自主式移动机器人导航研究现状及其相关技术

包容式体系结构是麻省理工学院的R. B rook s 提出的, 它模拟了动物反应式行为的特点, 采用“感 知—动作”结构。包容式体系结构具有以下特点: ①按“任务—行为”分类, 可把系统分解为若干子系 统, 每个子系统不是某个技术功能模块, 而是能独立 产生动作行为的系统。②每个行为子系统都能直接 接收传感信号, 也可直接产生行为动作。③各个子系 统平等工作, 由一个协调机制负责集成, 进而产生总 体的行为。包容式体系结构强调了单元的独立、并行 工作, 缺少全局的指导和协调, 对于长远的全局性的 目标跟踪缺少主动性, 目的性较差。

分布式人工智能体系结构由多个智能体组成, 每个智能体都是一个自治或半自治系统, 智能体之 间以及智能体与环境之间并行工作, 需要进行交互。 自主式系统中的分布式人工智能结构主要采用多智 能体系统(MA S) 的形式, 由于MA S 每个智能体有 一定的独立功能, 而且智能体之间的结构关系是可 动态调整的, 因此当它们组成一个紧耦合的单个机 器人体系结构时, 即可产生一般分层递阶式或包容 式结构难以达到的灵活性和智能性, 这种结构具有 自适应、自组织和良好的协调性能, 可以通过协调方 式完成繁杂的整体操作。

文献[ 8 ]对比了传统的基于认知的人工智能模 型的体系结构和R. B rook s 的包容式体系结构, 提 出了一种综合二者优点的体系结构, 并在其中融入 了进化控制的思想, 提出了基于功能ö行为集成的进 化体系结构, 将其应用于移动机器人的控制取得较 好效果。机器人足球与足球机器人是近几年在国际上迅速开展起来的极富挑战性的高科技密集型的对 抗活动, 是人工智能的全面体现, 其中MA S 在这一 领域得到了越来越广泛的关注, 并已在实践中有所 应用。文献[9 ]详细论述了国际上几个较强代表队的 对比, 以及MA S 在足球机器人领域中的应用。

2.1.2 图像技术与图像工程

视觉导航技术的发展得益于近年来图像技术的 长足发展。图像技术在广义上是各种与图像有关的 技术的总称, 目前人们主要研究的是数字图像, 主要 应用的是计算机图像技术。“图像工程”这一概念的 提出为图像技术研究中出现的新理论、新方法、新算 法提供了一个整体框架。根据抽象程度的不同可将 图像工程分为3 个层次: 图像处理、图像分析和图像 理解。图像处理着重强调在图像之间进行变换, 泛指 各种图像技术, 如: 图像变换、图像增强、图像压缩编 码等。图像分析主要是对图像中感兴趣的目标进行 检测和测量, 建立对图像的描述, 如: 图像分割, 边缘 检测, 目标表达、描述、测量等。图像理解的重点是在 图像分析的基础上得出对图像内容含义的理解以及 对原来客观场景的解释, 从而指示和规划行动, 如: 图像解释、推理等[ 10 ]。

在移动机器人视觉导航中利用图像处理技术对 图像进行加工, 改善了图像的视觉效果并为自动识 别打下基础; 对图像进行压缩编码, 节省了存储空间 和传输时间, 提高了导航系统的实时性。利用图像分 析中的图像分割和边缘检测, 可将机器人所处的环 境分成自由活动区和障碍区。经过对图像的分割和 特征提取形成了对机器人工作环境的描述, 再对从 该描述中抽象出来的符号进行运算, 在机器人所处 环境中的自由活动区找出连通域, 为机器人的高层 决策——路径规划打下基础。

在实际应用中, 可从图像中提取直线形式的道 路边界, 并通过将探测到的道路信息与机器人内部 存储的地图相对照, 修正偏差, 实现室外导航; 在室 内环境中从图像中提取墙壁等直线信息, 通过对墙 的跟踪实现跟踪行走, 也可通过到多个墙壁的距离 的计算来实现自身的定位。由于仅通过单幅图像信 息来判断障碍物的距离和速度不够准确, 在实际应 用中可使用多个摄像机, 或利用一个摄像机的多幅 连续图像序列来计算目标的距离和速度。

2.1.3 神经网络与模糊控制

神经网络具有很强的适应复杂环境和多目标控 制要求的自学习能力, 并具有以任意精度逼近任意 非线性函数的特点。神经网络可与其他控制方法(专 家系统、模糊控制等) 相结合, 为其提供非参数化的 对象模型、推理模型等。神经网络又能构成智能控制 系统, 使系统能识别环境, 并对各种信息进行融合, 能对所获得的信息和所要达到的目标分析处理, 并 作出决策。神经网络还可用于对系统的故障诊断和 容错控制[ 11 ]。