移动机器人避障实验设计+源程序+流程图.doc

移动机器人避障实验设计+源程序+流程图摘要: 随着科学技术的不断发展，机器人越来越融入人们的生活. 近年来，尤其是智能机器人的开发和研究引起了许多学者的关注. 其中，机器人避障已成为机器人研究的热点. 传统的避障方法，例如可见法，网格法，自由空间法和其他算法，可以解决已知障碍物信息的情况. 但是，当确定测试条件时，许多方法会更加复杂. 因此，我基于现有的红外探头设计了一种简单的避障算法. 设计算法后，建立了汽车的运动学模型，主要分为两部分，一个是汽车自身的运动学模型，另一个是避障算法建模. 施工完成后，对汽车的运动进行编程控制，并通过实验获得数据. 5267关键字: 移动机器人避障测试运动学红外测距移动机器人避障测试设计摘要: 随着科学技术的发展，机器人越来越融入人们的生活. 机器人避障已经成为研究的热点，传统的避障算法如视图法，网格法，自由空间法可以解决障碍物信息的已知情况，但是在测试情况下要复杂得多因此，根据现有的红外探头我做简单的避障算法设计，设计了算法，在机器人上建立了运动学模型，主要分为两种，一种是手推车的运动学模型，另一种是避障算法建模. 编程建模以控制手推车的移动，然后获取测试数据. 关键词: 移动机器人避障算法运动学红外目录1引言41.1引言41.2机器人概述41.3移动机器人的发展现状6其中，移动机器人的智能避障是当前研究的热点. 机器人研究领域.

移动机器人智能避障是指移动机器人可以根据收集到的障碍物状态信息按照一定的方法有效避开障碍物，最终到达目标点. 当机器人在行走过程中遇到前方障碍物时，可以根据有效范围内的距离进行相应处理，判断是否可以越过障碍物. 如果障碍物的高度高于预设高度，则软件会发出转弯命令，以避免机器干扰碰撞. 如何实现距离评估和避障，使机器人顺利实现避障是本文研究的主要问题. 机器人技术是在新技术革命中迅速发展的新兴学科. 它已被广泛应用于众多科技领域和生产部门，并显示出强大的生命力. 目前，基于感知的位置判断，对局部和全球导航方案的研究，障碍物检测和避障的新方法以及多传感器信息融合等移动机器人研究引起了众多专家学者的广泛关注. . 注意. 随着计算机，智能控制，传感器技术，信息技术，单片机技术等的进一步发展，人们对机器人性能的要求越来越高. 智能机器人可以在了解周围环境的同时自行做出逻辑判断和分析，并在无需人工控制的情况下自动完成任务. 在完成任务期间，机器人面临着如何检测道路上的障碍物的问题. 选择最佳路径来规避障碍物的问题，即移动机器人的避障问题. 避障的研究具有重要的现实意义，它给运输业带来了巨大的变化，也为自动导航和实现人类驾驶汽车提供了重要的技术.

1.2机器人简介在1960年代后期，美国和苏联开发并应用了移动机器人，以完成登月计划. 美国的“探棒” 3号在地面遥控下完成了在月球上的挖沟和其他任务. 苏联的“月球人” 20号无人驾驶降落在月球表面. 机械手在月球表面上钻了石头，然后将土壤和岩石样品装入回收容器中，然后送回地球. 1970年代初，日本早稻田大学开发了一种具有人类功能的两足步行机器人. 道路标志导航是预先使用环境中的一些特殊场景作为道路标志. 在了解这些路标在环境中的坐标，形状和其他特征的前提下，机器人会通过检测路标来确定其位置，同时将全局路线分解为路标和路标之间的碎片，并不断完成路标检测. 导航. 手动路标导航是一种通过识别人工放置的特殊标志来实现导航的机器人. 尽管易于实现，但它人为地改变了机器人的工作环境. 自然的路标导航不会改变工作环境. 机器人通过识别工作环境中的自然特征来完成导航. 然而，路标检测的稳定性和鲁棒性是研究的主要问题. 视觉导航主要完成障碍物和道路标志的检测和识别. 视觉导航中的诸如边缘锐化和特征提取之类的图像处理方法需要大量的计算，而实时性能不佳始终是瓶颈.

解决此问题的关键是设计一种快速的图像处理方法. Staney提出了一种基于神经网络的机器人视觉导航技术. 在这项技术中，雅可比逆矩阵的估计是基于视觉导航的关键问题. 它将图像特征的变化映射到机器人位置的变化，并通过神经网络训练近似特征的雅可比矩阵的逆. 该技术通过提取几何特征，平均压缩，矢量量化和主成分提取来简化图像处理，并实现实时视觉导航. 定位是移动机器人导航的最基本链接，它是确定机器人在二维工作环境中相对于全局坐标的姿态. 根据机器人工作环境的复杂性，所安装传感器的类型和数量等，有多种定位方法. 主要方法有: 惯性定位，界标定位和声音定位. 惯性定位是在移动机器人的车轮上安装光电编码器，并通过记录车轮的旋转来大致确定位置和姿态. 尽管该方法很简单，但是由于车轮与地面之间的打滑现象，所产生的累积误差会随着路径的增加而增加，并且定位误差会逐渐累积，从而导致较大的误差. Yamach使用推测性导航和证据网格在动态环境中获得机器人的位置. 该方法匹配在不同时间段建立的证据网格移动机器人避障，并使用爬山算法搜索可能的平移和旋转空间，以消除推测性导航方法的累积误差；地标位于移动机器人工作的环境中，并经过人工设置. 一些具有已知坐标的地标，例如超声波发射器，激光反射器等，可以通过检测地标来确定其位置.

3）基于实时传感器信息的模糊逻辑算法是指人类的驾驶经验，并通过查找表获得规划信息以实现局部路径规划. 该方法克服了势场法的局部极小问题，计算量不大，易于同时进行规划和跟踪，适用于时变未知环境下的路径规划，并且实时性能更好. 由于在移动机器人避障过程中建立精确的数学模型非常困难，因此，近年来，人们将注意力转向了模糊逻辑和神经网络控制这两种方法. 模糊逻辑适合于表达模糊和定性知识. 它具有类似于人类思维的推理方法. 神经网络具有并行计算，容错和自学习的优势. 但是它们的缺点也很明显: 模糊逻辑的计算量随着计划的数量而增加. 几何级数增加，并且当存在更多模糊规则时，实施起来更加困难；神经网络收敛速度慢，不适合表达知识，不能很好地利用. 现有知识. 移动机器人是机器人的分支之一. 随着机器人在工业领域中越来越广泛地使用，人们变得越来越智能. 与传统的机器人手臂不同，自主移动机器人是智能机器人. 该类别是一个综合系统，集成了多种功能，例如环境意识，动态决策和计划，行为控制和执行. 其中，移动机器人的智能避障是机器人研究领域的研究热点. 移动机器人的智能避障是指移动机器人可以根据收集到的障碍物状态信息，按照一定方法有效避开障碍物，最终到达目标点. 移动机器人的关键技术- ＆mdash;避障和导航是移动机器人研究的核心问题. 为了使机器人能够自主行走并顺利避开障碍物，需要解决两个问题: 一是如何使用传感器在运动过程中进行感应，周围环境未知. 其次，传感器传感技术在移动机器人避障中的应用，在移动机器人避障过程中都起着非常重要的作用.

视觉，红外，激光和超声传感器等传感器技术已广泛用于移动机器人的研究中. 2.2避障方法概述目前，移动机器人的避障可以分为两种类型: 已知的障碍信息和不完整或完全未知的障碍信息. 可视方法，网格方法，自由空间方法和其他算法可以解决已知障碍物信息的情况. 但是在大多数情况下，机器人的环境是障碍物信息不完整或完全未知，并且上述方法是独立的. 由于其缺点，近年来开发的智能算法可以在某些方面弥补传统方法的不足. 2.2.1传统的避障方法传统的方法主要集中在完成机器人无碰撞路径规划上. 在动态环境中很少有避障设计. 比较经典的方法如下: （1）可视方法（VGraph）: 由尼尔森（Nilsson）于1968年提出，其算法简单，可以找到最短的路径，但是由于缺乏灵活性，当有很多障碍时，进行搜索. 障碍物的长度将非常长，并且障碍物的形状不能接近圆形，因此现在其实际应用受到限制. 此外，现在通常使用基于切线图方法和Voronoi方法的改进的可视方法. 切线图方法使用障碍物的切线表示圆弧. 此时，移动机器人必须接近障碍物. 当有错误时，它可能与障碍物接触，但是它解决了障碍物不能为圆形的问题. Voronoi图使用远离障碍物和墙壁的路径来表示圆弧. 这种方法增加了从起点到每日标记点的路径长度，同时避免了机器人意外撞到障碍物.

（2）网格法（Grid）: 由W. E. Howden于1968年提出，是目前研究更广泛的路径规划方法. 网格的大小会影响环境信息的存储量和时间长度. 网格划分越大，环境信息的存储量越少，分辨率越低，复杂环境下的避障效果越差，时间越短. 网格划分越小，环境信息的存储量越大，分辨率越高. 复杂环境下的避障效果越强，时间越长. （3）自由空间方法: 自由空间方法使用预定义的基本形状配置（例如广义圆锥和凸多边形）来构造自由空间，并将自由空间表示为连接图，并搜索连接图以执行路径规划. （1）基于神经刚性网络算法的机器人避障方法: 神经网络是由简单的处理元件组成的并行分布式处理器. 自然具有存储经验知识并使之可用的特征. Glasius，R. [1] Hopfield神经网络通过使用模拟神经元的方法来执行路径规划和避障. 该方法的优点是，即使障碍物的运动状态和形状发生变化，它也可以在任何起点和终点快速提出问题. 该路径允许移动机器人通过. Chohra，A. [2]通过与混合智能系统（HIS）连接时使用神经网络避开障碍物，移动机器人避开障碍物的认知决策能力与人类相似. （2）基于遗传算法的基于机器人的避障算法: 遗传算法由密歇根大学的Holland JH教授于1960年代后期提出. 它源自进化论和遗传学理论. 它是一种遗传算法，是自然环境中模拟生物的进化. 形成自适应全局优化概率搜索算法的过程.

胡延荣[3]使用具有特定问题的遗传算法来代替传统的遗传算法. 特定的运算符由基于遗传算法的PK（建议知识）和DK（领域知识）组成，其中还包括一些本地搜索技术. 证明了基于遗传算法的知识理解具有在复杂，动态的环境中找到最优或接近最优路径的能力. 使用遗传算法进行路径规划是一种有效且简单的算法. （3）基于模糊逻辑的机器人避障算法: 对传感器获取的信息进行分类移动机器人避障，分析机器人的动作路径. 这种方法具有“对称犹豫不决”的现象. “无法确定对称性”是指当面对机器人的当前环境是双向对称时，它无法确定其行进方向或在两个障碍物之间振荡，这将使机器人陷入僵局. G史蒂文针对此问题的解决方案是生成随机方向以将机器人移出盲区，但有时它会撞到障碍物或发生振荡. 李伟采用了“右转”原则. 尽管以这种方式解决了死锁问题，但是路径规划并不一定是最佳的. Ofiolo G [4]等. 为了提高机器人路径规划的实时性，在机器人导航中使用A-X算法，在构建和更新地图时使用模糊逻辑方法. 实验结果表明，该机器人在动态和静态环境下均具有实时性能. 索赔.

Perez-D＆rsquo; Arpino [5]等人也使用模糊逻辑的思想来改善机器人路径规划的实时性，并且测试结果更好. 晶格方法和传统算法的结合. （2）当环境中存在静态障碍物和动态障碍物等复杂环境时，如何有效控制移动机器人是研究的方向. （3）基于可重构机器人行为的路径规划方法将机器人运动分为以下目标行为: 移向目标，避障行为，适应环境行为的机器人重构，纠正错误行为等. 未来发展的方向，以给出一种明确的协调行为的方法. （4）多机器人协同操作技术正在成为一个新的研究热点. 由于障碍物的增加和环境信息的多样性，移动机器人避开障碍物的难度增加了. 3移动机器人的红外避障原理3.1三角测量方法的红外测距原理简介3.1.1工作原理: 夏普的红外传感器基于三角测量原理之一. 红外发射器根据一定角度发射红外光束. 当遇到物体时，光束将被反射回去，如图1所示. 在CCD检测器检测到反射的红外光之后，它将获得偏移值L. 使用三角关系，在知道发射角a之后，偏移距离L，中心矩X和滤光片，传感器的焦距f可以通过几何关系计算出到物体的距离D.

可以看出，当D足够近时，L值将很大，超过了CCD的检测范围. 此时，尽管物体非常靠近，但传感器无法看到它. 当物距D较大时，L值将较小. 此时，CCD检测器是否能够分辨出该小的L值成为关键，也就是说，CCD的分辨率确定是否能够获得足够准确的L值. 为了检测距离较远的物体，CCD的分辨率要求更高. 3.1.2非线性输出: Sharp GS2XX系列传感器的输出是非线性的. 所有模型的输出曲线均不同. 因此，在实际使用之前，最好能够校准所使用的传感器. 为每种传感器模型创建一个曲线图，以便在实际使用中获得真实有效的测量数据. 下图是典型的Sharp GP2D12输出曲线. PSD传感器的输出电压与距离之间的关系如图4所示. 从图中可以看出，电压与距离之间的关系不是线性的，因此需要根据参数值. 图4 PSD传感器输出电压与距离之间的关系4移动机器人的建模4.1移动机器人的运动学建模在此设计中，包括建模的两个部分. 一种是机器人运动平台的运动学建模. 许多实际系统需要考虑与外部环境的接触因素，因此它们通常具有一定的约束条件，因此被称为受限系统. 通常，约束可以分为两种类型: 完全约束和非完整约束. 完全约束是指可以用点的直角坐标和时间的解析方程表示的约束.

一般形式可以表示为: 非完整约束是指由不可积微分方程表示的约束，其一般形式可表示为: 其可积性是其左侧不能仅是某个函数的总微分. 相应地，人们将具有完全约束的系统称为完整系统，将具有非完整约束的系统称为非完整系统. 有大量不完整的系统，例如在桌面上滚动的，在高速公路上行驶的汽车等. 本文假设，移动机器人的驱动轮纯粹是在地面上滚动，而不考虑相对滑动. 在轮子和地面之间，因此移动机械手受到非完整的约束. 该点是移动机器人的几何中心. 该点是两个驱动轮的中点；两个驱动轮之间的距离；驱动轮的半径；平台的方位角；左驱动轮的角；右驱动轮旋转角度是左驱动轮的速度. 右驱动轮的速度；点的速度；分别表示左右轨道相对于地面的实际位移的滑动参数. 引入它们是为了估计轨道与地面之间的相互作用. （2）标准机器人技术创新平台由一组模块组成，主要包括: 传感和通信模块1运动控制模块1电源控制模块1步进电机组件1底盘（车轮或履带）1串行端口扩展电缆1并行端口扩展电缆1 JTAG调试头1 CAN连接电缆1电源适配器1图6整机说明传感和通信模块的传感器部分配备有红外PSD传感器和电子罗盘.

传感器的功能是为机器人提供各种环境及其自身的信息，并指导机器人的自主行为. 红{data [0] =（13840 /（temp +7））-4； //距离计算CAN_Send（CAN2,2,1,0,0,0，数据，0）; //将测量结果发送到运动模块，CAN发送的ID设置为2，帧格式为标准帧，数据长度为1字节------------------ ---------------- -----------------------------范雯的最新推荐- ----------------- --------------------------------- -1/1

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-226336-1.html