移动机器人的定位PPT课件

第四页，共19页。
路径(lùj或由直线段
序列组成 • 路径平滑：依据机器人运动学或动力学约
束形成机器人可跟踪执行的运动轨迹 • 如果(rúguǒ)考虑机器人运动学约束，则路
径轨迹的一阶导数应连续 • 如果(rúguǒ)考虑动力学约束，则路径轨迹
的二阶导数应连续
第五页，共19页。
路径(lùjìng)规划
• 基于地图(dìtú)的全局路径规划 • 环境已知的离线全局路径规划 • 环境未知的在线规划 • 基于进化算法 • 基于广义预测控制 • 基于传感器的局部路径规划 • 增量式构造当前可视区域路径图的规划方
法 • 基于近似单元分解的局部路径规划方法 • 基于微分平坦系统理论的运动规划方法
Brooks R, Robis A. Layered Control System for a Mobile Robot. IEEE Trans on Robotics & Automation. 1986, 2(1):14-23
第二页，共19页。
路径(lùjìng)规划
• 以C表示机器人的位形空间，以F表示无碰 撞的自由位形空间。给定机器人初始位形 qinit和目标位形qgoal，在F中寻找一条连接 这两点的连续曲线，满足某些性能指标， 如路径最短、行走时间最短、工作 (gōngzuò)代价最小等。
• Dijkstra算法：通过枚举求解两点间距离最 短
• A*算法：通过代价评估加快搜索(sōu suǒ)
• 梯度法：由起点到目标点距离下降最大梯 度方向搜索(sōu suǒ)，不能保证全局最短， 可能陷入局部最小点
• 距离变换法：逆向的梯度法，保证全局最 短，但搜索(sōu suǒ)效率随栅格和障碍物
• 衍生算法：退火遗传算法、改进遗传算子等

（3）无地图的导航：是在环境信息完全未知的情况下，可 通过摄像机或其他传感器对周围环境进行探测，利用对探测
的物体进行识别或跟踪来实现导航。
4．卫星导航
移动机器人通过安装卫星信号接收装置，可以实现自身定
位，无论其在室内还是室外。
精选
5
7.1.2 导航系统体系结构
智能机器人的导航系统是一个自主式智能系统，其主要任 务是如何把感知、规划、决策和行动等模块有机地结合起来。 下图给出了一种智能机器人自主导航系统的控制结构。
对于不同的室内与室外环境、结构化与非结构化环境，机 器人完成准确的自身定位后，常用的导航方式主要有磁导航、 惯性导航、视觉导航、卫星导航等。
1. 磁导航 磁导航是在路径上连续埋设多条引导电缆，分别流过不同 频率的电流，通过感应线圈对电流的检测来感知路径信息。
2. 惯性导航 惯性导航是利用陀螺仪和加速度计等惯性传感器测量移动 机器人的方位角和加速率，从而推知机 going？”—— 目标识别；
（3）“How do I get there？”——路径规划。
为完成导航，机器人需要依靠自身传感系统对内部姿态和
外部环境信息进行感知，通过对环境空间信息的存储、识别、
搜索等操作寻找最优或近似最优的无碰撞路径并实现安全运
动。
精选
3
7.1.1 导航系统分类
相对定位只适于短时短距离运动的位姿估计，长时间运动 时必须应用其它的传感器配合相关的定位算法进行校正。
精选
15
1. 里程计法
里程计法是移动机器人定位技术中广泛采用的方法之一。 在移动机器人的车轮上安装光电编码器，通过编码器记录的 车轮转动圈数来计算机器人的位移和偏转角度。
里程计法定位过程中会产生两种误差。

(3) 数据的关联； (为了获得全局的环境地图和实现定位，还需要将不同时间、不同地 点的
感知信息进行匹配和联合，存在局部数据之间的关联问题，也存在局部数据 与全局数据的关联与匹配问题) (4) 自定位；
(移动机器人的定位按照有无环境地图可以分为基于地图的定位和无地图的 定位)
(5) 探索规划 (主要目的是提高地图创建的效率，使机器人在较短的时间内感知范围覆
·环境特征不够明显时； ·传感器信息比较少，难以从一次感知信息中获得环境特征。
不确定信息的描述和处理方法
在未知环境中，环境信息的不确定性尤为明显。研究人员已经提出了 多种用来处理不确定性的度量方法，如模糊度量、概率度量、信任度量、 可能性度量、证据理论度量等等。目前在SLAM中使用较多的主要是模糊 度量和概率度量的方法。
图3：路标C被观测到 （在新的位置，路标C被观测到，路标C的相对于A的位置也是一个估计值（更大的圈）
图4：路标B被观测到
图5：机器人返回到初始位置 （此时机器人的位置相对于没有移动前更加不确定，一个超大的椭圆表示了其可能的真实位置值范围）
图6：对A点的重新测量 （通过对A的重新测量，图4中的超大椭圆值被大大的缩小了，其位置真值落入了一个比较小的范围内）
说明：机器人在定位误差随着机器人的移动而增加。 说明：机器人在定位误差随着机器人的移动而增加，但是由于有了路标的纠正，其误差相对就小了很多。
说明：通过2次对路标的测定，其定位误差已经大大减少 说明：经过3次误差校正，其定位精度已经很好了，但是随着路标位置的丢失，其定位误差又一次的扩大了。
基于霍夫曼方法的SLAM的基本过程为：
①在一个未知的室内结构化环境中提出了基于栅格表示的局部模型与基于几何信息表
示的全局模型相结合的环境建模方式。环境特征的提取采用了Hough transform与Clustering 相结合的方法。感知数据的融合采用了扩展卡尔曼滤波方式。

▪ 3）具有不同程度的智能性，如记忆、感知、推理、 决策、学习。
5
眼睛是心灵的窗户，是人体中最宝贵 的感觉 器官， 可很多 孩子对 眼睛的 重要性 不重视 。在每 学期的 视力测 查中情 况都不 容乐观
1.2.2 机器人的发展历史
1920年，捷克剧作家卡雷尔·卡佩克在《罗萨姆的万能机 器人》中把捷克语“Robota”写成了“Robot”，引起了大家 的广泛关注，被当成了机器人一词的起源。
1.4 移动式机器人
19
眼睛是心灵的窗户，是人体中最宝贵 的感觉 器官， 可很多 孩子对 眼睛的 重要性 不重视 。在每 学期的 视力测 查中情 况都不 容乐观
1.5 机器人竞赛
20
眼睛是心灵的窗户，是人体中最宝贵 的感觉 器官， 可很多 孩子对 眼睛的 重要性 不重视 。在每 学期的 视力测 查中情 况都不 容乐观
机器人的组成
机器人是一个机电一体化的设备。从控制观点来看，机器 人系统可以分成四大部分：机器人执行机构、驱动装置、 控制系统、感知反馈系统。
机器人
执行机构 手腕臂腰 部部部部
（ 固基 定 或 移座 动 ）
驱动装置
电 驱 动 装 置
液 压 驱 动 装 置
气 压 驱 动 装 置
控制系统
关
节
处伺
理 器
服 控 制
可穿戴机器人
14
眼睛是心灵的窗户，是人体中最宝贵 的感觉 器官， 可很多 孩子对 眼睛的 重要性 不重视 。在每 学期的 视力测 查中情 况都不 容乐观
可重构机器人
15
眼睛是心灵的窗户，是人体中最宝贵 的感觉 器官， 可很多 孩子对 眼睛的 重要性 不重视 。在每 学期的 视力测 查中情 况都不 容乐观

3.3.2可操纵度 s
对于可操纵的标准轮，通过改变操纵角，可 间接改变机器人的姿态。
• 3.3.2 活动性的程度
活动性表示机器人在环境中直接运动的能力。 限制活动性的基本约束就是加在轮子上的滑动约 束。 滑动约束如前所示为：
在数学上， C 1 ( s ) 的零空间是空间N，使得 对任何N中的向量n， C 1 ( s ) n 0 。为了满足约 束，运动向量 R ( ) I 必须属于投影矩阵 C 1 ( s ) 的零空间。若遵守运动学约束，则机器人的运 动必定总是在该空间N内。 在几何上，利用机 器人的瞬时转动中心，可以同时说明运动学的 约束。
小结：对于小脚轮、瑞典轮和球形轮，由于其内 部的自由度，并未对机器人的运动施加实质上的 约束，即机器人可在全局参考框架下自由运动。 也就是说，只有固定标准轮和可操纵标准轮会对 机器人的运动施加约束。
3.2.4 机器人运动学约束
给定一个具有M个轮子的机器人， 假定机器 人总共有N个标准轮，由Nf个固定标准轮和Ns个 可操纵标准轮组成。βs(t)表示可操纵标准轮的可 变操纵角。βf表示固定标准轮的方向。
将上式求逆，得到特定的差动驱动机器人的运动学方程：
1 0 l 1 0 l 0 1 0
1 J2 1 R ( ) 0
I R ( )

1
1 2 0 1 2l
1 2 0 1 2l
0 J 1 2 0 0
• 瞬时转动中心 ICR （instantaneous center of rotation）
在任何给定时刻，轮子必定沿着半径为R的 某个圆瞬时的运动，使得那个圆的中心处在零运 动直线上，该中心称为瞬时转动中心。它可以位 于沿零运动直线的任何地方。

传感器动态性能还需提高，地图 存在累积误差
12
6.2 同时定位与建图
SLAM问题可以描述为： 移动机器人从一个未知的位置出发，在不断运动过程中根据自身位姿估计和传感 器对环境的感知构建增量式地图，同时利用该地图更新自己的定位。 定位与增量式建图融为一体，而不是独立的两个阶段。
13 移动机器人
6.2 同时定位与建图
移动机器人
三维正态分布曲线
6.3.2 NDT算法
6.3.2 NDT算法
移动机器人
6.3.2 NDT算法
移动机器人
6.3.2 NDT算法
相对于ICP需要剔除不合适的点对（点对距离过大、包含边界点的点对）的 缺点，NDT算法不需要消耗大量的代价计算最近邻搜索匹配点，并且概率密度函 数在两幅图像采集之间的时间可以离线计算出来；
Cartographer的核心内容是融合多传感器数据的局部子图创建以及闭环检测 中的扫描匹配。该方案的不足是没有对闭环检测结果进行验证，在几何对称的环 境中，容易引起错误的闭环。
移动机器人
6.3 基于激光雷达的定位方法
激光雷达点云数据是由一系列空间中的点组成的，属于稀疏点云。 点云处理的关键在于点云的配准，是通过点云构建完整场景的基础。 目前常用的配准方法有ICP算法和 NDT算法。 典型的基于激光雷达的定位方法主要有：Gmapping、Hector SLAM和
6.1 定位
（2）绝对定位 原理：确定移动机器人在全局参考框架下的位姿信息。 特点：不依赖于时间和初始位姿，没有累积误差问题，具有精度高、可靠性
强等特点。 采用导航信标、主动或被动标识、地图匹配、全球定位系统、超声波、激光、
卫星、WiFi、射频标签、蓝牙、超宽带、计算机视觉等定位方法，属于绝对定位 范围。

路径规划方面是一大进步。 如何更好的处理多个移动机器人的、路径规划
问题是研究者需要重点研究的问题。
移动机器人
11
7.2 全局路径规划
• 全局路径规划是指机器人在障碍环境下，按照一种或多种性能指
标（如：最短路径等），寻找一条起点到终点的最优无碰撞路径。
全局规划首先要建立环境模型，在环境模型里进行路径规划。环
划。
• 行为执行层：结合上层发送的指令以及路径规划，给出移动机器人的当前行
为。
移动机器人
10
7.1 引言
• 作为移动机器人研究的一个重点领域，移动机器人路径规划算法
的优劣很大程度上决定了机器人的工作效率。随着机器人路径规
划研究的不断深入，路径规划算法也越来越成熟，并且朝着下面
的趋势不断发展中：
• 从单一机器人移动路径规划算法向多种算法相结合的方向发展。目前的路径
资源。除栅格法外，还有构型空间法、拓扑法、Dijkstra算法、
A*算法等。下面将着重介绍一下Dijkstra算法和A*算法。
移动机器人
12
7.2 全局路径规划
• 7.2.1 Dijkstra算法
Dijkstra 算法是由荷兰计算机科学家 E.W.Dijkstra 于 1956 年提出。
Dijkstra 算法是一种贪心算法，使用宽度优先搜索解决权有向图的
解决方案。而启发式算法能在较短的时间内寻找高质量的解决方案。
• 地图知识：移动机器人路径规划基本上是依靠现有的地图作为参考，来确定
初始位置和目标位置以及它们之间的联系。地图的信息量对路径规划算法的
设计起着重要的作用。根据对环境的了解情况，路径规划可以分为全局路径
规划和局部路径规划。其中，全局路径规划需要知道关于环境的所有信息，

详细描述
遗传算法是一种基于生物进化原理的优化算法，通过 模拟进化的过程来寻找最优解。在移动机器人的路径 规划中，遗传算法可以用于在给定起点和终点之间寻 找最优路径，它通过模拟进化的过程不断优化路径， 以获得最优的路径。
06
实时路径规划方法
基于预测的路径规划
预测模型
这种方法依赖于对环境的预测模 型，通过预测模型来预测未来环 境状态，从而规划出一条安全的
路径规划的分类
基于全局信息的路径规划
利用全局环境信息，建立环境模型，并根据模型进行路径规ຫໍສະໝຸດ 划。基于局部信息的路径规划
仅利用移动机器人的局部感知信息进行路径规划，不需要建 立环境模型。
路径规划的基本问题
安全性
路径规划必须保证机器人在运 动过程中不会遇到障碍物或危
险。
高效性
路径规划需要寻找一条最短或 最优的路径，以减少机器人的 运动时间和能量消耗。
能量限制
许多移动机器人都有能量限制，需要 在路径规划中考虑能源消耗。
安全性和鲁棒性
在复杂和危险的环境中，路径规划需 要确保机器人的安全和鲁棒性。
未来发展趋势
深度学习与强化学习
多机器人协同
随着深度学习和强化学习技术的发展，未 来移动机器人的路径规划方法将更加智能 化和自适应。
未来移动机器人将越来越倾向于多机器人 协同工作，路径规划方法需要发展出能够 处理多机器人协同的算法。
导移动机器人进行路径调整。
局部优化
通过不断反馈和局部优化，使得 移动机器人能够根据实时环境信
息做出最优的路径选择。
环境适应性
能够适应环境的变化，并做出实 时的响应。
基于学习的路径规划
强化学习
基于学习的路径规划方法 利用强化学习算法，让移 动机器人能够在环境中自 我学习和优化。

可得机器人所受合力为： Ftotal =Fatt + Fobs
(7-5)
这样，我们就在环境地图中定义了机器人的引力场
因此，机器人的路径规划问题被转化为点在引力场中的运动问题。
而点在引力场中的运动问题在物理学和数学中已经研究得非常清楚，可以 比较方便地进行求解。
算法优点：
①简单方便，可以实时规划控制，并能考虑多个障碍，连续移动。
因此，移动机器人路径规划可以简化为在扩张了障碍物的地图上，点机器 人的路径规划问题。
2
障碍点 O Fatt
目标点 G
人工势场方法
机器人
位置点 p
Ftotal
人工势场的根本思想是构造目标位置引力场和 障碍物周围斥力场共同作用下的人工势场。
搜索势函数的下降方向来寻找无碰撞路径。
下面给出各种势场的定义
①目标引力场
为了完成整个运动，工具坐标系必须通过中间点所描述的一系列过渡位姿。
称路径的起点、中间点和终点为路径点。 通常都期望机械臂的运动过程是平滑的，因此一般要求规划的路径是光滑
的，至少具有连续的一阶导数，甚至要求二阶导数也是连续的。
一阶导数对应机械臂的运动速度，二阶导数对应加速度。
光滑性要求就是要使机械臂的运动更加平稳，防止突然的剧烈加速或者
缺点： ①栅格粒度影响较大。划分细时，存贮大和搜索时间长。 ②得到的是折线，需要光滑处理。
6
机械臂路径规划
在实际问题当中，一般用工具坐 标系{T}相对工作台坐标系{S}的运动 来描述机械臂的运动。
当用工具坐标系{T}相对工作台坐标系{S}的运动来描述机械臂的路径时， 使得路径规划与具体的机械臂、末端执行器和工件相别离。
机器人按此路径运动。 图7-3给出了栅格法路径规划的示意图。

18.1移动式机器人简介 • 自上世纪60年代初问世以来，关节式机器人不仅己成为制造工业中必不可
少的核心装备，由于关节式机器人操作手的基座是固定的，其工作空间就 会受到限制，为了突破关节式机器人操作工作空间的限制，可以给其装备 移动机构，这样就构成了移动式机器人系统。 • 移动式机器人系统是将关节式机械手安装在行走机构上所构成的一类机器 人，其中机械手用来实现如抓取、操作等动作，平台的移动用来扩展机械 手的工作空间，使机械手能以更合适的姿态执行任务。 • 车体的可移动性大大增加了机器人工作空间，并且能使机械手臂更好的定 位来高效地完成任务，因此其应用范围要比关节式机器人大得多。
a R
L
16
第16页/共28页
小轮支架的设计
• 小轮支架利用铣床加工，共36个，利用一块钢板做
基板，利用螺栓将支架固定在大轮板上。
R
Φ
h
d
a
b
• 加上小轮支架及其它h 附件后，安装完成的小轮结构
如图所示
17
L
第17页/共28页
大轮传动系统的设计
• 大轮传动系统采用采用链盘加链条驱动的形式。 • 采用桁架结构传递转矩的形式，将大链盘上得到的转矩传递到大轮毂上 。
式中，F为各个电机的转速； v为小车目标速度； φ 为小车目标前进方向角度（ º）。
23
第23页/共28页
运动学分析——直线运动
• 下图表示φ值变化时，各个电动机对合成运动的贡献率。
贡献率/%
100
50
0 0
-50
-100
各电机对合成运动的贡献率(α角方向)
90
180
270
24
第24页/共28页
φ
4

2
定位是機器人實現自主移動的條件 併發定位與環境建圖SLAM（Simultaneous Localization and Mapping）
3
定位描述方法
（1）基於拓撲地圖的自定位方法
（2）基於幾何地圖的全局定位方法
① 幾何推理法 ② 蒙特卡洛定位法
（3）基於幾何地圖的局部定位方法
（4）同步定位與地圖構建（SLAM）
第七章 移動機器人導航
移動機器人定位的基本方法 定位用的感測器 移動機器人導航技術
傳統導航方法 智能導航方法
1
7.1 移動機器人定位
定位的基本方法
（1）相對定位法：也稱航跡推測法。在初始位姿確定的情 況下，機器人利用檢測運動過程中相對於初始位姿的變化 情況，獲知當前位姿。 （2）絕對定位法：通過檢測或通信的方式獲得位置標誌資 訊，用位置匹配計算方法得 出機器人的位置座標。 （3）組合定位方法：相對 定位方法與絕對定位方法結 合運用的方法。
① 主動SLAM ② 動態環境下SLAM ③ 多智能體協作同步定位與地圖構建
4
定位用的感測器
檢測自身狀態，，檢測環境狀態 1．精密電位器 測量位置或角度的變化 2．里程計 一般用光電編碼器
5
3．光纖陀螺儀 干涉式光纖陀螺儀、諧振式光纖陀 螺儀以及受激布裏淵散射光纖陀螺儀 。 薩格納克效應 光程差 ΔS=4πR2ω/C 4．傾角感測器 實際是一種加速度感測器 固體擺式、液體擺式、氣體擺 測量重力垂直軸與加速度 感測器靈敏軸之間的夾角， 就得到傾斜角
衛星定位
空間部分、地面控制部分、用戶設備部分
7.2移動機器人導航技術
傳統的導航方法
1）自由空間法
2）圖搜索法
3）柵格解耦法 4）人工勢場法

激光
视觉
IMU
光电编码器
．．．
建立全局地图
机器人定位
路径规划
移动控制
速度控制
转向控制
之前内容
本讲内容
我在哪？ 我要去哪里？ 我该如何去？
２
机器人控制系统
北邮移动机器人与智能技术实验室 编
第10课 机器人的移动控制
2.1 机器人控制系统结构
机器人控制系统是指由控制主体、控制客体和控制媒体组成的具有自身目标和功能的管理系统： 非线性系统。引起机器人非线性因素很多，机器人的结构、传动件、驱动元件等都会引起系统的非线性。 多节点组成的一个多变量控制系统，且各节点间具有耦合作用。 是一个时变系统，其动力学参数随着运动位置的变化而变化。 是一个最优化系统，根据环境和任务要求选择最优化输出
行动
五官
传感器
大脑
处理器
大脑
处理器
外设
身体
人类
机器
最优化处理
目标识别
控制
数据处理
计算
流程
自主系统的目标是在无人干预的环境中工作。系统需要能够理解自身及周围环境，才能确定要采取的路径，以及让系统遵循该路径所要 下达的正确命令。
自主系统模型
感知
决策
行动
流程
真实的世界环境
多传感器
传感器标定及数据融合
局部地图
2
自主系统模型
机器人控制系统
第10课 机器人的移动控制
北邮移动机器人与智能技术实验室 编
3
机器人移动模型
4
控制数据的通信模型
5
控制机器人移动
6
误差修正与精确控制
1
自主系统模型
北邮移动机器人与智能技术实验室 编