移动机器人的5种常见定位技术

移动机器人现已在军事，工业，民用和其他主要领域中普及，并且仍在持续发展中. 当前，移动机器人技术取得了可喜的进展，研究成果令人鼓舞，但对于实际应用的需求还需要很长的时间才能发展起来. 相信随着传感技术，智能技术和计算技术的不断进步，智能移动机器人必将在人们的生产和生活中发挥作用. 那么，移动机器人定位技术涉及哪些主要技术？结论是，移动机器人目前具有这五种主要的定位技术.

一，移动机器人超声导航与定位技术

超声导航和定位的工作原理也类似于激光和红外. 通常，超声波探头发射超声波. 超声波在介质中遇到障碍物并返回到接收设备.

通过接收自身发送的超声波反射信号，可以根据超声波发射和回声接收的时间差和传播速度来计算传播距离S，并且可以得到从障碍物到机器人的距离，从而公式为: S = Tv / 2 In，T——超声波的发射与接收之间的时间差； v-超声波在介质中传播的波速.

当然，还有许多移动机器人导航和定位技术使用分开的发送和接收设备. 环境地图中安排了多个接收设备移动机器人技术及其应用，并且在移动机器人上安装了一个发射探针.

在移动机器人的导航和定位中，由于超声传感器本身的缺陷，例如: 镜面反射，有限的射束角等，因此难以获得有关周围环境的足够信息. 因此，通常使用由多个传感器组成的超声波传感器. 系统建立相应的环境模型，并将传感器收集的信息通过串行通信传输到移动机器人的控制系统. 然后，控制系统根据所采集的信号和所建立的数学模型，采用某种算法对数据进行相应的处理，以获得机器人. 位置环境信息.

由于超声波传感器具有成本低，信息收集速度快和距离分辨率高的优点，因此长期以来一直广泛用于移动机器人的导航和定位中. 而且，在收集环境信息时不需要复杂的图像准备技术，测距速度快，实时性好.

同时，超声波传感器也不受外界环境条件的影响，例如天气条件，环境光和障碍物的阴影，表面粗糙度等. 超声波导航和定位已广泛用于各种移动机器人感知系统中

第二种移动机器人视觉导航和定位技术

在视觉导航和定位系统中，当前的应用大多基于基于本地视觉在机器人中安装车载的导航方法. 在这种导航模式下，将控制设备和传感器设备装载到机器人车体上，并通过车载控制计算机完成诸如图像识别和路径规划之类的高级决策.

视觉导航和定位系统主要包括: 相机（或CCD图像传感器），视频信号数字化设备，基于DSP的快速信号处理器，计算机及其设备等. 现在，许多机器人系统都使用CCD图像传感器. 基本元件是一行硅成像元件. 光敏元件和电荷转移装置布置在基板上. 通过电荷的顺序传输，多个像素的视频信号将被分时和排序. 例如，以面积阵列CCD传感器采集的图像分辨率为32×32到1024×1024像素即可.

视觉导航和定位系统的工作原理是对机器人周围的环境进行光学处理，首先使用收集图像信息，压缩收集的信息，然后将其反馈给神经网络和统计信息. 通过该方法形成的学习子系统，然后学习子系统将收集到的图像信息与机器人的实际位置联系起来，完成机器人的自主导航和定位功能.

三，GPS全球定位系统

如今，在智能机器人导航与定位技术的应用中，通常采用伪距差分动态定位方法. 参考接收机和动态接收机共同观测4颗GPS卫星，可以在一定的时间获得一定的算法. 雕刻机器人的三维位置坐标. 差分动态定位消除了星型时钟误差. 对于距参考站1000公里的用户，可以消除星钟误差和对流层误差，从而可以显着提高动态定位精度.

但是，在移动导航中，移动GPS接收机的定位精度受卫星信号和道路环境的条件以及时钟误差，传播误差，接收机噪声和许多其他因素的影响. 因此，GPS导航是专用的，存在定位精度低，可靠性低的问题，因此在机器人的导航应用中，通常会辅以磁罗盘，光学码盘和GPS数据进行导航. 此外，GPS导航系统也不适合用于室内或水下机器人导航以及要求高精度定位的机器人系统.

四，移动机器人光反射导航定位技术

典型的光反射导航和定位方法主要使用激光或红外传感器来测量距离. 激光和红外都使用光反射技术进行导航和定位.

激光全球定位系统一般由激光旋转机构，反射镜，光电接收装置和数据采集与传输装置组成.

工作时，激光通过旋转镜机构向外发射. 扫描由后向反射镜组成的协作路标时，反射光由光电接收装置作为检测信号进行处理，并启动数据收集程序以读取旋转机构的代码磁盘数据（测得的角度）目标值），然后将通讯传递给主机进行数据处理，根据已知路标的位置和检测到的信息，可以计算出路标坐标系中传感器的当前位置和方向，从而达到进一步导航定位的目的.

激光测距具有光束窄，平行度好，散射小和在测距方向上具有高分辨率的优点. 但是，它也受到环境因素的极大干扰，因此在使用激光测距时如何去噪采集到的信号也是一个大问题. 另内进行检测，例如检测管道破裂等情况. 有很多应用程序.

红外传感技术通常用于多关节机器人避障系统中，以形成覆盖机器人手臂表面的大面积机器人的“敏感皮肤”，并可以检测机器人手臂在操作过程中遇到的各种物体

典型的红外传感器包括可以发射红外光的固态发光二极管和充当的固态光电二极管. 调制信号由红外发光管发射，红外光敏管接收目标反射的红外调制信号，通过信号调制和专用红外滤光片保证消除环境红外光干扰. 假设输出信号Vo代表反射光强度的电压输出，则Vo是探头与工件之间距离的函数:

Vo = f（x，p）

在公式中，p工件反射系数. p与靶材的表面颜色和粗糙度有关. x-探针和工件之间的距离.

当工件是具有相同p值的相似目标时，x和Vo彼此对应. 可以通过对各种目标的接近度测量的实验数据进行插值来获得x. 这样，可以通过红外传感器测量机器人距目标物体的位置，然后可以通过其他信息处理方法来导航和定位移动机器人.

尽管红外传感器定位还具有灵敏度高，结构简单和成本低的优点，但是由于其高角度分辨率和低距离分辨率，它们经常用作移动机器人中的接近传感器以检测接近或突然移动障碍物方便机器人紧急停止操作.

五移动机器人技术及其应用，当前主流的机器人定位技术是SLAM技术（同步定位和地图实时定位和地图构建）. 大多数行业领先的服务机器人公司都采用SLAM技术. 只有SLAMTEC在SLAM技术上具有专有优势. SLAM技术到底是什么？简单来说，SLAM技术是指未知环境中机器人的定位，映射和路径规划的完整过程.

自1988年提出以来，SLAM（同时定位和制图）一直主要用于研究机器人运动的智能化. 对于完全未知的室内环境，配备了激光雷达等核心传感器，SLAM技术可以帮助机器人建造室内环境图并帮助机器人自主行走.

SLAM问题可以描述为: 机器人开始从未知环境中的未知位置移动，并在移动过程中根据位置估计和传感器数据定位自身，同时构建增量地图.

SLAM技术的实现主要包括VSLAM，Wifi-SLAM和Lidar SLAM.

1.VSLAM（Visual SLAM）

在室内环境中，请使用相机，Kinect和其他深度相机进行导航和探索. 它的工作原理是对机器人周围的环境进行光学处理，首先使用相机收集图像信息，压缩收集的信息，然后将其反馈给由神经网络和统计方法组成的学习子系统. 然后学习子系统将收集到的图像信息与机器人的实际位置联系起来，完成机器人的自主导航和定位功能.

但是，室内VSLAM仍处于研究阶段，远未得到实际应用. 一方面，计算量太大，这需要机器人系统的高性能. 另一方面，由VSLAM（主要是点云）生成的地图不能用于机器人路径规划，需要进一步的探索和研究.

2.Wifi-SLAM

指的是在智能手机中使用多个传感设备进行定位，包括Wifi，GPS，陀螺仪，加速度计和磁力计，并通过机器学习和模式识别等算法绘制获得的数据的准确室内地图. 该技术的提供商于2013年被苹果收购. 苹果是否将Wifi-SLAM技术应用于iPhone，以使所有iPhone用户都等同于搭载小型绘图机器人，目前尚不得而知. 毋庸置疑，更精确的定位不仅有利于地图，而且还将使所有与地理位置相关的应用程序（LBS）更加精确.

3.Lidar SLAM

是指使用激光雷达作为传感器来获取地图数据，以便机器人可以实现同时定位和地图构建. 至于技术本身，经过多年的验证，它已经相当成熟，但是激光雷达的成本太高了.

激光雷达具有方向性强的特点，因此可以有效地保证导航的准确性，并且可以很好地适应室内环境. 但是，由于激光雷达的价格过于昂贵，激光雷达SLAM在机器人室内导航领域的表现不佳. 考虑到成本问题，大多数制造商并未考虑使用激光雷达技术，但是近年来，国内的士兰科技公司解决了激光雷达成本过高的问题. 目前，激光雷达已逐渐在市场上普及.

2015年12月，作为领先的国内服务机器人自主定位和导航解决方案提供商，上海士兰科技（SLAMTEC）首次发布了RPLIDAR A2原型. 该激光雷达的尺寸虽小，但性能参数却非常出色. 一旦推出，它已经引起了许多制造商和技术爱好者的广泛关注. 经过近半年的过程调整和优化，SLAMTEC现在正式发布了RPLIDAR A2，并为核心客户提供了产品原型.

此激光雷达可以在6米的测量半径内完成360度全方位扫描. 采样频率为每秒4000次，扫描频率高达10 Hz. 它可以达到毫米级的测量精度. 相对于几万元的同类传感器，RPLIDAR A2采用了多项具有完全自主知识产权的专利技术，大大降低了成本，更适用于服务机器人领域.

与上一代产品相比，RPLIDAR A2的设计发生了重大变化，产品更薄且设计更简洁. 产品的厚度仅为4厘米，是目前最薄的激光雷达. 它适用于所有类型的服务机器人，尤其是空间要求非常紧凑的服务机器人，例如安装在扫地机器人的顶部.

目前，低成本激光雷达的采样频率通常为每秒2000次. 如果服务机器人走得太快或某人突然出现在其路线上，则受激光雷达低采样频率的限制. 很难及时找到障碍物，并且可能发生碰撞.

为避免此类问题，RPLIDAR A2的性能参数也得到了极大的提高. 采样频率已从5 Hz增加到10 Hz，样本数量已从每秒2000次增加到4000次. 在实际应用中，服务机器人可以获得更密集的采样点，实现对障碍物的快速响应，并更快，及时地进行自主避障. 激光雷达的其他应用领域，例如将激光雷达用于环境探索和地图构建，可以获得更精细的图像；在多媒体应用中，大屏幕上的多点触摸将更快地响应并具有更高的准确性.

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-270335-1.html