摘要：導(dǎo)航技術(shù)是移動機器人核心技術(shù)，移動機器人又有多種導(dǎo)航方式，本文對各種導(dǎo)航方式進行了分析比較，提出由于計算機視覺理論及算法的發(fā)展，又由于和激光、雷達和超聲在導(dǎo)航方面相比，視覺導(dǎo)航具有很多優(yōu)點，因此視覺導(dǎo)航被大量地采用。根據(jù)移動機器人是在導(dǎo)航過程中對圖像進行處理，實時性差始終是一個非常棘手的問題，提出解決該問題的關(guān)鍵在于設(shè)計一種快速圖像處理方法。

關(guān)鍵詞：視覺導(dǎo)航；移動機器人；圖像處理

中圖分類號：TP242文獻標識碼：A文章編號：1009-3044(2008)09-11705-01

Robot Vision Navigation's Summarize

WU Lin

(Liaoning Finace Vocational College Information Technology Department， Shenyang 110122， China)

Abstract: Navigation's technique is the core of mobile robot. Mobile robot has many navigation methods. This thesis make a analysis and contrast among all kinds of navigation methods， it gives that because of the development of vision theory and method，and compare to laser， radar and ultrasonic， vision navigation has many advantages，so vision navigation are adopted in many fields. Mobile robot processes the picture in the process of navigation， the bad of real-time always is a very tough problem. The key of solving this problem based on designing a kind of fast picture treatment method.

Key words: vision navigation; mobile robot; picture treatment

移動機器人是一種在復(fù)雜的環(huán)境下工作的具有自規(guī)劃、自組織、自適應(yīng)能力的機器人。移動機器人集人工智能、智能控制、信息處理、圖像處理、模式識別、檢測與轉(zhuǎn)換等專業(yè)技術(shù)為一體，跨計算機、自動控制、模式識別、智能控制等多學(xué)科，成為當前智能機器人研究的熱點之一。

在移動機器人的運動過程中始終要解決的是自身的導(dǎo)航與定位問題，相關(guān)技術(shù)研究中，導(dǎo)航技術(shù)可以說是其核心技術(shù)，也是其實現(xiàn)真正的智能化和完全的自主移動的關(guān)鍵技術(shù)。也就是DurrantWhyte提出的三個問題：(1)“我現(xiàn)在何處？”；(2)“我要往何處去？”；(3)“要如何到該處去？”[1] 其中問題(1)是移動機器人導(dǎo)航系統(tǒng)中的定位及跟蹤問題，問題(2)、(3)是移動機器人導(dǎo)航系統(tǒng)中路徑規(guī)劃問題。導(dǎo)航研究的目標就是沒有人的干預(yù)下使機器人有目的地移動并完成特定任務(wù)，進行特定操作。機器人通過裝配的信息獲取手段，獲得外部環(huán)境信息，實現(xiàn)自我定位，判定自身狀態(tài)，規(guī)劃并執(zhí)行下一步的動作。

移動機器人的導(dǎo)航方式分為：基于環(huán)境信息的地圖模型匹配導(dǎo)航；基于各種導(dǎo)航信號的路標導(dǎo)航、視覺導(dǎo)航和味覺導(dǎo)航等[2]。

環(huán)境地圖模型匹配導(dǎo)航是機器人通過自身的各種傳感器，探測周圍環(huán)境，利用感知到的局部環(huán)境信息進行局部地圖構(gòu)造，并與其內(nèi)部事先存儲的完整地圖進行匹配。如兩模型相互匹配，機器人可確定自身的位置，并根據(jù)預(yù)先規(guī)劃的一條全局路線，采用路徑跟蹤和避障技術(shù)，實現(xiàn)導(dǎo)航。它涉及環(huán)境地圖模型建造和模型匹配兩大問題。

路標導(dǎo)航是事先將環(huán)境中的一些特殊景物作為路標，機器人在知道這些路標在環(huán)境中的坐標、形狀等特征的前提下，通過對路標的探測來確定自身的位置。同時將全局路線分解成為路標與路標間的片段，不斷地對路標探測來完成導(dǎo)航。根據(jù)路標的不同，可分為人工路標導(dǎo)航和自然路標導(dǎo)航。人工路標導(dǎo)航是機器人通過對人為放置的特殊標志的識別實現(xiàn)導(dǎo)航，雖然比較容易實現(xiàn)，但它人為地改變了機器人工作的環(huán)境。自然路標導(dǎo)航不改變工作環(huán)境，是機器人通過對工作環(huán)境中的自然特征的識別完成導(dǎo)航，但路標探測的穩(wěn)定性和魯棒性是研究的主要問題[3]。

視覺導(dǎo)航，計算機視覺具有信息量豐富，智能化水平高等優(yōu)點，近年來廣泛應(yīng)用于移動機器人的自主導(dǎo)航。視覺導(dǎo)航方式具有信號探測范圍廣，獲取信息完整等優(yōu)點，是移動機器人導(dǎo)航的一個主要發(fā)展方向[4]。目前國內(nèi)外主要采用在移動機器人上安裝車載攝像機的基于局部視覺的導(dǎo)航方式，如文獻[4]中所提及的：D.L.Boley等研制的移動機器人利用車載攝像機和較少的傳感器通過識別路標進行導(dǎo)航；A.Ohya等利用車載攝像機和超聲波傳感器研究了基于視覺導(dǎo)航系統(tǒng)中的避碰問題等。視覺導(dǎo)航中邊緣銳化、特征提取等圖像處理方法計算量大且實時性較差，解決該問題的關(guān)鍵在于設(shè)計一種快速的圖像處理方法或采取組合導(dǎo)航方式[4-5]。

味覺導(dǎo)航是通過機器人配備的化學(xué)傳感器感知氣味的濃度，根據(jù)氣味的濃度和氣流的方向來控制機器人的運動。由于氣味傳感器具有靈敏度高、響應(yīng)速度快以及魯棒性好等優(yōu)點，近年來許多研究人員在氣味導(dǎo)航技術(shù)上做了許多研究工作。但該項技術(shù)能夠真正應(yīng)用到實際環(huán)境中的卻很少，仍處于試驗研究階段。Figaro Engineering Inc.公司研制的氧化錫氣味傳感器，被廣泛用于氣味導(dǎo)航試驗。石英晶體微平衡氣味傳感器、導(dǎo)電聚合物氣味傳感器和一種模仿哺乳動物鼻子功能的電子鼻等用于移動機器人味覺導(dǎo)航的傳感器都處于試驗階段。目前的味覺導(dǎo)航試驗多采用將機器人起始點和目標點之間用特殊的化學(xué)藥品，如酒精和樟腦丸等，引導(dǎo)出一條無碰氣味路徑，機器人根據(jù)不同的道路跟蹤算法，用氣味傳感器感知氣味的濃淡和氣味源的方向進行機器人導(dǎo)航試驗。味覺導(dǎo)航的研究具有很好的研究價值，該種移動機器人可用來尋找化學(xué)藥品泄露源。

由于計算機視覺理論及算法的發(fā)展，又由于和激光、雷達和超聲在導(dǎo)航方面相比，視覺導(dǎo)航具有以下幾個優(yōu)點：首先，即使在丟棄了絕大部分的視覺信息后，所剩下的關(guān)于周圍環(huán)境的信息仍然比激光雷達和超聲更多更精確；其次，激光雷達和超聲的原理都是通過主動發(fā)射脈沖和接受反射脈沖來測距的，因此當多個機器人同時工作時，相互之間可能產(chǎn)生干擾，而視覺由于是被動測量，因此多個機器人相互之間的干擾可以減少到最??；最后，激光雷達和超聲數(shù)據(jù)的采樣周期一般比攝像機長，不能及時對高速運動的機器人提供信息并作出規(guī)劃，因此視覺傳感器被大量地采用。目前移動機器人的導(dǎo)航大都采用基于視覺或有視覺參與的導(dǎo)航技術(shù)。最近二十年來，在未知或部分未知環(huán)境中，基于自然路標導(dǎo)航與定位技術(shù)的研究；視覺導(dǎo)航中路標的識別以及圖像處理的新型快速算法的研究成為了計算機視覺的主要研究方向。

視覺導(dǎo)航主要完成障礙物和路標的探測及識別。國內(nèi)外應(yīng)用最多的是在機器人上安裝車載攝像機的基于局部視覺的導(dǎo)航方式。P.I.Corke等對有車載攝像機的移動機器人視覺閉環(huán)系統(tǒng)的研究表明，這種控制方法可以提高路徑跟蹤精度。從視覺圖像中識別道路是影響移動機器人導(dǎo)航性能的一個最重要因素。對于一般的圖像邊沿抽取而言，已有了許多方法，例如，局部數(shù)據(jù)的梯度法和二階微分法。Trahanias利用視覺探測路標來完成機器人的導(dǎo)航。其中路標不是預(yù)先定義的人工路標，而是在學(xué)習(xí)階段自動提取的自然路標。在視覺導(dǎo)航中邊緣銳化、特征提取等圖像處理方法的計算量大，移動機器人是在運動中對圖像進行處理，實時性差始終是一個非常棘手的問題。解決該問題的關(guān)鍵在于設(shè)計一種快速圖像處理方法。為了滿足速度的要求，基于統(tǒng)計計算的預(yù)值法被應(yīng)用于機器人的導(dǎo)航，但在實際應(yīng)用中發(fā)現(xiàn)，它抑制噪聲的能力差，特別是預(yù)值的選取極大地依賴于環(huán)境，要想獲得理想的結(jié)果，僅在一幅圖像中的不同區(qū)域就要設(shè)置不同的預(yù)值。近些年，由于人工智能的發(fā)展，有很多好的算法被應(yīng)用到移動機器人的視覺導(dǎo)航中去。比如，根據(jù)導(dǎo)航圖像的特點采用邊緣提取結(jié)合HOUGH變換的方法和帶濾波窗的區(qū)域掃描的方法，經(jīng)過檢驗，這兩種算法都具有較好的實時性，對于直線形態(tài)的各類導(dǎo)航線以及對于已知半徑的弧形導(dǎo)航線具有較高的可靠性，以上算法目前對于分支較多的直線形態(tài)的導(dǎo)航線以及未知半徑的弧形導(dǎo)航線的效果不佳，這是今后努力的方向。

Stanley還提出了基于神經(jīng)網(wǎng)絡(luò)的機器人視覺導(dǎo)航技術(shù)。該技術(shù)中估算逆雅可比矩陣，并將圖像特征的變化與機器人的位置變化對應(yīng)起來，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練來近似特征雅可比矩陣的逆陣。該技術(shù)，通過提取幾何特征、平均壓縮、向量量化和主成分提取來簡化圖像處理，實現(xiàn)實時視覺導(dǎo)航。

綜上所述，移動機器人是在運動中對圖像進行處理，實時性差始終是一個非常棘手的問題。解決該問題的關(guān)鍵在于設(shè)計一種快速圖像處理方法。將室內(nèi)地面作為機器人視覺導(dǎo)航的路標。依據(jù)地面的顏色信息，將地面上沒有障礙物的區(qū)域識別并分割出來，機器人在可行走區(qū)域內(nèi)行走，這樣就可以實現(xiàn)機器人的自主導(dǎo)航。利用環(huán)境中地面的顏色特征，采用比較簡單的圖像處理算法分割彩色圖像，經(jīng)實驗證明可提高機器人導(dǎo)航的實時性、準確性和魯棒性。

參考文獻：

[1] 郭戈，胡征峰，董江輝.移動機器人導(dǎo)航與定位技術(shù)[J].微計算機信息，2003，19(8):10-11.

[2] 呂永剛，謝存禧.移動機器人的導(dǎo)航與路徑規(guī)劃的研究[J].機電工程技術(shù)，2004，33(1):19-21.

[3] Kenneth D Harrisa.Absolute localization for a mobile robot using place cells[J].Robotics and Autonomous System，1997，(22):393-406.

[4] 盧韶芳，劉大維.自主式移動機器人導(dǎo)航研究現(xiàn)狀及其相關(guān)技術(shù)[J].農(nóng)業(yè)機械學(xué)報，2002，33(2):112-116.

[5] 劉金會，郝靜如.自主移動機器人導(dǎo)航定位技術(shù)研究初探[J].技術(shù)與應(yīng)用，2005，1:23-26.