移动机器人避障方法分析

大多数红的光线都可避免测量误差，测量不够精确。

4.超声波传感器

超生波传感器监测距离原理是测出发出超声波至再检查到发出的超声波的时间差，同时按照声速计算出物体的距离。由于超声波在空气中的速率与温湿度有关，在非常准确的检测中，需把温湿度的差异跟其他原因考量进去。超声波传感器一般作用距离较短，普通的有效探测距离都在5-10m之间，但是会有一个最小探测盲区，一般在几十毫米。由于超声传感器的成本低，实现方式简单，技术成熟，是移动机器人中常见的传感器。

机器人避障技术的分类

目前移动机器人的避障根据环境信息的把握程度可以分为障碍物信息已知、障碍物信息部分未知或完全未知两种。传统的导航避障方法如可视图法、栅格法、自由空间法等算法对障碍物信息己知时的避障问题处理尚可，但当障碍信息未知或者障碍是能移动的之后，传统的导航技巧通常不能很好的缓解避障问题以及根本不能避障。而实际生活中，绝大多数的状况下，机器人所处的环境都是动态的、可变的、未知的，为了缓解上述难题，人们采用了计算机和人工智能等领域的一些算法。同时得益于处理器计算能力的提升及传感器技术的演进移动机器人避障，在移动机器人的系统上进行一些复杂算法的运算也更加轻松，由此形成了一系列智能避障方法，比较热门的有：遗传算法、神经网络算法、模糊算法等，下面分别加以介绍。

1.基于遗传算法的机器人避障算法：

遗传算法（genetic algorithm ，简称GA ）是推导数学中用于解决最佳化的搜索算法，是演化算法的一种。进化算法是借鉴了演化生物学中的基因、突变、自然选取以及等现象而演进出来的。遗传算法采用从自然演化中写实出来的几个算子对参数编码的字符串进行基因操作，包括复制或选取算子（Reproduction or Select）、交叉算子（Crossover）、变异算子（Mutation）。

遗传算法的主要特点是：采用群体形式对目标函数空间进行多线索的并行搜索，不会陷入局部极小点；只应该可行解目标函数的值，而不需要其他信息，对目标函数的连续性、可微性没有要求，使用方便；解的选用跟产生用概率方法，因此具备较强的适应能力跟鲁棒性。

2.基于神经网络算法的机器人避障方法：

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-141902-1.html