǎn)加工的自動(dòng)化程度越來越高。機(jī)器人技術(shù)的出現(xiàn)和發(fā)展使傳統(tǒng)的工業(yè)生產(chǎn)面貌發(fā)生根本性的變化。移動(dòng)機(jī)器人的定位是其執(zhí)行其他任務(wù)的前提和基礎(chǔ)，也是評(píng)價(jià)機(jī)器人性能的關(guān)鍵指標(biāo)之一。

移動(dòng)機(jī)器人定位是指機(jī)器人通過感知獲取環(huán)境信息，經(jīng)過相關(guān)的信息處理而確定自身及目標(biāo)位姿的過程。自主移動(dòng)機(jī)器人導(dǎo)航過程需要回答3個(gè)問題：“我在哪里？”，“我要去哪里？”和“我怎樣到達(dá)那里？”。移動(dòng)機(jī)器人定位技術(shù)就是要解決第1個(gè)問題。準(zhǔn)確來說，移動(dòng)機(jī)器人定位的目的就是確定機(jī)器人在其運(yùn)動(dòng)環(huán)境中的世界坐標(biāo)系的坐標(biāo)。

根據(jù)機(jī)器人定位過程，可分為相對(duì)定位和絕對(duì)定位。但在機(jī)器人定位過程中，單獨(dú)地使用其中任何一個(gè)定位方式都不能很好地解決移動(dòng)機(jī)器人的定位問題。因而，在目前的定位技術(shù)中主要是將兩者結(jié)合在一起，完成對(duì)移動(dòng)機(jī)器人定位。本文對(duì)相對(duì)定位技術(shù)和絕對(duì)定位技術(shù)分別進(jìn)行概述。

1 移動(dòng)機(jī)器人相對(duì)定位研究

移動(dòng)機(jī)器人的相對(duì)定位也稱作位姿跟蹤。假定機(jī)器人的初始位姿，采用相鄰時(shí)刻的傳感器信息對(duì)機(jī)器人的位置進(jìn)行跟蹤估計(jì)。相對(duì)定位法分為里程計(jì)法和慣性導(dǎo)航法。

1.1 里程計(jì)法（Odometry）

在機(jī)器人的導(dǎo)航技術(shù)中，里程計(jì)法是使用最為廣泛的定位方法。在移動(dòng)機(jī)器人的車輪上裝有光電編碼器，通過對(duì)車輪轉(zhuǎn)動(dòng)的記錄來實(shí)現(xiàn)對(duì)機(jī)器人的位姿跟蹤。在位置跟蹤中，機(jī)器人的當(dāng)前位置是根據(jù)對(duì)它的以前的位置的知識(shí)而更新的，而這需要假定機(jī)器人的初始位置已知，并且機(jī)器人姿態(tài)的不確定性必須小。通過這種方式來實(shí)現(xiàn)機(jī)器人定位的方法也成為航位推算法。航位推算是一個(gè)累加過程，在這個(gè)逐步累加的過程中，測(cè)量值以及計(jì)算值都會(huì)累積誤差，使得定位精度不斷下降。因而航位推算法只適用于短時(shí)間運(yùn)動(dòng)的或者短距離位姿跟蹤。為了限定定位的不確定性，我們?cè)诤轿煌扑惴ǖ幕A(chǔ)上采用一些絕對(duì)的信息。為此，我們可以將航位推算法與其他傳感器信息結(jié)合進(jìn)行定位。

1.2 慣性導(dǎo)航法（IN：Inertial Navigation）

在慣性導(dǎo)航法中，我們采用陀螺儀和加速度計(jì)來實(shí)現(xiàn)定位。使用陀螺儀測(cè)得旋轉(zhuǎn)速度的值，使用加速度計(jì)測(cè)得加速度的值。機(jī)器人的位置信息可通過將測(cè)量值進(jìn)行一次積分和二次積分得到。但在這個(gè)對(duì)測(cè)量值的積分操作中，會(huì)引入慣性導(dǎo)航信息的時(shí)間漂移，所以慣性導(dǎo)航法也不適合長(zhǎng)時(shí)間的精確定位。但是，慣性導(dǎo)航法能夠及時(shí)地在檢測(cè)到出現(xiàn)側(cè)向誤差時(shí)立即加以校正，而這彌補(bǔ)里程計(jì)法最主要的缺點(diǎn)與不足。但是，由于高精度的陀螺儀相當(dāng)昂貴的價(jià)格，會(huì)大大增加移動(dòng)機(jī)器人的成本，所以還不能夠廣泛使用。

2 移動(dòng)機(jī)器人絕對(duì)定位研究

移動(dòng)機(jī)器人的絕對(duì)定位又稱為全局定位。完成機(jī)器人的全局定位需要預(yù)先確定好環(huán)境模型或者通過外部傳感器直接向機(jī)器人提供外界位置信息，計(jì)算機(jī)器人在全局坐標(biāo)系中的位置。全局定位的主要方法有：（1）導(dǎo)航信標(biāo)（Navigation Beacon）；（2）圖形匹配（Map Matching）；（3）全球定位系統(tǒng)定位（Global Positioning Systems，GPS）（4）概率定位。信標(biāo)定位利用人工路標(biāo)或自然路標(biāo)和三角原理進(jìn)行定位。地圖匹配定位首先利用傳感器感知環(huán)境信息創(chuàng)建好地圖，然后將當(dāng)前地圖與數(shù)據(jù)庫中預(yù)先存儲(chǔ)好的地圖進(jìn)行匹配，最后計(jì)算出機(jī)器人在全局坐標(biāo)系中的位姿。GPS是用于室外移動(dòng)機(jī)器人導(dǎo)航與定位的技術(shù)。概率定位即基于概率地圖的定位，這個(gè)新的研究領(lǐng)域稱為概率機(jī)器人學(xué)。概率機(jī)器人學(xué)的關(guān)鍵思想是用概率論來表示不確定性，即概率機(jī)器人學(xué)不給出當(dāng)前機(jī)器人方位的一個(gè)單獨(dú)的最好估計(jì)，而是將機(jī)器人方位表示為對(duì)所有可能的機(jī)器人位姿的一個(gè)概率分布。由于在許多現(xiàn)實(shí)應(yīng)用中，概率算法勝于別的技術(shù)，因而概率機(jī)器人學(xué)理論能成功應(yīng)用于機(jī)器人定位問題。在概率定位中，最重要的是馬爾科夫定位和卡爾曼濾波器定位。它們不僅能夠?qū)崿F(xiàn)全局定位和局部位置跟蹤，而且能夠解決機(jī)器人的“綁架”問題。

2.1 馬爾可夫定位（Markov Localization，ML）

馬爾可夫定位中，機(jī)器人通常不知道它所處環(huán)境的確切位置，而是用一個(gè)任意概率密度函數(shù)表示機(jī)器人位置。它持有一個(gè)可能在哪里的信任度并跟蹤任意概率密度函數(shù)跟蹤機(jī)器人的信任度狀態(tài)。信任度是指機(jī)器人在整個(gè)位置空間的概率分布。在馬爾可夫定位中，地圖的表示方法為柵格地圖，即機(jī)器人導(dǎo)航環(huán)境被劃分為很多的柵格。其中每個(gè)柵格的值在0～1之間，表示機(jī)器人在該柵格的信任度，所有柵格信任度之和為1。信任度值的計(jì)算是馬兒可夫定位的關(guān)鍵。

2.2 卡爾曼濾波器定位（Kalman Filter，KF）

馬兒可夫定位模型在機(jī)器人位置方面可以表示任何概率密度函數(shù)，但通用性不強(qiáng)并且效能很差?？柭鼮V波器定位算法是馬爾可夫定位的一個(gè)特殊情況?？柭鼮V波器不適用任何密度函數(shù)，而是使用高斯代表機(jī)器人信任度、運(yùn)動(dòng)模型和測(cè)量模型。因?yàn)楦咚购?jiǎn)單地由它的均值μt和協(xié)方差σt來定義。在預(yù)測(cè)和測(cè)量階段這兩個(gè)參數(shù)更新。于是產(chǎn)生了與馬爾可夫定位算法相比更為有效的算法。然而，卡爾曼濾波器所作的假設(shè)限制了初始信任度以及高斯的選擇。因而必須以一定的近似自導(dǎo)機(jī)器人的初始位置。

3 結(jié)束語

綜上所述，本文主要介紹了當(dāng)前自主移動(dòng)機(jī)器人定位方法，對(duì)相對(duì)定位和絕對(duì)定位做了概述，對(duì)以后研究自主移動(dòng)機(jī)器人的定位具有較高的參考意義。

參考文獻(xiàn)：

[1]朱瑩，洪炳镕.基于CBL的雙目視覺自主機(jī)器人定位[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2004（07）.

[2]楊曉敏，吳煒.圖像特征點(diǎn)提取及匹配技術(shù)[J].光學(xué)精密工程，2009（09）.

[3]劉洞波.移動(dòng)機(jī)器人粒子濾波定位與地圖創(chuàng)建方法研究[D].湖南大學(xué)博士論文，2012.

[4]李群明.室內(nèi)自主移動(dòng)機(jī)器人定位方法綜述[J].機(jī)器人ROBOT，2003（11）.

[5]S.Se， D.Lowe， J.Little. Vision-based global localization and mapping formobile robots. IEEE Transactions on Robotics.2005（21）.

[6]蔡自興，王勇.基于角點(diǎn)聚類的移動(dòng)機(jī)器人自然路標(biāo)檢測(cè)與識(shí)別[J].智能系統(tǒng)學(xué)報(bào)，2006（03）.

[7]馮肖維，方明倫.移動(dòng)機(jī)器人自然路標(biāo)提取方法[J].機(jī)器人ROBOT，2010（07）.