楊 娜，李漢舟

(航天科技集團第九研究院 第十六研究所，陜西 西安 710100)

0 引言

在過去的半個多世紀里，機器人技術(shù)取得了飛速的發(fā)展，在工業(yè)生產(chǎn)中發(fā)揮著越來越重要的作用，被廣泛用于完成重復性高、危險性大和精度要求高的工作。然而人們對機器人的要求并不僅限于此，伴隨著對未來高度機械化和智能化生活的憧憬，人們希望機器人可以更好地服務于人類甚至代替人類完成多種多樣的工作，這促使更多的學者投入到機器人的研究中。近年來，計算機、機器學習、傳感器與人工智能等技術(shù)的迅猛發(fā)展使人們的愿景不斷向現(xiàn)實靠近，機器人技術(shù)逐漸滲入服務行業(yè)，可以說機器人已經(jīng)開始走進人們的日常生活。

為了推動機器人技術(shù)在各領域的廣泛應用，美國于2009年5 月發(fā)布了《機器人技術(shù)路線圖:從互聯(lián)網(wǎng)到機器人》［1］，并于2013年3 月再次更新。該路線圖指出，服務機器人的技術(shù)研究是未來機器人行業(yè)的發(fā)展方向之一。根據(jù)國際機器人聯(lián)合會(IFR)的定義，服務機器人是一種半自主或全自主工作的機器人，它能完成有益于人類健康的服務工作，但不包括從事生產(chǎn)的設備［2］。近年來，針對服務機器人的研究越來越多，王田苗等［3］對國內(nèi)外服務機器人的研究成果做了詳細綜述，可以看出服務機器人的研究已經(jīng)受到世界各國的廣泛關注。電器成本的下降也為服務機器人的研究以及應用提供了有利條件。

與傳統(tǒng)的工業(yè)機器人不同，服務機器人的工作環(huán)境通常是非結(jié)構(gòu)化的，并且需要協(xié)助或與人類共同執(zhí)行特定任務［4］，這就要求服務機器人具備可移動、易操作、智能化水平高、適應性強等特點。要達到這樣的要求，服務機器人研究和開發(fā)所需要涉及的技術(shù)非常復雜，其中導航技術(shù)是一項核心關鍵技術(shù)［5］，也是實現(xiàn)其智能化和自主化的關鍵?？梢哉f服務機器人的發(fā)展在很大程度上是由導航技術(shù)的發(fā)展推動的。因此，了解服務機器人導航技術(shù)相關的最新發(fā)展動態(tài)對未來服務機器人的研究與開發(fā)有很大幫助。

筆者對服務機器人導航技術(shù)近幾年的發(fā)展現(xiàn)狀以及未來發(fā)展趨勢進行研究，為我國服務機器人的設計研發(fā)提供參考。

1 國內(nèi)外服務機器人的發(fā)展動態(tài)

根據(jù)國際機器人聯(lián)合會(IFR)對服務機器人的統(tǒng)計數(shù)據(jù)，2010年全球?qū)I(yè)服務機器人和個人/家庭服務機器人銷量額比往年分別增長15%和39%［6］。歐洲還于2012年開展了空中服務機器人項目［7］，由此可見，服務機器人已經(jīng)進入了一個快速發(fā)展的時代，服務機器人相關技術(shù)的研究將在更大程度上影響和改變?nèi)祟惖娜粘Ｉ睢?/p>

國外在服務機器人技術(shù)研究方面起步較早，在企業(yè)界和學術(shù)界均已取得很多成果。國外機器人企業(yè)在服務機器人方面的典型成果有:日本本田于2000年發(fā)布了首款ASIMO 機器人，該機器人主要使用視覺導航及超聲波導航技術(shù)，通過視覺傳感器與超聲波傳感器進行定位，并捕捉來向人群的行動路線進行局部路徑規(guī)劃，進而出色地完成智能導游的任務(如圖1(a)所示);Intuitive Surgical 公司于1999年首次發(fā)布da Vinci 外科手術(shù)機器人(如圖1(b)所示)，該機器人通過視覺導航完成三維定位，協(xié)助醫(yī)生完成手術(shù);波士頓動力公司于2005年推出首款BigDog 四足大狗機器人(如圖1(c)所示)，該機器人能夠通過立體視覺完成路面識別以及自身定位，通過激光傳感器感應引路人的位置，慣性系統(tǒng)達到姿態(tài)穩(wěn)定，同時利用構(gòu)建消耗地圖實現(xiàn)機器人的路徑規(guī)劃并完成軍事任務;而iRobot公司的Roomba 系列吸塵器機器人(如圖1(d)所示)通過紅外傳感器進行定位以及路徑規(guī)劃，完成清掃房間的任務。

圖1 國外機器人企業(yè)的典型研究成果

國外學術(shù)界針對服務機器人的研究也從未停歇，Siddhartha S.Srinivasa 等［8］針對當時服務機器人不能滿足人們需求的情況，在2010年開發(fā)并設計了一種室內(nèi)服務機器人HERB，該機器人能夠通過視覺導航，在雜亂的室內(nèi)環(huán)境下完成精確的物體識別和定位，并通過機械手執(zhí)行復雜的操作任務(例如拿起一個水壺而不讓水灑出來)。Thomas Breuer 等［9］在前人的研究基礎上，提出關于人機交互，場景語義理解以及同時定位和地圖創(chuàng)建的新算法，并將其應用于移動服務機器人Johnny 上，為了適應機器人周圍復雜環(huán)境，通過同時定位與創(chuàng)建地圖方式實現(xiàn)機器人導航，希望它能夠完成室內(nèi)的服務任務。Stefan Schiffer 等［10］以讓機器人能夠與人類相處，并協(xié)助老年人進行日?；顒訛槟康?，研究了室內(nèi)服務機器人CAESAR，該機器人能夠識別人類簡單的手勢或語音命令，通過A* 算法進行初始的全局路徑規(guī)劃，在行駛的過程中使用激光傳感器掃描障礙物并完成局部地圖的創(chuàng)建，繼而實現(xiàn)局部路徑規(guī)劃，最終完成機器人導航并完成相應的簡單任務。

我國在服務機器人領域的研究起步較晚，但是也開始嶄露頭角，如中國科學技術(shù)大學機器人團隊的“可佳”可以與人進行簡單的交流且具備一定的邏輯推理能力，能夠完成相應的自主導航任務;哈爾濱工業(yè)大學2010年開發(fā)研制的智能服務機器人可以為病人倒水喂藥、與病人進行簡單的交流、唱歌跳舞［11］;上海交大開發(fā)了一個餐廳服務機器人，利用雙目視覺系統(tǒng)進行精確定位，確保機器人能夠準確抓取餐盤［12］。

從以上國內(nèi)外服務機器人的研究現(xiàn)狀可以看出，導航系統(tǒng)相關技術(shù)包括定位、避障、路徑規(guī)劃等，是服務機器人實現(xiàn)功能的保障，新型服務機器人的開發(fā)必須根據(jù)其功能選擇適合的導航技術(shù)，并設計合理可行的導航系統(tǒng)。

2 服務機器人導航技術(shù)現(xiàn)狀

以上所述服務機器人的發(fā)展現(xiàn)狀表明，導航技術(shù)是服務機器人進一步智能化和得以廣泛應用所需要突破的技術(shù)難點，因此下面對導航技術(shù)的相關動態(tài)進行全面的總結(jié)。目前，應用于服務機器人的導航技術(shù)多種多樣，其中最常用的主要有磁導航、慣性導航、傳感器導航、衛(wèi)星導航、視覺導航。各類導航技術(shù)的基本原理以及優(yōu)、缺點如表1 所示。

圖2 國外學術(shù)界的服務機器人設計

表1 導航技術(shù)分類及優(yōu)、缺點比較

2.1 磁導航

自然界中，磁場無處不在，無論是天然的鐵、鎘等材料，或是人造電子設備等，都存在磁場的變化，如果可以精確地識別這些變化，那么磁場就如指紋一樣成為各方位的獨特象征［13］。因此，研究如何利用磁場進行服務機器人導航具有很大的應用價值。目前，服務機器人磁導航主要通過以下方式實現(xiàn):在行駛路線下埋設能夠產(chǎn)生磁場的結(jié)構(gòu)(如可通電導線或磁鐵)，通過機器人上安裝的磁傳感器檢測磁場，并引導機器人按照預定軌道行駛進行導航。該方法抗干擾能力強，不易受環(huán)境因素的影響，具有較高的精度和良好的重復性。但成本較高，可變性較差，且無法對出現(xiàn)在行駛路徑中的障礙物做出避障反應。

目前，該技術(shù)多應用于工作環(huán)境簡單，精度要求高，可靠性好的服務機器人中。韓金華等［14］在預行駛路徑埋設磁釘形成導航線，通過安裝在護理助手機器人上的8個磁阻傳感器測量并修正機器人的行駛路線，完成了高精度的導航任務。另外，有學者希望根據(jù)觀測每個方位磁場的顯著變化進行服務機器人導航，并對此展開了深入研究。William Storms 等［15］制定了兩種磁導航方案并完成了導航算法的研究，一種是基于實際數(shù)據(jù)的地圖匹配方案，假設基于室內(nèi)磁場的地圖已經(jīng)創(chuàng)建完成，將磁場測量裝置測得的數(shù)據(jù)與地圖數(shù)據(jù)進行匹配得到具體的方位值;一種是引導-跟隨方案，指引車在室內(nèi)穿梭，并不斷地測量磁場值，同時將觀測數(shù)據(jù)傳送給之后跟隨的車輛，跟隨車輛根據(jù)接受到的數(shù)據(jù)嘗試以同樣的路徑行駛。這種方法不需要人為改變服務機器人周圍的環(huán)境，且導航精度較高。對于這樣一種導航方案，前期的磁場地圖創(chuàng)建是至關重要的，學者們對于這一關鍵步驟進行了進一步的探討［16-17］，力求得到更好的地圖創(chuàng)建方法，進而提高導航精度。

2.2 慣性導航

慣性導航最初主要應用于航空宇航領域，該導航系統(tǒng)分為平臺式慣導系統(tǒng)和捷聯(lián)式慣導系統(tǒng)兩類，平臺式慣導系統(tǒng)存在一個物理平臺，慣性元件安裝在物理平臺上測量平臺相對于慣性空間的角速度與加速度;捷聯(lián)式慣導系統(tǒng)采用數(shù)字式平臺替代了傳統(tǒng)的物理平臺，將慣性器件直接固連在載體上。如今，隨著傳感器、微電子等成本的下降，慣性導航技術(shù)也被用于服務機器人之上，研究人員利用慣性元件(加速度計和陀螺儀)來測量機器人本身的加速度以及角速度，并結(jié)合給定的初始條件，經(jīng)過積分和運算得到速度、位置、姿態(tài)等參數(shù)，進而達到機器人自主導航的目的。該導航技術(shù)隱蔽性好，不易受外界干擾。但導航定位精度會隨著機器人所走航程的增加而下降，且誤差會累積，通常需要進行誤差修正。因此，慣性導航技術(shù)多用于短期導航或與其他導航方式相結(jié)合的組合式導航。汪劍鳴等［18］針對慣性導航創(chuàng)建全局導航地圖困難等問題，提出一種新的慣性/視覺組合導航室內(nèi)全局地圖創(chuàng)建方法。王聰?shù)龋?9］將慣性導航與立體視覺相結(jié)合，通過創(chuàng)建風管清掃機器人同時定位與地圖創(chuàng)建方案，有效地估計出機器人的三維位姿信息。Todd Lupton等［20］用載體參考系替代了傳統(tǒng)的地球參考系，消除了機器人慣性導航系統(tǒng)平臺初始位姿的不確定性，提出了將慣性導航與視覺導航相結(jié)合的新算法，進而完成了動態(tài)環(huán)境下的機器人室外導航。

2.3 傳感器數(shù)據(jù)導航

傳感器數(shù)據(jù)導航通過非視覺傳感器進行定位導航，常用的傳感器數(shù)據(jù)導航技術(shù)有紅外導航，超聲導航和激光導航。

紅外導航利用紅外傳感器進行距離測量，判斷機器人在環(huán)境中的位置。其結(jié)構(gòu)簡單，反應速度快，但易受光線、顏色、形狀等影響。最基本的紅外導航方法是將紅外線發(fā)射器與紅外線接收器安裝在機器人上，通過發(fā)射器發(fā)射紅外線，反射后由接收器接收，得到機器人與物體之間的距離，判斷機器人所處的位置。也有學者使用其它方法進行紅外導航，Sooyong Lee［21］將數(shù)個帶有獨特ID 的紅外發(fā)射器安裝在天花板上，從而將機器人的工作區(qū)域劃分為幾個部分，機器人攜帶光晶體管，通過接收到的紅外線數(shù)目以及ID 判斷所處區(qū)域，并通過與航位推算法的結(jié)合完成機器人導航。J.Krejsa 等［22］通過測量機器人與工作區(qū)域安裝的數(shù)個紅外線發(fā)射器之間的角度來判斷自己所處位置，從而實現(xiàn)導航。

超聲導航是應用最為廣泛的傳感器導航技術(shù)，通過超聲傳感器實現(xiàn)距離測量進而完成導航，該方法成本低，結(jié)構(gòu)簡單，不受光線影響，但易受物體表面形狀影響而降低導航精度且無法探測遠距離物體。超聲導航的基本原理是超聲發(fā)射器發(fā)射超聲波，在空氣中傳播遇到被測物體，反射之后由超聲波接收器接收，根據(jù)發(fā)射與反射的時間差確定機器人與被測物體之間的距離，實現(xiàn)機器人導航。然而超聲傳感器存在很大的波束角，無法準確判斷機器人的方向，這也影響了機器人的導航精度。因此，學者們針對如何提高超聲導航精度進行了研究:Ahmet YAZICI 等［23］將3個超聲發(fā)射器安裝在機器人工作環(huán)境矩形框的頂點上，控制3個發(fā)射器發(fā)射的順序，通過機器人自身攜帶的超聲接收器接收超聲波信號并得出機器人接收3個發(fā)射器信號的時間差，對機器人進行精確定位。Seong Jin Kim 等［24］在天花板上安裝數(shù)個超聲發(fā)射器，同時在機器人的不同位置安裝超聲接收器，通過接收信號得出每個發(fā)射器與不同接收器之間的距離從而判斷機器人的方位。

激光導航通過激光傳感器測距，原理與紅外導航和超聲導航基本相同，但是激光信號能量密度大，亮度高，顏色純，因此激光導航的精度更高，測量的距離更遠且分辨率更好，但是成本相對較高。激光導航主要通過激發(fā)發(fā)射器發(fā)射激光，經(jīng)由被測物體發(fā)射后由機器人攜帶的激光接收器接收，得出機器人的位置與方向。

2.4 衛(wèi)星導航

衛(wèi)星導航最開始應用于軍事領域，通過給機器人安裝衛(wèi)星信號接收系統(tǒng)，利用全球?qū)Ш叫l(wèi)星系統(tǒng)提供的位置、速度、時間等信息來完成導航。之后，民用衛(wèi)星導航的精度逐漸得到提高，而衛(wèi)星導航不受地形，環(huán)境等的影響，可提供全球性的導航，因此衛(wèi)星導航的應用范圍較廣，但導航精度不高。由于衛(wèi)星探測并不能穿透建筑物，衛(wèi)星導航無法進行室內(nèi)導航，通常需要其他方式協(xié)助。Lim D.等［25］建立了網(wǎng)絡協(xié)助的GPS 導航系統(tǒng)，實現(xiàn)了室內(nèi)衛(wèi)星導航。而Hada 等［26］仿照GPS 的工作原理，利用分布在室內(nèi)各處的攝像機，實現(xiàn)了一個室內(nèi)GPS 系統(tǒng)(iGPS)。iGPS 導航系統(tǒng)因其精度高，實時性好等優(yōu)點，逐漸被學者們所關注，并越來越多地應用于服務機器人導航中。

2.5 視覺導航

人類從外界獲取的信息約有80%是由視覺獲取的，視覺信息量巨大，獲得的信息全面且利用率高［27］。而研究人類視覺的原理并將此應用于機器人系統(tǒng)中是人們不斷追求和探索的目標。如今，機器視覺技術(shù)已廣泛應用于服務機器人導航系統(tǒng)。視覺導航主要通過在機器人上裝載攝像機，獲取機器人周圍環(huán)境的視覺信息，通過圖像處理完成障礙物以及路標的識別，得到導航參數(shù)并完成導航［28］。也有學者將攝像機安裝在機器人工作區(qū)域完成導航［29］，這種方法可以實時獲得機器人在工作區(qū)域的全局方位，但只適用于服務機器人室內(nèi)導航。

根據(jù)攝像機數(shù)目的不同，視覺導航分為單目視覺導航，雙目視覺導航以及多目視覺導航。單目視覺系統(tǒng)計算量小，算法已經(jīng)較為成熟，但其視野范圍有限;雙目視覺系統(tǒng)能夠獲得較為全面的環(huán)境信息，并且能夠通過立體匹配得到場景中的深度信息，實現(xiàn)準確的三維定位;多目視覺系統(tǒng)可以觀測到環(huán)境的不同方位，但其結(jié)構(gòu)復雜，且需要處理的信息量過大，目前針對多目視覺的研究相對較少。因此，雙目視覺技術(shù)經(jīng)常被用于服務機器人的視覺導航中［30］。視覺導航因其獲取信息完整，定位精度高，智能化水平高等優(yōu)點，在服務機器人的應用上有諸多優(yōu)勢，但其也存在不足，比如，視覺導航需要處理的信息量較大，且遠距離導航的精度較低，這就需要通過改進視覺導航相關算法［31］或?qū)⒁曈X導航與其他導航方式結(jié)合來改善。

3 服務機器人導航需解決的主要問題

無論采用以上何種導航方式，開發(fā)服務機器人導航系統(tǒng)的目標均可描述為:根據(jù)需求引導機器人自主地移動到操作區(qū)域，并最終完成特定任務。實現(xiàn)服務機器人導航的一般過程如圖3 所示。在這個過程中，需解決兩個主要問題:我在哪兒，即機器人定位問題;我該如何去往工作區(qū)域，即路徑規(guī)劃問題。

3.1 機器人定位

在服務機器人導航的過程中，機器人往往需要通過自主定位技術(shù)來確定當前自身在環(huán)境中所處的位置及方向。為了安全，可靠地完成導航任務，研究更加精確的定位方法是必不可少的。機器人定位技術(shù)主要有相對定位和絕對定位兩種。航位推算法是較為傳統(tǒng)的相對機器人定位方法，機器人在已知初始位置和方向的情況下，在移動的同時利用裝載的加速度計，羅經(jīng)，陀螺儀等傳感器得到機器人所走路程，從而實現(xiàn)機器人定位［32］，然而這種方法的定位誤差會隨著機器人所走路程的增加而累積。而基于絕對定位的研究有:利用攝像機［33］得到機器人所處環(huán)境的基本信息，實現(xiàn)機器人定位;通過超聲波傳感器［34］獲取位置信息以及障礙物方位;GPS［35］也是常用的絕對定位方法，通過機器人上安裝的GPS接收器接收衛(wèi)星信號，從而得到機器人方位信息。但這些方法的定位精度會受到光線等隨機環(huán)境因素的影響。因此有學者進行基于概率的絕對定位，計算機器人在空間中所處位置的概率分布，得出機器人最可能的位置，提高機器人定位精度［36］。另外，地圖匹配定位法［37］通過傳感器探測周圍環(huán)境并進行局部地圖構(gòu)建，從而與機器人預先儲存的地圖進行對比確定機器人所處位置，該方法對機器人整個工作環(huán)境區(qū)域認識較為全面。

圖3 服務機器人導航的實現(xiàn)過程

隨著無線信息網(wǎng)絡相關技術(shù)的發(fā)展，無線射頻識別(RFID)定位方法［38-39］逐漸進入人們的視線，該方法主要通過讀取器接收無線射頻標簽的ID 碼和其他信息并存儲，從而得到機器人的具體方位。RFID 定位方法具有非接觸、高效率、低成本等優(yōu)點，是服務機器人定位技術(shù)的一個研究趨勢［40］。WiFi 定位技術(shù)是目前較為流行的基于無線局域網(wǎng)定位技術(shù)。通過各WiFi接入點與機器人的距離判斷機器人所處位置［41］，或在運動過程中通過將接受到的WiFi 信號強弱與機器人儲存的WiFi 地圖進行匹配，得到機器人方位［42］。該技術(shù)具有無需布線、高效率、覆蓋范圍廣等優(yōu)點。

3.2 路徑規(guī)劃

路徑規(guī)劃就是機器人遵從一定的準則，規(guī)劃一條從起始點到達目標點與障礙物無碰撞的最優(yōu)路徑，從而解決服務機器人如何從所處位置到達操作地點的問題。而路徑規(guī)劃過程中所需要遵守的準則可以是路程最短、時間最少或者能源消耗最小等，其中路程最短是目前最常被采納的準則［43］。根據(jù)所得到環(huán)境信息的不同，路徑規(guī)劃的算法可以分為兩種:離線路徑規(guī)劃和在線路徑規(guī)劃。在已知固定障礙物信息以及移動障礙物運動軌跡的情況時，機器人進行離線路徑規(guī)劃(也稱全局路徑規(guī)劃);而當這些信息未知或機器人工作在動態(tài)環(huán)境中時，機器人只能依靠傳感器獲得周圍環(huán)境信息，進行在線路徑規(guī)劃(也稱局部路徑規(guī)劃)。最基本的全局路徑規(guī)劃算法是結(jié)構(gòu)空間法，可視圖法［44］以及單元分解法［45］等，這些方法被提出之后，學者們對此展開了深入研究并進行了拓展及應用，同時越來越多的算法被用于全局路徑規(guī)劃中，如改進后的遺傳算法［46］、神經(jīng)網(wǎng)絡［47］、蟻群算法［48］等。然而只研究全局路徑規(guī)劃算法是不切實際的，服務機器人通常需要在動態(tài)環(huán)境中工作，且環(huán)境中障礙物的運動往往是隨機的，因此研究者們越來越重視局部路徑規(guī)劃算法的研究。比較常用的局部路徑規(guī)劃方法有人工勢場法［49］、向量場矩陣法［50］等。同時學者們一直致力于研究更高效的局部路徑規(guī)劃算法，改進后的人工勢場法［51］、遺傳算法［52］、粒子群優(yōu)化算法［53］等均被用于局部路徑規(guī)劃中。

未來服務機器人的工作環(huán)境將會更加復雜且變化迅速，例如穿過擁擠的人群傳送物品，針對這種情況，Andrey V.Savkin 等［54］提出了一種基于環(huán)境集成信息的路徑規(guī)劃算法，該算法可以在不獲取障礙物尺寸以及速度信息的情況下實現(xiàn)導航。關于路徑規(guī)劃的相關算法及其在服務機器人上的應用還可參考P.Raja和趙曉東等［55］的綜述文章。

4 服務機器人導航技術(shù)的研究趨勢

4.1 更高的智能化水平

隨著科學技術(shù)的進步，服務機器人有著越來越廣闊的發(fā)展前景，服務機器人導航技術(shù)也在向著更加智能化的方向發(fā)展。而智能空間［56］、機器人強化學習［57］等在服務機器人導航中的應用，也提高了服務機器人導航的智能化水平。但是目前的服務機器人導航水平限制了機器人在愈加復雜的動態(tài)環(huán)境中完成復雜任務的能力，不能滿足現(xiàn)今人們對于服務機器人的智能化需求。因此，研究更高水平的機器算法以及人工智能以提高導航智能化水平是服務機器人導航技術(shù)的研究趨勢之一。

4.2 更高的導航精度和實時性

學者們一直致力于研究更好的導航方案，因為服務機器人領域是一個集各學科為一體的研究領域，而導航技術(shù)是該領域的一項關鍵技術(shù)，它直接影響服務機器人完成任務的可能性。而更高的導航精度以及更好的導航實時性，能夠促使服務機器人更安全且更好地完成任務。通過結(jié)合幾種導航技術(shù)、改進導航定位以及路徑規(guī)劃的算法［58］等方式，制定精度高、實時性好的導航方案是未來服務機器人的一個研究趨勢。

4.3 更高的導航可靠性

通常情況下，服務機器人通過一個傳感器并不能獲得完整的環(huán)境信息，多傳感器融合技術(shù)綜合多個傳感器的感知數(shù)據(jù)信息，產(chǎn)生更可靠、更準確或更精確的信息。多傳感器融合技術(shù)在服務機器人導航中的應用，可以有效得提高機器人導航可靠性，提高導航效率。目前應用較多的是將視覺傳感器與其他傳感器獲取的信息相融合［59］，獲得更全面的環(huán)境信息并進行導航。而研究更高水平、更高可靠性的多傳感器信息融合技術(shù)也是未來服務機器人導航的研究趨勢之一［60］。

5 結(jié)束語

導航技術(shù)是服務機器人開發(fā)過程中涉及的核心關鍵技術(shù)，其研究進展也推動著服務機器人的發(fā)展。本研究分析并比較了目前較為常見的導航技術(shù)，包括磁導航、慣性導航、傳感器導航和視覺導航等。通過綜述其優(yōu)、缺點可以看出，這些技術(shù)均存在局限性，有一定的適用范圍，應結(jié)合具體的工作環(huán)境以及任務要求進行選擇。同時，筆者對導航所涉及的兩個過程，機器人定位以及路徑規(guī)劃的相關算法進行了整理。學者們針對這些技術(shù)以及算法已經(jīng)進行了大量的研究，然而很多研究成果并未應用于實踐中，因此服務機器人智能化水平仍有待提升。

隨著計算機技術(shù)，傳感技術(shù)等的發(fā)展，人們對服務機器人導航自主性的要求越來越高。對此，服務機器人導航技術(shù)有以下幾個問題需進一步研究:通過研究更高水平的機器算法來提高機器人智能水平;通過融合多種導航技術(shù)或算法來提高機器人精度和可靠性。而隨著計算機技術(shù)、傳感技術(shù)等的發(fā)展，未來服務機器人將會成為一個快速發(fā)展的產(chǎn)業(yè)，為人們帶來越來越方便的服務。

［1］Computing Community Consortium.A roadmap for US robotics:From Internet to robotics［J］.Computing Community Consortium:The United States of America，2009.

［2］CAO Y U，F(xiàn)UKUNAGA A S，KAHNG A B.Cooperative mobile robotics:Antecedents and directions［J］.Autonomous Robots，1997，4(1):7-27.

［3］王田苗，陶 永，陳 陽.服務機器人技術(shù)研究現(xiàn)狀與發(fā)展趨勢［J］.中國科學:信息科學，2012，42:1049-1066.

［4］SICILIANO B，KHATIB O.Springer Handbook of Robotics［M］.New York:Springer，2008.

［5］MENG Q，LEE M H.Design issues for the elderly［J］.Advanced Engineering Informatics，2006，20:171-186.

［6］International federation of robotics.World robotics 2011 service robots.http://www.ifr.org/service-robots/statistics/

［7］MARCONI L，BASILE F，CAPRARI G，et al.Aerial Service Robotics:the AIRobots Perspective［C］//International Conference on Applied Robotics for the Power Industry(CARPI)，2012:64-69.

［8］SRINIVASA S S，F(xiàn)ERGUSON D，HELFRICH C J，et al.HERB:a home exploring robotic butler［J］.Autonomous Robots，2010，28(1):5-20.

［9］Breuer T，Macedo G R G，Hartanto R，et al.Johnny:an autonomous service robot for domestic environments［J］.Journal of Intelligent ＆ Robotic Systems，2012，66:245-272.

［10］Schiffer S，F(xiàn)errein A，Lakemeyer G.CAESAR:an intelligent domestic service robot［J］.Intelligent Service Robotics，2012.

［11］Zhao L Y，Li R F，Zang T Y，et al.A Method of Landmark Visual Tracking for Mobile Robot［C］//The 2008 International Conference on Intelligent Robotics and Applications，2008:901-910.

［12］于清曉.輪式餐廳服務機器人移動定位技術(shù)研究［D］.上海:上海交通大學機械與動力學院，2013.

［13］Haverinen J，Kemppainen A.Global indoor self-localization based on the ambient magnetic field［J］.Robot.Robotics and Autonomous Systems，2009，57(10):1028-1035.

［14］韓金華，王立權(quán)，孟慶鑫.護理助手機器人磁導航方法研究［J］.儀器儀表學報，2009，30(4):834-839.

［15］Storms W，Shockley J，Raquet J.Magnetic field navigation in an indoor environment［C］//Ubiquitous Positioning Indoor Navigation and Location Based Service(UPINLBS).IEEE，2010:1-10.

［16］Angermann M，F(xiàn)rassl M，Doniec M，et al.Characterization of the indoor magnetic field for applications in localization and mapping［C］//Indoor Positioning and Indoor Navigation，2012.

［17］Grand E L，Thrun S.3-Axis Magnetic Field Mapping and Fusion for Indoor Localization［C］//Multisensor Fusion and Integration for Intelligent Systems (MFI).IEEE，2012:358-364.

［18］汪劍鳴，王 曦，王勝蓓，等.室內(nèi)慣性/視覺組合導航地面圖像分割算法［J］.中國慣性技術(shù)學報，2011，19(05):553-558.

［19］王 聰，孫 煒.基于慣性導航與立體視覺的風管清掃機器人同時定位與地圖創(chuàng)建方法［J］.機械工程學報，2013，49(23):59-67.

［20］Lupton T，Sukkarieh S.Visual-Inertial-Aided Navigation for High-Dynamic Motion in Built Environments Without Initial Conditions［J］.IEEE Transactions on Robotics，2012，28(01):61-76.

［21］Lee S.Use of infrared landmark zones for mobile robot localization［J］.Industrial Robot:An International Journal，2008，35(2):153-159.

［22］Krejsa J，Vechet S.Infrared Beacons based Localization of Mobile Robot［J］.Electronics and Electrical Engineering，2012，1(117):17-22.

［23］YAZICI A，YAYAN U，YüCEL H.An Ultrasonic Based Indoor Positioning System［C］//Innovations in Intelligent Systems and Applications(INISTA)，IEEE，2011:585-589.

［24］Kim S J，Kim B K.Accurate Hybrid Global Self-Localization Algorithm for Indoor Mobile Robots With Two-Dimensional Isotropic Ultrasonic Receivers［J］.IEEE Transactions on Instrumentation and Measurement，2011，60(10):3391-3404.

［25］Lim D，Lee S，Cho D.Design of an assisted GPS receiver and its performance analysis［J］.IEEE International Symposium on Circuits and Systems，2007:1742-1745.

［26］Hada Y，Takase K.Multiple mobile robot navigation using the indoor global positioning system(iGPS)［C］//Intelligent Robots and Systems.IEEE，2001，2:1005-1010.

［27］趙 鵬.機器視覺研究與發(fā)展［M］.北京:科學出版社，2012:1-2.

［28］Cunha J，Pedrosa E，Cruz C，et al.Using a Depth Camera for Indoor Robot Localization and Navigation［J］.DETI/IEETA-University of Aveiro，Portugal，2011.

［29］Chugo D，Matsushima S，Yokota S，et al.Camera-based Indoor Navigation for Service Robots［C］//SICE Annual Conference，2010:1008-1013.

［30］Budiharto W，Santoso A，Purwanto D，et al.Multiple Moving Obstacles Avoidance of Service Robot using Stereo Vision［J］.Telecommunication Computing Electronics and Control，2011，9(03):433-444.

［31］Budiharto W，Santoso A，Purwanto D，et al.A Navigation System for Service Robot using Stereo Vision and Kalman Filtering［C］//Control，Automation and Systems，2011:1771-1776.

［32］Borenstein J，F(xiàn)eng L.Gyrodometry:A new method for combining data from gyros，and odometry in mobile robots［C］//Proceedings of IEEE International Conference on Robot Automation，1996:423-428.

［33］Xu D，Han L W，Min T，et al.Ceiling-based visual positioning for an indoor mobile robot with monocular vision［J］.IEEE Transactions on Industrial Electronics，2009，56(05):1617-1628.

［34］Choi B S，Lee J J.Localization of a mobile robot based on an ultrasonic sensor using dynamic obstacles［J］.Artificial Life and Robotics，2008，12(1/2):280-283.

［35］Gao C，Sands M，Spletzer J R.Towards Autonomous Wheelchair Systems in Urban Environments［C］//Field and Service Robotics.Springer Berlin Heidelberg，2010:13-23.

［36］ROWEKAMPER J，SPRUNK C，TIPALDI G D，et al.On the position accuracy of mobile robot localization based on particle filters combined with scan matching［C］//Intelligent Robots and Systems (IROS)，2012 IEEE/RSJ International Conference on.IEEE，2012:3158-3164.

［37］Lee D，Chung W，Kim M.A Reliable Position Estimation Method of the Service Robot by Map Matching［C］//Proceedings of the IEEE International Conference on Robotics and Automation，2003:2830-2835.

［38］Yu Q X，Yuan C，F(xiàn)u Z，et al.Research of the Localization of Restaurant Service Robot［J］.International Journal of Advanced Robotic Systems，2010，7(3):227-238.

［39］Yu Q，Yuan C，F(xiàn)u Z.An autonomous restaurant service robot with high positioning accuracy［J］.Industrial Robot:An International Journal，2012，39(3):271-181.

［40］Zhou J Y，Shi J.RFID localization algorithms and applications-a review［J］.Journal of Intelligent Manufacturing，2009，20:695-707.

［41］Olivera V M，Plaza J M C，Serrano O S.WiFi localization methods for autonomous robots［J］.Robotica，2006，24:455-461.

［42］Biswas J，Veloso M.WiFi Localization and Navigation for Autonomous Indoor Mobile Robots［C］//2010 IEEE International Conference on Robotics and Automation，2010:4379-4384.

［43］Raja P，S.Pugazhenthi.Optimal path planning of mobile robots:A review［J］.International Journal of Physical Sciences，2012，7(9):1314-1320.

［44］Lozano-Pérez T，Wesley M A.An algorithm for planning collision-free paths among polyhedral obstacles［J］.Communications of the ACM，1979，22(10):560-570.

［45］Lozano-Pérez T.Spatial planning:A configuration approach［J］.IEEE Transactions on Computers，1983，32(3):108-120.

［46］Hu J，Zhu Q B.Multi-objective Mobile Robot Path Planning Based on Improved Genetic Algorithm［C］//International Conference on Intelligent Computation Technology and Automation，2010，752-756.

［47］Jung I K，Hong K B，Hong S K，et al.Path planning of mobile robot using neural network［J］.in Proc.IEEE Int.Symp.Ind.Electron.，Bled，Slovenia，1999，3:979-983.

［48］Buniyamin N，Sariff N，Wan Ngah W A J.，et al.Robot global path planning overview and a variation of ant colony system algorithm［J］.International journal of mathematics and computers in simulation，2011，5:9-16.

［49］Khatib O.Real time obstacle avoidance for manipulators and mobile robots［J］.Int.J.Robot.Res.，1986，5(1):90-98.

［50］Latombe J C.Robot motion planning.Kluwer［J］.Academic Publisher，Boston，1991.

［51］Vadakkepat P，Tan K C，Liang W M.Evolutionary artificial potential fields and their application in real time robot path planning［C］//Proceedings of the Congress on Evolutionary Computation，2000:256-263.

［52］Yun S C，Parasuraman S，Ganapathy V.Dynamic Path Planning Algorithm in mobile robot navigation［J］.IEEE Symposium on Industrial Electronics and Applications，2011:363-369.

［53］Zhang Q R，Gu G C.Path planning based on improved binary particle swarm optimization algorithm［C］//Proceedings of the IEEE International Conference on Robotics，Automation and Mechatronics，2008:462-466.

［54］Savkin A V，Wang C.Seeking a path through the crowd:Robot navigation in unknown dynamic environments with moving obstacles based on an integrated environment representation［J］.Robotics and Autonomous Systems，2014，62:1568-1580.

［55］趙曉東，鮑 方.清潔機器人路徑規(guī)劃算法研究綜述［J］.機電工程，2013，30(11):1440-1444.

［56］Zhou F Y，Wang G Q，Tian G H，et al.A Fast Navigation Method for Service Robots in the Family Environment［J］.Journal of Information ＆ Computational Science，2012，9(12):3501-3508.

［57］高 陽，陳世福，陸 鑫.強化學習研究綜述［J］.自動化學報，2004，30(1):86-100.

［58］Tang L，Dian S，Gu G，et al.A novel potential field method for obstacle avoidance and path planning of mobile robot［C］//Computer Science and Information Technology(ICCSIT)，International Conference on.IEEE，2010，9:633-637.

［59］Germa T，Lerasle F，Ouadah N，et al.Vision and RFID data fusion for tracking people in crowds by a mobile robot［J］.Computer Vision and Image Understanding，2010，114:641-651.

［60］Luo R C，Chang C C.Multisensor Fusion and Integration:A Review on Approaches and Its Applications in Mechatronics［J］.IEEE Transactions on Industrial Informatics，2012，8(1):49-60.