目前对于部分环境探测与感知的传感器是比较成熟的，如温度感知、氧含量传感器、可燃气体探测器、有毒气体探测器等，这些传感器体积小巧、探测精度高、集成度好，基本能够满足井下环境探测的需求；对于井下地形与地质结构的探测主要依靠视觉系统或与视觉系统相配合使用的距离、位置等传感器如声纳探测器、激光测距仪等；对人员的搜索定位有生命探测仪、热成像仪等设备；机器人自身状态的感知主要依靠里程计、惯性系统以及姿态传感器等感知单元，完成机器人位置及姿态的感知以及为导航及运动控制提供必要的数据。
此外，井下环境特别是事故后的井下环境情况复杂，极有可能出现浓烟、灰尘等恶劣情况，在这种环境下很多传感器特别是视觉系统会受到严重的影响。而远红外探测器具有很好的穿透烟雾进行探测的能力，并且可以同时获得被测物体表面的辐射温度，因此采用远红外成像仪进行复杂环境的探测既可以作为可见光视觉系统的补充，又可以通过对一些特殊物体表面辐射温度的测量实现目标的识别，如人体、着火点、水域等。其他的特殊情况也可能导致不同的传感器失效，因此采用多种传感器进行探测并对多种信息进行融合处理是有效的解决方案。多传感器的信息融合是把不同位置的多个同类型或不同类型的传感器提供的局部环境的不完整信息加以综合，消除信息之间的冗余和矛盾，以形成对环境相对完整和一致的描述，提高智能决策的速度和准确性。多传感器融合的常用方法有：加权平均法、贝叶斯估计、卡尔曼滤波、神经网络和模糊推理法以及带置信因子的产生式规则。
3.3可视化人机交互与遥操作 为了使井下机器人更加灵活的工作，需要使操作者具有一个简单方便而功能齐全的操作平台，这个平台除了用于对机器人的操作外，还能够对采集的各种信息以及机器人本体的姿态和位置信息进行直观的显示，通过各种不同的方式保证机器人的可靠运行。
3.4机器人防爆及控制系统抗恶劣环境技术
由于机器人工作在井下，而且更多地是在含有瓦斯等易燃、易爆气体的区域进行检测工作，因此防爆设计必不可少且尤为重要。控制系统不仅要进行本安设计，还要进行热设计，防水、防酸雾、防灰尘等三防设计，抗震动和抗冲击设计及抗干扰设计等抗恶劣环境设计。
www.55dianzi.com 现场的尘土、烟雾和散落的废墟都会增加救灾机器人执行任务的难度.同时,现场的高温也不利于机器人的使用,甚至可能出现履带或轮胎被高温熔化并发生燃烧等现象.因此,在设计过程中应注意机器人的防尘能力和耐热性,还要考虑它的防水、防爆、防腐蚀、防电磁干扰、抗热辐射等功能.此外,复杂的现场环境还对机器人的控制线提出了新的要求,锋利的金属残片或其它残骸对控制线产生了威胁,所以在选择控制线时必须考虑它的坚固性。
3.5机器人井下自主导航定位及运动控制技术
救灾机器人在执行任务过程中,应当避免危险的环境和防止产生更多的危险,这就要求机器人必须具有导航能力;其次,为了向救灾中心提供幸存者的位置,机器人必须能够确定自身位置,完成任务后回到救灾中心,这要求机器人具有定位和路径规划能力.救灾机器人的导航方式可分为:基于环境信息的地图模型匹配导航、基于各种导航信号的陆标导航、视觉导航和味觉导航等。定位能确定机器人在二维工作环境中相对于全局坐标的位置,可分为惯性定位、陆标定位和声音定位等.路径规划是根据机器人所感知到的工作环境信息,按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰撞路径,并且实现所需清扫区域的合理完全路径覆盖,可分为两种类型:环境信息完全掌握的全局路径规划和环境信息完全未知或部分未知的局部路径规划.此外,GPS能对全球表面任何地点及近地空间提供实时高精度的三维位置、三维速度和时间信息。救灾机器人可采用卫星定位系统与电子地图结合的方式,随时提供救灾机器人的方位,实现机器人定位的可视化.
位置信息是井下探测机器人必不可少的信息之一，无论是幸存人员信息，还是巷道破坏程度信息以及局部气态环境信息，都需要一个相对精确的具体位置信息作参考。尽管操作人员可以通过前方影像数据在一定程度上进行大体位置判断，但这样的定位是无精度可谈的，况且在火灾等现场中，由于烟雾等原因，根本无法通过视觉图像进行定位。因此，采用多种传感器进行融合，对机器人当前的位置进行测量和计算，是十分必要的工作。
另外，在复杂的非结构化井下环境中，仅仅通过摄像头进行远程控制，是难以保证操作动作的准确性和安全性的；如何能够保证机器人按照所规划的路径和发出的运动学指令准确、高效、安全的运动是保证其圆满完成探测任务的前提条件。特别是安全性问题，表现得尤为突出，稍有不慎就有可能使机器人发生倾覆或者碰撞。因此，对机器人的姿态信息进行采集，结合位置、航向等运动参数，通过本地自主实时监控和远程监控相结合的方式对运动轨迹和姿态进行控制，通过研究机器人的运动学模型，使其可以自主的保持在安全范围之内，当操作员发出可能产生危险的指令时能够及时制止并发出报警信息，是一个非常必要和实用的功能。
可见虽然目前存在的大部分搜救机器人采用主从操作方式，但鉴于煤矿井下环境的复杂性及危险性，特别是对通信系统的严酷环境，机器人具有自主导航及运动控制的能力是十分必要的功能。提高搜救机器人的智能化和自主化技术水平，也是该领域发展的重要方向。煤矿井下是一个结构化和非结构化并存的环境，而在事故发生后，则多数是非平整非结构化的环境，因此，本论文针对复杂的煤矿井下环境，将煤矿井下探测机器人的自主导航定位及运动控制技术作为主要研究内容。
3.6非平整路面移动机器人导航技术
3.6.1适应非平整路面的移动机器人平台
非结构化非平整路面环境中工作的机器人，一般是用于星际探测、野外侦察、农业耕作、矿区作业等领域，国外有研究人员将这类机器人定位为野外移动机器人(Off-Road Mobile Robots)，是较为合适的定义。
3.6.2非平整路面移动机器人导航技术研究现状
近年来，对于非平整路面移动机器人定位及导航技术得到了越来越广泛的关注，并已经形成了多种相对完善的方案，在星际探测、野外侦察、采矿及农业等领域取得了一定的研究和应用成果。
目前机器人可用于定位导航及状态感知的传感器主要包括里程计、惯性导航单元、GPS系统、超声波或声纳传感器、激光测距传感器、计算机视觉系统等。里程计或光电编码器是移动机器人广泛使用的传感器，主要用于航位推算过程中行驶里程的计算；惯性测量单元以往常用于飞行器姿态的测量及控制，近年来逐渐应用到地面车辆或移动机器人的定位及姿态测量等算法当中，特别是在与里程计、GPS相融合后组成的组合导航系统，成为移动机器人导航的重要手段；GPS系统作为一种绝对式位置传感器，有着使用方便、精度较高，数据处理简单等特点，特别是通过差分计算之后，其精度更可以达到米级以下甚至更高，从而可以直接引用于机器人的定位工作，其主要问题是在复杂环境中有可能由于建筑物或大型植被等的遮挡造成信号失锁以及由于受到美国的控制几乎无法作为军事目的而使用。当前比较常见的做法是将里程计、IMU以及GPS信息通过一定的方式进行数据融合(通常采用扩展卡尔曼滤波、无味卡尔曼滤波等算法)，利用融合后的结论实现对机器人位姿的正确估计。声纳或超声波传感器主要用于对机器人周围近距离（一般5m以内）的障碍物进行探测，而且一般是以阵列的形式安装在机器人本体上，以提高其探测范围。由于其探测距离短，探测速度较慢，因而多用于低速移动机器人系统；激光雷达也是目前常用的距离测量工具，主要分为二维激光雷达或三维激光雷达，由于其测量距离远（一般达到几十米甚至上百米），测量速度快（每秒几十次扫描数据），被越来越多的应用到移动机器人环境感知及环境建模的场合当中。视觉系统是最常用的环境感知系统，也是人类对世界进行感知和认识的主要途径，近年来特别是近2，3年来，基于视觉环境感知的研究成果层出不穷，其计算的复杂度不断减小，工程化程度越来越高，通过视觉实现障碍物探测、航位及航姿推算直到路面环境建模等的研究成果也越来越多。除此之外，还有一些如毫米波雷达、红外传感器、力传感器、触觉传感器等也应用到不同场合机器人的自身或环境参数的感知上，在这里不再详述。
环境重建技术是信息技术中，特别是计算机视觉技术中的一个重要研究方向，对于机器人系统的研究而言，其主要用于机器人的导航、目标的跟踪与识别以及真实场景的重现等。其主要手段历经了从计算机视觉，到计算机视觉与激光雷达的结合，即主动视觉的概念；近年来由于计算机视觉算法及计算平台的不断完善，又重新回到使用计算机视觉，即仅采用被动视觉的方法上。
www.55dianzi.com20世纪70年代中期，Marr，Barrow和Tenenbaum等一些研究者提出了视觉计算理论，其核心是从图像恢复场景的三维结构。S．Z．Barnard与M．A．Fischler系统的介绍了上世纪70年代中期到1981年三维视觉的研究成果，主要包括立体重建的基本方法、算法评价准则以及对当时有影响力的算法评述。70年代后期至80年代，工作于斯坦福大学的Gennery及Moravec首先将立体视觉三维重建技术应用于移动机器人导航，在一台叫做StanfordCart的平台上，他们实现了其基于立体视觉的自主定位及周围环境的三维探测。然而，鉴于其计算速度的限制及硬件平台的缺点，该系统并不能可靠的长时间工作。
在上世纪80年代，CMU及NASAJPL的研究人员走在了该领域的前沿。在80年代后期，CMU的研究人员成功的在其移动机器人平台CMU Rover上解决了立体视觉的计算速度及工程可靠性问题(Moravec，1983)。其主要改进在于硬件平台的升级以及感知算法的改进与完善，而最值得关注的工作是该团队的Matthies及Shafer在1987年首次提出了基于立体视觉的视觉里程计算法（Visual Odometry Algorithms），该算法第一次通过视觉方式对机器人的运动轨迹及姿态进行了较为精确的计算。从而开启了通过视觉进行运动估计的算法在地球上的野外环境(Nister,2006;Agrawal,2007)以及NASA的火星探测计划(MER)中在外星球探测机器人上的应用(Cheng,2006)。
上一页 [1] [2] [3] 下一页
本文关键字：机器人 机器人-智能车，电子知识资料 - 机器人-智能车
