移動機器人定位技術(shù)研究綜述

高恩陽　陳兆華　李彤　楊宏鈺

【摘 要】移動機器人的定位技術(shù)在機器人研究領(lǐng)域中已被廣泛的研究，本文針對機器人的定位問題，基于絕對定位和相對定位兩大類定位技術(shù)，對室內(nèi)自主移動機器人的定位技術(shù)進行了綜述，簡述了基于地圖匹配、路標識別、概率估算三種定位技術(shù)，以及各自的優(yōu)勢和局限性，并展望了移動機器人室內(nèi)自定位技術(shù)的進一步研究方向。

【關(guān)鍵詞】移動機器人；定位技術(shù)；地圖匹配；路標識別；概率估計

0 引言

移動機器人定位是確定其在已知環(huán)境中所處位置的過程，是實現(xiàn)移動機器人自動導航能力的關(guān)鍵。依據(jù)機器人所采用傳感器類型的不同，其定位方式有所不同。目前應用較廣泛的傳感器有里程計、超聲波、激光器、攝像機、紅外線、深度相機、GPS定位系統(tǒng)等等。與其相對應的機器人定位技術(shù)可分成絕對定位、相對定位技術(shù)兩大類。所謂的絕對定位是指采用導航標記、主（被）動標識、地圖匹配[1]、GPS等技術(shù)進行定位，精度較高。而相對定位是指通過度量機器人相對于起始位置的方向和距離來推斷出機器人當前的位置信息，又稱為航位推算法。

1 基于地圖匹配的定位技術(shù)

基于地圖匹配的機器人定位問題主要側(cè)重分析機器人在地圖上可能所處的位置的搜尋和辨別，其重點在于機器人能夠感知獲得所處局部環(huán)境的位置信息與已知地圖中的位置環(huán)境信息相匹配。此外，基于地圖匹配的機器人定位通常需要和其他定位方法相結(jié)合進而實現(xiàn)定位?；谏疃纫曈X[2]描述機器人所處環(huán)境的幾何地圖與基于卡爾曼濾波[3]、粒子濾波[4]的掃描匹配定位方法是與概率推斷方法相結(jié)合的經(jīng)典代表，且有成功的應用。

2 基于路標標識的定位技術(shù)

路標[5]具體是指有顯著特征的，且能夠被機器人上所安裝傳感器識別的一類物體的統(tǒng)稱。人為設(shè)定的路標在機器人所處的三維空間中有自己本身固定的地理位置。因此，機器人定位的核心任務就是要可靠地、快速地辨識出路標，并計算出機器人所處地圖中的實際地理位置。實際定位精度的高低主要取決于對路標標識的準確辨識以及對環(huán)境位置信息提取的準確快速程度。

3 基于概率估算的航位推算定位技術(shù)

在機器人定位過程中，存在許多不確定因素。比如機器人本身就具有不確定性、里程計誤差的累積、傳感器的噪聲干擾以及機器人所處環(huán)境的復雜性、未知性等等?？傊捎谶@些不確定因素的存在，使得機器人定位變得較為更加復雜。近些年，許多研究學者把概率理論應用到機器人定位當中。核心思想就是根據(jù)當前為止所收集到的數(shù)據(jù)為已知條件，然后遞歸估計狀態(tài)空間后驗概率密度。其中，基于粒子濾波的概率估算實現(xiàn)機器人定位更加具有應用前景。粒子濾波，也稱為序列蒙特卡羅，是20紀90年代中后期發(fā)展起來的一種嶄新的濾波算法[6]，其核心思想就是用隨機樣本來表述概率分布。Dallert等人將粒子濾波算法同機器人運動、感知的概率模型相結(jié)合，提出了機器人蒙特卡羅定位的思想。核心思想就是用一組濾波器去估計機器人的可能所處的位置，即處于該位置的概率。每一個濾波器對應有一個位置，再利用觀測對每個濾波器加權(quán)處理，進而使得最有可能所處的位置的概率越來越高。

4 結(jié)論與展望

至今為止，室內(nèi)機器人的定位問題仍是當前機器人學研究領(lǐng)域的核心問題之一，而今后的工作重點則是提高機器人的定位精度以及機器人完全實現(xiàn)自主定位，并且還要完善改進應用于定位算法的穩(wěn)定性、快速性和有效性。機器人定位采用SLAM方法[7、8]實施對未知環(huán)境地圖的實時構(gòu)建應用于地圖匹配的定位、以及研究更加高效的重采樣和自適應采樣的粒子濾波定位算法有較好的應用前景。

【參考文獻】

[1]Kim， Hyongjin， et al. "Image-based localization using prior map database and Monte Carlo Localization." Ubiquitous Robots and Ambient Intelligence （URAI）， 2014 11th International Conference on[Z]. IEEE， 2014.

[2]Lee， Sangyun， Changkyung Eem， and Hyunki Hong. “Robot localization method based on visual features and their geometric relationship.” （2015）[Z].

[3]Faisal， Mohammed， et al. "Robot localization using extended kalman filter with infrared sensor." Computer Systems and Applications（AICCSA）， 2014 IEEE/ACS 11th International Conference on[Z]. IEEE， 2014.

[4]顧文華， 周波， 戴先中. 基于 ICP 匹配算法的室內(nèi)移動機器人定位[J]. 華中科技大學學報：自然科學版， 2013， 1.

[5]Shimshoni， Ilan， and Igal Loevsky.“Localization method for mobile robots based on landmarks.”U.S. Patent No. 8，930，127. 6 Jan. 2015[Z].

[6]Sobreira， Héber， et al.“Robust Robot Localization Based on the Perfect Match Algorithm.”CONTROLO2014–Proceedings of the 11th Portuguese Conference on Automatic Control[Z]. Springer International Publishing， 2015.

[7]Oh， Taekjun， et al.“Graph Structure-Based Simultaneous Localization and Mapping with Iterative Closest Point Constraints in Uneven Outdoor Terrain” Robot Intelligence Technology and Applications3.Springer International Publishing， 2015. 27-34[Z].

[8]賈松敏， 王可， 郭兵，等. 基于 RGB-D 相機的移動機器人三維 SLAM[J]. 華中科技大學學報：自然科學版， 2014（1）：103-109.

[責任編輯：曹明明]