针对静态未知环境下移动机器人全覆盖路径规划问题,提出了一种改进优先级蚁群算法。该算法首先通过机器人本体上的传感器构建基于动态栅格法的工作环境;综合考虑栅格属性、机器人转向、邻域栅格距离和未覆盖区域面积大小的基础上构造优先级启发规则,然后利用该规则进行路径全覆盖工作。针对机器人工作过程中出现的死锁问题,文章提出采用蚁群算法寻找逃离死区的最优路径,从而保证机器人实现路径全覆盖,并使覆盖路径的重复率尽可能小。仿真实验中,通过与传统算法比较,验证所提算法能在保证面积覆盖率为100%的同时,降低了死锁次数和轨迹重复率,从而提高了机器人工作效率。

移动机器人在未知环境中自主导航时定位需要精确的地图,同时为了构建精确的地图必须确定机器人的位姿,同时定位与地图构建(SLAM)问题便产生。基于激光雷达SLAM自主导航算法是研究的方向之一,激光雷达具有测距精度高、测距远等优点,但是由于激光雷达的数据量少、传感器本身噪声的影响,容易导致机器人构建地图精度低、定位误差大等问题。针对激光雷达的数据测得的距离信息进行线段特征提取算法,通过将常用PDBS、IEPF算法优缺点进行综合,提出了一种混合特征提取算法。最后通过对SICK的LMS111-10100激光雷达获取环境中的一组数据进行处理,分别对PDBS、IEPF算法及混合算法提取效果与实际环境对比,验证了特征提取混合算法的有效性。

蚁群算法应用于路径规划时,算法前期信息素分布均匀,只依赖启发信息搜索最优路径,因此存在盲目搜索和收敛慢的问题;蚁群算法后期由于信息素的正反馈作用,使蚁群算法陷入局部最优时无法跳出。为了解决这些问题,提出了改进人工势场法引导蚁群算法的路径规划方法。介绍了栅格环境建模法;以人工势场法为基础,给出了路径中间点选择方法,取消了障碍物斥力而只保留目标点引力,在目标引力下实现路径规划;以改进人工势场法规划路径启发蚁群算法,减少前期路径规划盲目性,实现加快收敛的目的;改进信息素更新方法,使信息素遗留因子随路径优劣自适应变化。由仿真结果可以看出,相比于蚁群算法和文献[10]势场蚁群算法,这里算法规划路径最短、平均迭代次数最少、算法平均耗时最少。

为进一步提高UWB技术在室内移动机器人定位方面的定位精度与可靠性,设计了一种基于UWB与里程计融合的定位系统。针对UWB测距过程中产生的随机误差问题,采用卡尔曼滤波算法进行抑制。针对UWB非视距误差问题,引入NLOS误差鉴别方法鉴别现场环境,借助里程计航迹推演算法获得机器人定位数据进行补偿。针对里程计定位过程中由于长时间、长距离所产生的累积误差问题,采用UWB高精度的定位数据进行误差矫正。实验结果表明,融合UWB与里程计的定位系统有效地抑制了UWB定位的随机误差与非视距误差,尤其在UWB信号受到障碍物的严重遮挡时,移动机器人仍能获得精确可靠地定位数据。

为了提高移动机器人在未知环境中的路径规划的性能,提出了改进人工势场法。首先分析了传统人工势场法的优缺点,据此,提出了一种由模糊智能控制与改进人工势场法相结合算法。由模糊算法对静态障碍物进行避障,并改进引力函数将目标点速度、加速度信息加入其中对目标点进行跟踪,从而实现自动避障和路径规划。通过实验仿真对比可知,此算法在存在障碍物环境中,移动机器人可以寻得较短的路径和较快的时间,安全无碰撞的到达目标点,该算法的准确度可达96%。

针对全向移动运输机器人的定位与跟踪,提出了一种获得实时位置跟踪的混合式方案。首先,采用基于IEEE802.15.4a无线传感器网络标准的NanoLOC无线传感器网络作为通信和全局实时定位系统,以获得距离测量值;其次,为了利用这种带有噪声的距离测量值准确地估计移动运输机器人的姿态和路径,提出了采用基于贝叶斯滤波的粒子滤波方法来对基于NanoLOC距离测量值进行处理,同时采用激光测距仪作为地标检测,为对接操纵提供精确定位;实验结果表明提出的定位方案具有较小的跟踪误差。

为提高移动机器人的实时避障能力,采用机器学习算法建立机器人实时判别模型,可根据检测到的障碍物距离实时预测出机器人移动方向。通过对机器学习算法的综合评价指标进行研究,分析模型预测性能的好坏。同时,为防止模型过拟合,减小泛化误差,再对机器学习算法进行交叉验证。实验结果表明,随机森林算法的综合评价指标最高,均达到了99.9%,朴素贝叶斯综合评价指标最差,约在52.9%,机器学习算法在交叉验证之后可生成更加可靠稳定的实时判别模型。

为了提高智能移动机器人不同障碍物条件下的避障效果,基于模糊控制设计智能移动机器人最优避障路线生成系统。利用超声波传感器与红外传感器,通过传感器模块判定机器人的位置与速度,设计三轴运动控制卡作为驱动模块;引入模糊控制,将准确数值转换为模糊语言,并利用三角形隶属函数去除无效质点,以障碍物的斥力控制机器人的行进方向和速度,从而生成智能移动机器人最优避障路线。实验结果表明不同障碍物体积形状以及不同起止点情况下,智能移动机器人都能够有效选择最佳路线前进,且平均耗时为11.15 ms,平均路线长度为18.63 m,整体表现较为优越。

语义信息应用研究是自主移动机器人在导航中实现智能任务规划基础研究的核心内容之一,它涉及到语义地图、语义定位、语义知识表示、语义推理等技术,它在移动机器人任务规划中起到人-机-环境交互的桥梁作用,让机器人具备人的视角去理解周围的环境、自主识别、推理和完成指定任务。重点从语义地图、语义定位和语义知识表示三个方面分析和总结语义信息在自主移动机器人导航过程中的应用,同时展望了语义信息在自主移动机器人导航应用中的发展趋势。

针对在未知的室内环境，其不可预知性或不确定性给家用服务机器人实时环境感知和定位带来了巨大的问题，直接影响到机器人导航的效果。移动机器人不仅要完成避开附近的移动障碍物，而且要进行局部规划或局部路径修正。将自主移动机器人其功能研发分为如下：理解自己的状态和外部环境信息，从而实现实时运动控制决策，避障，找到最优路径；在栅格地图表征环境，采用Wavefront方法进行路径规划自主移动和轨迹跟踪。对服务机器人导航与路径规划技术研究对于提高智能服务机器人的技术水平，促进智能机器人产业的发展是非常重要的。