<menuitem id="3fdxt"></menuitem>

<var id="3fdxt"></var><cite id="3fdxt"><i id="3fdxt"><address id="3fdxt"></address></i></cite>
<address id="3fdxt"><ins id="3fdxt"><ruby id="3fdxt"></ruby></ins></address>
<var id="3fdxt"></var>
<progress id="3fdxt"></progress>
<th id="3fdxt"></th><var id="3fdxt"></var>
<cite id="3fdxt"><span id="3fdxt"><address id="3fdxt"></address></span></cite>
<menuitem id="3fdxt"><span id="3fdxt"></span></menuitem>
<progress id="3fdxt"></progress>
<cite id="3fdxt"><span id="3fdxt"></span></cite>
广告合作等您加入0571-87759920

企讯案例专题专栏评测焦点市场时事访谈智慧家居

从传感器到算法原理 机器人避障还存在哪些问题

技术交流2018年09月30日 09:28来源 机器人网
避障是指移动机器人在行走过程中通过传感器感知到在其规划路线上存在静态或动态障碍物时按照 一定的算法实时更新路径绕过障碍物后达到目标点
 
避障常用哪些传感器
 
?#36824;?#26159;要进行导航规划还是避障感知周边环境信息是步就避障来说移动机器人需要通过传感器 实时获取自身周围障碍物信息包括尺寸形状和位置等信息避障使用的传感器多种多样各有不同的原理和特点目前常见的主要有视觉传感器激光传感器红外传感器超声波传感器等下面我简单介绍一下这几种传感器的基本工作原理
 
超声波
 
超声波传感器的基本原理是测量超声波的飞行时间通过d=vt/2测量距离其中d是距离v是声速t是 飞行时间由于超声波在空气中的速度与温湿度有关在比较的测量中需把温湿度的变化和其它因素考虑进去
 
上面这个图就是超声波传感器信号的一个示意通过压电或静电变送器产生一个频率在几十kHz的超声波脉冲组成波包系统检测高于某阈值的反向声波检测到后使用测量到的飞行时间计算距离超声波传感器一般作用距离较短普通的?#34892;?#25506;测距离都在几米但是会有一个几十毫米左?#19994;?#23567;探测盲区由于超声传感器的成本低实现方法简单技术成熟是移动机器人中常用的传感器超声波传感器也有一些缺点首先看下面这个图
 
因为声音是锥形传播的所以我们实际测到的距离并不是 一个点而是某个锥形角度范围内近物体的距离
 
另外超声波的测量周期较长比如3米左?#19994;?#29289;体声波传输这么远的距离需要约20ms的时间再者不同材料对声波的反射或者吸引是不相同的还有多个超声传感器之间有可能会互相干扰这都是实?#35270;?#29992;的过程?#34892;?#35201;考虑的
 
红外
 
一般的红外测距都是采用三角测距的原理红外发射器按?#25214;?#23450;角度发射红外光束遇到物体之后光会反向回来检测到反射光之后通过结构上的几?#31283;?#35282;关系就可以计算出物体距离D
 
当D的距离足够近的时候上图中L值会相当大如果超过CCD的探测范围这时虽然物体很近但是传感器反而看不到了当物体距离D很大时L值就会很小测量量精度会变差因此常见的红外传感器 测量距离都比较近小于超声波同时远距离测量也?#34892;?#36317;离的限制另外对于透明的或者近似黑体的物体红外传感器是无法检测距离的但相对于超声来说红外传感器具有更高的带宽
 
激光
 
常见的激光雷达是基于飞行时间的(ToFtime of flight)通过测量激光的飞行时间来进行测距d=ct/2类似于前面提到的超声测距公式其中d是距离c是光速t是从发射到接收的时间间隔激光雷达包括发射器和接收器 发射器用激光照射目标接收器接收反向回的光波机械式的激光雷达包括一个带有镜子的机械机构镜子的旋转使得光束可以覆盖 一个平面这样我们就可以测量到一个平面上的距离信息
 
对飞行时间的测量也有不同的方法比如使用脉冲激光然后类似前面讲的超声方案直接测?#31354;加?#30340;时间但因为光速远高于声速需要非常高精度的时间测量元件所以非常昂贵;另一种发射调频后的连续激光波通过测量接收到的反射波之间的差频来测量时间
 
?#23478;?br /> 
图二
 
比较简单的方案是测量反射光的相移传感器以已知的频率发射一定幅度的调制光并测量发射和反向信号之间的相移如上?#23478;?#35843;制信号的波长为lamda=c/f其中c是光速f是调制频率测量到发射和反射光束之间的相移差theta之后距离可由lamda*theta/4pi计算得到如上图二
 
激光雷达的测量距离可?#28304;?#21040;几十米甚至上百米角度?#30452;?#29575;高通常可?#28304;?#21040;零点几度测距的精度也高但测量距离的置信度会反比于接收信号幅度的平方因此黑体或者远距离的物体距离测量不会像光亮的近距离的物体那么好的估计并且对于透明材料比如玻璃激光雷达就无能为力了还有由于结构的复杂器件成本高激光雷达的成本也很高
 
一些低端的激光雷达会采用三角测距的方案进行测距但这时它们的量程会受到限制一般几米以内并且精度相对低一些但用于室内低速环境的SLAM或者在室外环境只用于避障的话效果还是不错的
 
视觉
 
常用的计算机视觉方案也有很多种 比如双目视觉基于TOF的深度相机基于结构光的深度相机等深度相机可以同时获得RGB图和深度图?#36824;?#26159;基于TOF还是结构光在室外强光环境下效果都并不太理想因为它们都是需要主动发光的像基于结构光的深度相机发射出的光会生?#19978;?#23545;随机但又固定的斑点图样这些光斑打在物体上后因为与摄像头距离不同被摄像头捕捉到的位置也不相同之后先计算拍到的图的斑点与标定的标准图案在不同位置的偏移利用摄像头位置传感器大小等?#38382;?#23601;可以计算出物体与摄像头的距离而我们目前的E巡机器人主要是工作在室外环?#24120;?#20027;动光源会受到太阳光等条件的很大影响所以双目视觉这种被动视觉方案更适合因此我们采用的视觉方案是基于双目视觉的
 
双目视觉的测距本质上也是三角测距法由于两个摄像头的位置不同就像我们人的两只眼睛一样看到的物体不一样两个摄像头看到的同一个点P在?#19978;?#30340;时候会有不同的像素位置此时通过三角测距就可以测出这个点的距离与结构光方法不同的是结构光计算的点是主动发出的已知确定的而双目算法计算的点一般是利用算法抓取到的图像特征如SIFT或SURF特征等这样通过特征计算出来的是稀疏图
 
要做良好的避障稀疏图还是不太够的我们需要获得的是稠密的点云图整个场景的深度信息稠密匹配的算法大致可以分为两类局部算法和全局算法局部算法使用像素局部的信息来计算其深度而全局算法采用图像中的所?#34892;?#24687;进行计算一般来说局部算法的速度更快但全局算法的精度更高
 
这两类各有很多种不同方式的具体算法实现能过它们的输出我们可以估算出整个场景中的深度信息这个深度信息可以帮助我们寻?#19994;?#22270;场景中的可行走区域以及障碍物整个的输出类似于激光雷达输出的3D点云图但是相比来讲得到信息会更丰富视觉同激光相比优点是价格低很多缺点也比较明显测量精度要差 一些对计算能力的要求也高很多?#27604;?#36825;个精度差是相对的在实用的过程中是完全足够的并且我们目前的算法在我们的平台NVIDIA TK1和TX1上是可以做到实时运行
 
KITTI采集的图
 
实际输出的深度图不同的颜色代表不同的距离
 
在实?#35270;?#29992;的过程中我们从摄像?#33539;?#21462;到的是连续的视频帧流我们还可以通过这些帧来估计场景中 目标物体的运动给它们建立运动模型估计和预测它们的运动方向运动速度这对我们实际行走避障规划是很有用的
 
以上几种是常见的几种传感器 各有其优点和缺点在真正实?#35270;?#29992;的过程中一般是综合配置使用多种不同的传感器 ?#28304;?#21270;保证在各种不同的应用和环?#31243;?#20214;下机器人都能正确感知到障碍物信息我们公司的E巡机器人的避障方案就是以双目视觉为主再辅助以多种其他传感器保证机器人周边360度空间立体范围内的障碍物都能被?#34892;?#20390;测到保证机器人行走的安全性
 
避障常用算法原理
 
在讲避障算法之前我们假定机器人已经有了一个导航规划算法对自己的运动进行规划并按?#23637;?#21010;的路径行走避障算法的任务就是在机器人执行正常行走任务的时候由于传感器的输入感知到了障碍物的存在实时地更新目标轨迹绕过障碍物
 
Bug算法知乎用户无方表示
 
Bug算法应该是简单的一种避障算法了它的基本思想是在发现障碍后围着检测到的障碍物轮廓行走从而绕开它Bug算法目前有很多变种 比如Bug1算法机器人首先完全地围绕物体然后从距目标短距离的点离开Bug1算法的效率很低但可以保证机器人达到目标
 
Bug1算法示例
 
改进后的Bug2算法中机器人开始时会跟踪物体的轮廓但不会完全围绕物体一圈当机器人可以直接移动至目标时就可以直接从障碍分离这样可?#28304;?#21040;比较短的机器人行走总路径
 
Bug2算法示例
 
除此之外Bug算法还有很多其他的变种 比如正切Bug算法等等在许多简单的场景中Bug算法是实现起来比较容易和方便的但是它们并没有考虑到机器人的动力学等限制因此在更复杂的实际环境中就不是那么可靠好用了
 
势场法(PFM)
 
实际上势场法不仅仅可以用来避障还可以用来进行路径的规划势场法把机器人处理在势场下的 一个点随着势场而移动目标表现为低谷值即对机器人的吸引力而障碍物扮演的势场中的一个高峰即斥力所有这些力迭加于机器人身上?#20132;?#22320;引导机器人走向目标同时避免碰撞已知的障碍物当机器人移动过程中检测新的障碍物则需要更新势场并重新规划
 
上面这个图是势场比较典型的示例图上的图a左上角是出发点右下角是目标点中间三个方块是障碍物中间的图b就是等势位图图中的每条连续的线就代表了一个等势位的一条线然后虚线表示的在整个势场里面所规划出来的一条路径我们的机器人是沿着势场所指向?#21738;?#20010;方向一直行走可以看见它会绕过这个比较高的障碍物下面的图即我们整个目标的吸引力还有我们所有障碍物产生的斥力终形成的一个势场效果图可以看到机器人从左上角的出发点出发一路沿着势场下降的方向达到终?#21738;?#26631;点而每个障碍物势场表现出在很高的平台所以它规划出来的路径是不会从这个障碍物上面走的
 
一种扩展的方法在基本的势场上附加了了另外两个势场转运势场和任务势场它们额外考虑了由于机器人本身运动方向运动速度等状态和障碍物之间的相互影响
 
转动势场考虑了障碍与机器人的相对方位当机器人朝着障碍物行走时增加斥力 而当平行于物体行走时因为很明显并不会撞到障碍物则减小斥力任务势场则排除了那些根据当前机器人速度不会对近期势能造成影响的障碍因此?#24066;?#35268;划出 一条更为?#20132;?#30340;轨迹
 
另外还?#34892;?#27874;势场法等其他改进方法势场法在理论上有诸多局限性 比如局部小点问题或者震荡性的问题但实?#35270;?#29992;过程?#34892;?#26524;还是不错的实现起来也比较容易
 
向量场直方图(VFH)
 
它执行过程中针对移动机器人当前周边环境创建了一个基于极坐标表示的局部地图这个局部使用栅格图的表示方法会被近的一些传感器数据所更新VFH算法产生的极坐标直方图如图所示
 


 

图中x轴是以机器人为?#34892;?#24863;知到的障碍物的角度y轴表示在该方向存在障碍物的概率大小p实?#35270;?#29992;的过程中会根据这个直方图首?#32570;?#35782;出?#24066;?#26426;器人通过的足够大的所有?#38556;?#28982;后对所有这些?#38556;?#35745;算其代价函数终选择具有低代价函数的通路通过
 
代价函数受三个因素影响 目标方向机器人当前方向之前选择的方向终生成的代价是这三个因素的加权值通过调节不同的权重可以调整机器人的选择偏好VFH算法也有其他的扩展和改进比如在VFH+算法中就考虑了机器人运动学的限制由于实?#23454;撞?#36816;动结构的不同机器的实际运动能力是受限的比如汽?#21040;?#26500;就不能随心所欲地原地转向等VFH+算法会考虑障碍物对机器人实际运动能力下轨迹的阻挡效应屏蔽掉那些虽然没有被障碍物占据但由于其阻?#24425;导?#26080;法达到的运动轨迹我们的E巡机器人采用的是两轮差动驱动的运动?#38382;?#36816;动非常灵活实?#35270;?#29992;较少受到这些因素的影响
 
具体可以看 一下这个图示
 


 

类似这样传统的避障方法还有很多除此之外还?#34892;?#22810;其他的智能避障技术比如神经网络模糊逻辑等
 
神经网络方法对机器人从初始位置到目标位置的整个行走路径进行训?#26041;?#27169;应用的时候神经网络的输入为之前机器人的位姿和速度以及传感器的输 入输出期望的下一目标或运动方向
 
模糊逻辑方法核心是模糊控制器需要将专?#19994;?#30693;识或操作人员的经验写成多条模糊逻辑语句?#28304;?#25511;制机器人的避障过程 比如这样?#21738;?#31946;逻辑条若右前方较远处检测到障碍物则稍向左转;第 二条若右前方较近处检测到障碍物则减速并向左转更多角度;等等
 
避障过程中存在哪些问题
 
传感器失效
 
从原理上来讲没有哪个传感器是的比方说机器人面前是一块完全透明的玻璃那么采用红外激光雷达或视觉的方案就可能因为这个光线直接穿过玻璃导?#24405;?#27979;失败这时候就需要超声波这样的传感器来进行障碍物的侦测所以我们在真正应用的过程中肯定都需要采取多种传感器的结合对不同传感器采集到的数据进行一个交叉验证以及信息的融合保证机器人能够稳定可靠的工作
 
除此之外也有其他模式可能导致传感器失效比如超声波测距一般需要超声阵列而阵列之间的传感器如果同时工作的话会容易互相产生干扰传感器A发射的光波反射回来被传感器B接收导致测量结果出现错误但是如果按照顺序一个个工作由于超声波传感器采样的周期相对比较长会减慢整个采集的速度对实时避障造成影响这就要求从硬件的结构到算法都必须设计好尽可能提高采样速度减少传感器之间的串扰
 
还有比如说机器人如果需要运动的话一般都需要电机和驱动器它们在工作过程中都会产生电容兼容性的问题有可能会导致传感器采集出现错误尤其是模拟的传感器所以在实现过程中要把电机驱动器等设备传感器的采集部分以及电源通信部?#30452;指?#31163;保证整个系统是能够正常工作的
 
算法设计
 
在刚刚提到的几个算法很多在设?#39057;?#26102;候都并没有完善考虑到整个移动机器人本身运动学模型和动力学模型这样的算法规划出来的轨迹有可能在运动学上是实现不了的有可能在运动学上可以实现但是控制起来非常困难比如刚刚提到的如果一台机器人的?#30528;?#26159;汽车的结构就不能随心所欲地原地转向或者哪怕这个机器人是可以原地转向但是如果一下子做一个很大的机动的话我们的整个电机是执行不出来的所以在设?#39057;?#26102;候就要优化好机器人本身的结构和控制设计避障方案的时候也要考虑到可行性的问题
 
然后在整个算法的架构设?#39057;?#26102;候我们要考虑到为了避让或者是避免伤人或者伤了机器人本身在执行工作的时候避障是优先级比较高的任务甚至是zui高的任务并且自身运行的优先级zui高对机器人的控制优先级也要zui高同时这个算法实现起来速度要足够快这样才能满足我们实时性的要求
 
总之在我看来避障在某种程度上可以看做机器人在自主导航规划的一种特殊情况相?#26085;?#20307;全局的导航它对实时性和可靠性的要求更高一些然后局部性和动态性是它的一个特点这是我们在设计整个机器人硬件软件架构时一定要注意的
 
读者提问
 
多机协同的避障策略有哪些?
 
多机协同避障策略在整个SLAM方向上都还是一个在钻研的热点领域单纯就避障来说目前的方案是当有两个或多个机器人协同工作的时候每个机器人会在一个局部各自维护一个相对的动态地图所有机器人共享一个相对静态的地图而对于单个机器人来说它们会各自维护一个更加动态的地图这样当两个机器人接近一个位置时它们会将它们维护的动态地图合并起来
 
这样子有什么好处呢比如视觉只能看到前方一个方向这时候跟后面机器人的动态地图合并之后就能看到前后整个局部的动态信息然后完成避障
 
多机协同的关键在于两个局部地图之间的分享就是它们?#30452;?#22312;整个相对静态的全?#20540;?#22270;上是有一小块一个窗口的位置到这两个窗口可能融合的话会把它们融合在一起同时去指导两个机器人的避障在具体实现过程中也要考虑整个信息传输的问题如果是自己本身的局部地图由于都是本机的运算速度一般都比较快如果是两个机器人协作的话就要考虑到传输的延时以?#25353;?#23485;的问题
 
避障有无标准的测试标准和指标?
 
目前就我所了解?#21040;?#24182;没有什么统一的测试标准和指标我们目?#23433;?#35797;的时候会考虑这些指标比如在单个障碍物或是多个障碍物障碍物是静态的或动态的情况下避障效果如何以及实际规划出的路径度如何还有这个轨迹是否?#20132;?#31526;合我们观感的效果
 
?#27604;?#36825;个重要的指标我觉得应该避障是否失败就是成功率的问题要保证这个避障?#36824;?#26159;碰到静态的或者是动态的物体然后那个物体?#36824;?#26159;什么材质比如?#31561;?#26524;是动态的人我们穿什么样的?#36335;?#20250;不会对整个避障功能造成影响另外就是不同的环境又会有什么样的影响比如光线充足或暗淡对于避障来说成功率才是为关键的
@安防展览网AFzhan

扫一扫官方微博互动多

微信号AFzhan

扫一扫安防讯息尽收眼底

点击这里给我发消息 全年征稿 / 资讯合作 联系邮箱[email protected]


  • 凡本网注明"来源安防展览网"的所有作品版权均属于安防展览网转载请必须注明
    安防展览网违反者本网将追究相关法?#31245;?#20219;
  • 企业发布的公司新闻技术文章资料下载等内容如涉及侵权违规遭?#31471;?#30340;一律由发布企业
    自行?#26800;?#36131;任本网有权?#22659;?#20869;容并追溯责任
  • 本网转载并注明自其它来源的作品目的在于传递更多信息并不代表本网赞同其观点或证实其内
    容的真实性不?#26800;?#27492;类作品侵权行为的直接责任及连带责任其他媒体网站或个人从本网转载时
    必须保留本网注明的作?#38450;?#28304;并自负版权等法?#31245;?#20219;
  • 如涉及作品内容版权等问题请在作品发表之日起一周内与本网联系否则视为?#29260;?#30456;关权利

免费注册后你可以
了解安防行业更多资讯
查看安防行业供求信息
凸显安防行业自身价值

马上注册会员

想快速被买家找到吗
只需要发?#23478;?#26465;商机
被买家找到的机会高达
90%还等什么

马上发布信息

编辑精选

更多

高端访谈

更多
  • 艾礼安防盗报警产品发展现?#20174;?#36235;势
  • 安防行业探索者 17载风云人生的精彩演绎
  • 海?#20302;?#35270;王星全方位保障数据安全 从用户落地人工智能
  • 熙菱信息王继能AI实?#25509;?#29992; 警务合作有保障
  • 专访建投数据王克宝?#28304;?#25968;据管理平台为?#34892;?加快人工智能落地应用
  • 大华股份许焰HOC 体系化布局人工智能大数据产业
  • 监狱特辑零距离接触高墙内声音
  • 刘双广车联网深度布局 谋差异化突围
  • 力安科技董事长?#25381;?#28059;做智慧消防领路人
  • 电子期刊

    更多

    专题推荐

    更多

    返回首页
    ţͼƬ
    <menuitem id="3fdxt"></menuitem>

    <var id="3fdxt"></var><cite id="3fdxt"><i id="3fdxt"><address id="3fdxt"></address></i></cite>
    <address id="3fdxt"><ins id="3fdxt"><ruby id="3fdxt"></ruby></ins></address>
    <var id="3fdxt"></var>
    <progress id="3fdxt"></progress>
    <th id="3fdxt"></th><var id="3fdxt"></var>
    <cite id="3fdxt"><span id="3fdxt"><address id="3fdxt"></address></span></cite>
    <menuitem id="3fdxt"><span id="3fdxt"></span></menuitem>
    <progress id="3fdxt"></progress>
    <cite id="3fdxt"><span id="3fdxt"></span></cite>
    <menuitem id="3fdxt"></menuitem>

    <var id="3fdxt"></var><cite id="3fdxt"><i id="3fdxt"><address id="3fdxt"></address></i></cite>
    <address id="3fdxt"><ins id="3fdxt"><ruby id="3fdxt"></ruby></ins></address>
    <var id="3fdxt"></var>
    <progress id="3fdxt"></progress>
    <th id="3fdxt"></th><var id="3fdxt"></var>
    <cite id="3fdxt"><span id="3fdxt"><address id="3fdxt"></address></span></cite>
    <menuitem id="3fdxt"><span id="3fdxt"></span></menuitem>
    <progress id="3fdxt"></progress>
    <cite id="3fdxt"><span id="3fdxt"></span></cite>