《AGV机器人常用传感器及相关技术.docx》由会员分享，可在线阅读，更多相关《AGV机器人常用传感器及相关技术.docx（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、AGV机器人常用传感器及相关技术网络导语：挪动机器人智能的一个重要标志就是自主导航，而实现机器人自主导航有个根本要求避障。下面让我们来理解一下挪动机器人的避障，避障是指挪动机器人根据收集的障碍物的状态信息，在行走经过中通过传感器感悟到阻碍其通行的静态和动态物体时，按照一定的方法进展有效地避障，最后到达目的点。挪动机器人是机器人的重要研究领域，人们很早就开场挪动机器人的研究。世界上第一台真正意义上的挪动机器人是斯坦福研究院SRI的人工智能中心于1966年到1972年研制的，名叫Shakey，它装备了电视摄像.挪动机器人智能的一个重要标志就是自主导航，而实现机器人自主导航有个根本要求避障。下面让我
2、们来理解一下挪动机器人的避障，避障是指挪动机器人根据收集的障碍物的状态信息，在行走经过中通过传感器感悟到阻碍其通行的静态和动态物体时，按照一定的方法进展有效地避障，最后到达目的点。实现避障与导航的必要条件是环境感悟，在未知或是局部未知的环境下避障需要通过传感器获取四周环境信息，包括障碍物的尺寸、外形和位置等信息，因此传感器技术在挪动机器人避障中起着特别重要的作用。避障使用的传感器主要有超声传感器、视觉传感器、红外传感器、激光传感器等。挪动机器人避障常用的传感器1、激光传感器激光测距传感器利用激光来测量到被测物体的间隔或被测物体的位移等参数。比拟常用的测距方法是由脉冲激光器发出持续时间极短的脉冲
3、激光，经过待测间隔后射到被测目的，回波返回，由光电探测器接收。根据主波信号和回波信号之间的间隔，即激光脉冲从激光器到被测目的之间的往返时间，就可以算出待测目的的间隔。由于光速很快，使得在测小间隔光阴束往返时间极短，因此这种方法不合适测量精度要求很高的亚毫米级别间隔，一般假设要求精度非常高，常用三角法、相位法等方法测量。2、视觉传感器视觉传感器的优点是探测范围广、获取信息丰富，实际应用中常使用多个视觉传感器或与其它传感器配合使用，通过一定的算法可以得到物体的外形、间隔、速度等众多信息。或者是利用一个摄像机的序列图像来计算目的的间隔和速度，还可采用SSD算法，根据一个镜头的运动图像来计算机器人与目
4、的的相对位移。但在图像处理中，边沿锐化、特征提取等图像处理方法计算量大，实时性差，对处理机要求高。且视觉测距法检测不能检测到玻璃等透明障碍物的存在，另外受视场光线强弱、烟雾的影响很大。3、红外传感器大多数红外传感器测距都是基于三角测量原理。红外发射器按照一定的角度发射红外光束，当碰到物体以后，光束会反射回来，如下图。反射回来的红外光线被CCD检测器检测到以后，会获得一个偏移值L，利用三角关系，在知道了发射角度，偏移距L，中心矩X，以及滤镜的焦距f以后，传感器到物体的间隔D就可以通过几何关系计算出来了。红外传感器的优点是不受可见光影响，白天黑夜均可测量，角度灵敏度高、构造简单、价格较廉价，可以快
5、速感悟物体的存在，但测量时受环境影响很大，物体的颜色、方向、四周的光线都能导致测量误差，测量不够准确。4、超声波传感器超生波传感器检测间隔原理是测出发出超声波至再检测到发出的超声波的时间差，同时根据声速计算出物体的间隔。由于超声波在空气中的速度与温湿度有关，在比拟准确的测量中，需把温湿度的变化和其它因素考虑进去。超声波传感器一般作用间隔较短，普通的有效探测间隔都在5-10m之间，但是会有一个最小探测盲区，一般在几十毫米。由于超声传感器的本钱低，实现方法简单，技术成熟，是挪动机器人中常用的传感器。机器人避障技术的分类目前挪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、障碍物信息局部
6、未知或者完全未知两种。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障碍是可挪动的时候，传统的导航方法一般不能很好的解决避障问题或根本不能避障。而实际生活中，绝大多数的情况下，机器人所处的环境都是动态的、可变的、未知的，为理解决上述问题，人们引入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才能的进步及传感器技术的开展，在挪动机器人的平台上进展一些复杂算法的运算也变得轻松，由此产生了一系列智能避障方法，比拟热门的有：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genet
7、icalgorithm，简称GA是计算数学中用于解决最正确化的搜索算法，是进化算法的一种。进化算法是借鉴了进化生物学中的遗传、突变、自然选择以及杂交等现象而开展起来的。遗传算法采用从自然进化中抽象出来的几个算子对参数编码的字符串进展遗传操纵，包括复制或者选择算子ReproductionorSelect、穿插算子Crossover、变异算子Mutation。遗传算法的主要优点是：采用群体方式对目的函数空间进展多线索的并行搜索，不会陷入部分极小点；只需要可行解目的函数的值，而不需要其他信息，对目的函数的连续性、可微性没有要求，使用方便；解的选择和产生用概率方式，因此具有较强的适应才能和鲁棒性。2、
8、基于神经网络算法的机器人避障方法：神经网络neuralnetwork，缩写NN，是一种模拟生物神经网络的构造和功能的数学模型或者计算模型。神经网络由大量的人工神经元联结进展计算。大多数情况下人工神经网络能在外界信息的根底上改变内部构造，是一种自适应系统。人工神经网络通常通过一个基于数学统计学类型的学习方法优化，是一种非线性统计性数据建模工具，可以对输入和输出间复杂的关系进展建模。传统的神经网络途径规划方法往往是建立一个关于机器人从初始位置到目的位置行走途径的神经网络模型，模型输入是传感器信息和机器人前一位置或前一位置的运动方向，通过对模型训练输出机器人下一位置或下一位置的运动方向。可以建立基于
9、动态神经网络的机器人避障算法，动态神经网络可以根据机器人环境状态的复杂程度自动地调整其构造，实时地实现机器人的状态与其避障动作之间的映射关系，能有效地减轻机器人的运算压力。还有研究通过使用神经网络避障的同时与混合智能系统HIS相连接，可以使挪动机器人的认知决策避障才能和人相近。3、基于模糊控制的机器人避障算法模糊控制fuzzycontrol是一类应用模糊集公道论的控制方法，它没有像经典控制理论那样把实际情况加以简化进而建立起数学模型，而是通过人的经历和决策进展相应的模糊逻辑推理，并且用具有模糊性的语言来描绘整个时变的控制经过。对于挪动机器人避障用经典控制理论建立起的数学模型将会非常粗糙，而模糊
10、控制那么把经典控制中被简化的局部也综合起来加以考虑。对于挪动机器人避障的模糊控制而言，其关键问题就是要建立适宜的模糊控制器，模糊控制器主要完成障碍物间隔值的模糊化、避障模糊关系的运算、模糊决策以及避障决策结果的非模糊化处理准确化等重要经过，以此来智能地控制挪动机器人的避障行为。利用模糊控制理论还可将专家知识或者操纵人员经历形成的语言规那么直接转化为自动控制策略。通常使用模糊规那么查询表，用语言知识模型来设计和修正控制算法。除此之外还有启发式搜索算法、基于行为的途径规划算法、基于再鼓励学习的途径规划算法等避障算法，也都在挪动机器人的避障研究中获得了很好的成果。随着计算机技术、传感器技术、人工智能的开展，挪动机器的避障及自主导航技术已经获得了丰富的研究成果，应用领域也在不断地扩大，应用复杂程度也越来越高。挪动机器人的自主寻路要求已经从之前简单的功能实现提升到可靠性、通用性、高效率上来，因此对其相关技术提出了更高的要求。然而至今没有任何一种方法可以在任意环境使机器人进展有效地避障，怎样克制相关算法的局限性是今后工作的研究方向之一。可以看出不管是传统算法还是新兴的智能算法都有其适用与不适用的环境，通过传统算法与智能算法及智能算法之间的互相交融，克制单个算法的缺陷，增强整体的适用性，如今已经有很多这方面的研究，以后仍将是研究热门之一。