移動機器人智能的一個重要標志就是自主導航科展，而實現(xiàn)機器人自主導航有個基本要求——`避障`。

移動機器人是機器人的重要研究領域糠雨，人們很早就開始移動機器人的研究才睹。

世界上第一臺真正意義上的移動機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甘邀，它裝備了電視攝像機琅攘、三角測距儀、碰撞傳感器松邪、驅(qū)動電機以及編碼器坞琴，并通過無線通訊系統(tǒng)由二臺計算機控制，可以進行簡單的自主導航逗抑。Shakey的研制過程中還誕生了兩種經(jīng)典的導航算法：A*算法（the Asearch algorithm）和可視圖法（the visibility graphmethod）剧辐。

雖然Shakey只能解決簡單的感知、運動規(guī)劃和控制問題邮府，但它卻是當時將AI應用于機器人的最為成功的研究平臺荧关，它證實了許多通常屬于人工智能 （AriTIficial Intelligence，AI）領域的嚴肅的科學結論褂傀。從20世紀70年代末開始忍啤，隨著計算機的應用和傳感技術的發(fā)展，以及新的機器人導航算法的不斷推出仙辟，移動機器人研究開始進入快車道同波。

移動機器人智能的一個重要標志就是自主導航，而實現(xiàn)機器人自主導航有個基本要求——避障欺嗤。下面讓我們來了解一下移動機器人的避障参萄，避障是指移動機器人根據(jù)采集的障礙物的狀態(tài)信息，在行走過程中通過傳感器感知到妨礙其通行的靜態(tài)和動態(tài)物體時煎饼，按照一定的方法進行有效地避障讹挎，最后達到目標點。

實現(xiàn)避障與導航的必要條件是環(huán)境感知吆玖，在未知或者是部分未知的環(huán)境下避障需要通過傳感器獲取周圍環(huán)境信息筒溃，包括障礙物的尺寸、形狀和位置等信息沾乘，因此傳感器技術在移動機器人避障中起著十分重要的作用怜奖。避障使用的傳感器主要有超聲傳感器、視覺傳感器翅阵、紅外傳感器歪玲、激光傳感器等迁央。

移動機器人避障常用的傳感器

• 1.激光傳感器

激光測距傳感器利用激光來測量到被測物體的距離或者被測物體的位移等參數(shù)。

比較常用的測距方法是由脈沖激光器發(fā)出持續(xù)時間極短的脈沖激光滥崩，經(jīng)過待測距離后射到被測目標岖圈，回波返回，由光電探測器接收钙皮。根據(jù)主波信號和回波信號之間的間隔蜂科，即激光脈沖從激光器到被測目標之間的往返時間，就可以算出待測目標的距離短条。

由于光速很快导匣，使得在測小距離時光束往返時間極短，因此這種方法不適合測量精度要求很高的（亞毫米級別）距離茸时，一般若要求精度非常高贡定，常用三角法、相位法等方法測量屹蚊。

• 2厕氨、視覺傳感器

視覺傳感器的優(yōu)點是探測范圍廣进每、獲取信息豐富汹粤。

實際應用中常使用多個視覺傳感器或者與其它傳感器配合使用，通過一定的算法可以得到物體的形狀田晚、距離嘱兼、速度等諸多信息∠屯剑或是利用一個攝像機的序列圖像來計算目標的距離和速度芹壕，還可采用SSD算法，根據(jù)一個鏡頭的運動圖像來計算機器人與目標的相對位移接奈。

但在圖像處理中踢涌，邊緣銳化、特征提取等圖像處理方法計算量大序宦，實時性差睁壁，對處理機要求高。且視覺測距法檢測不能檢測到玻璃等透明障礙物的存在互捌，另外受視場光線強弱潘明、煙霧的影響很大。

• 3秕噪、紅外傳感器

大多數(shù)紅外傳感器測距都是基于三角測量原理钳降。

紅外發(fā)射器按照一定的角度發(fā)射紅外光束，當遇到物體以后腌巾，光束會反射回來遂填，如圖所示铲觉。反射回來的紅外光線被CCD檢測器檢測到以后，會獲得一個偏移值 L吓坚，利用三角關系备燃，在知道了發(fā)射角度α，偏移距L凌唬，中心矩X并齐，以及濾鏡的焦距f以后，傳感器到物體的距離D就可以通過幾何關系計算出來了客税。

紅外傳感器的優(yōu)點是不受可見光影響况褪，白天黑夜均可測量，角度靈敏度高更耻、結構簡單测垛、價格較便宜，可以快速感知物體的存在秧均，但測量時受環(huán)境影響很大食侮，物體的顏色、方向目胡、周圍的光線都能導致測量誤差锯七，測量不夠精確。

• 4誉己、超聲波傳感器

超生波傳感器檢測距離原理是測出發(fā)出超聲波至再檢測到發(fā)出的超聲波的時間差眉尸，同時根據(jù)聲速計算出物體的距離。由于超聲波在空氣中的速度與溫濕度有關巨双，在比較精確的測量中噪猾，需把溫濕度的變化和其它因素考慮進去。超聲波傳感器一般作用距離較短筑累，普通的有效探測距離都在5-10m之間袱蜡，但是會有一個最小探測盲區(qū)，一般在幾十毫米慢宗。由于超聲傳感器的成本低坪蚁，實現(xiàn)方法簡單，技術成熟婆廊，是移動機器人中常用的傳感器迅细。

機器人避障算法有哪些？

目前移動機器人的避障根據(jù)環(huán)境信息的掌握程度可以分為障礙物信息已知淘邻、障礙物信息部分未知或完全未知兩種茵典。

傳統(tǒng)的導航避障方法如可視圖法、柵格法宾舅、自由空間法等算法對障礙物信息己知時的避障問題處理尚可统阿，但當障礙信息未知或者障礙是可移動的時候彩倚，傳統(tǒng)的導航方法一般不能很好的解決避障問題或者根本不能避障。

而實際生活中扶平，絕大多數(shù)的情況下帆离，機器人所處的環(huán)境都是動態(tài)的、可變的结澄、未知的哥谷，為了解決上述問題，人們引入了計算機和人工智能等領域的一些算法麻献。同時得益于處理器計算能力的提高及傳感器技術的發(fā)展们妥，在移動機器人的平臺上進行一些復雜算法的運算也變得輕松徊件，由此產(chǎn)生了一系列智能避障方法所袁，比較熱門的有：遺傳算法、神經(jīng)網(wǎng)絡算法宛蚓、模糊算法等齿桃，下面分別加以介紹惑惶。

• 1、基于遺傳算法的機器人避障算法

遺傳算法（geneTIcalgorithm短纵，簡稱GA）是計算數(shù)學中用于解決最佳化的搜索算法带污，是進化算法的一種。進化算法是借鑒了進化生物學中的遺傳踩娘、突變刮刑、自然選擇以及雜交等現(xiàn)象而發(fā)展起來的。遺傳算法采用從自然進化中抽象出來的幾個算子對參數(shù)編碼的字符串進行遺傳操作养渴，包括復制或選擇算子（ReproducTIonorSelect）、交叉算子（Crossover）泛烙、變異算子（MutaTIon）理卑。

遺傳算法的主要優(yōu)點是：采用群體方式對目標函數(shù)空間進行多線索的并行搜索，不會陷入局部極小點蔽氨；只需要可行解目標函數(shù)的值藐唠，而不需要其他信息，對目標函數(shù)的連續(xù)性鹉究、可微性沒有要求宇立，使用方便；解的選擇和產(chǎn)生用概率方式自赔，因此具有較強的適應能力和魯棒性妈嘹。

• 2、基于神經(jīng)網(wǎng)絡算法的機器人避障方法

神經(jīng)網(wǎng)絡（neuralnetwork绍妨，縮寫NN）润脸，是一種模仿生物神經(jīng)網(wǎng)絡的結構和功能的數(shù)學模型或計算模型柬脸。神經(jīng)網(wǎng)絡由大量的人工神經(jīng)元聯(lián)結進行計算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡能在外界信息的基礎上改變內(nèi)部結構毙驯，是一種自適應系統(tǒng)倒堕。人工神經(jīng)網(wǎng)絡通常通過一個基于數(shù)學統(tǒng)計學類型的學習方法優(yōu)化，是一種非線性統(tǒng)計性數(shù)據(jù)建模工具爆价，可以對輸入和輸出間復雜的關系進行建模垦巴。

傳統(tǒng)的神經(jīng)網(wǎng)絡路徑規(guī)劃方法往往是建立一個關于機器人從初始位置到目標位置行走路徑的神經(jīng)網(wǎng)絡模型，模型輸入是傳感器信息和機器人前一位置或者前一位置的運動方向铭段，通過對模型訓練輸出機器人下一位置或者下一位置的運動方向魂那。

可以建立基于動態(tài)神經(jīng)網(wǎng)絡的機器人避障算法，動態(tài)神經(jīng)網(wǎng)絡可以根據(jù)機器人環(huán)境狀態(tài)的復雜程度自動地調(diào)整其結構稠项，實時地實現(xiàn)機器人的狀態(tài)與其避障動作之間的映射關系涯雅，能有效地減輕機器人的運算壓力。還有研究通過使用神經(jīng)網(wǎng)絡避障的同時與混合智能系統(tǒng)（HIS）相連接展运，可以使移動機器人的認知決策避障能力和人相近活逆。

• 3、基于模糊控制的機器人避障算法

模糊控制（fuzzycontrol）是一類應用模糊集合理論的控制方法拗胜，它沒有像經(jīng)典控制理論那樣把實際情況加以簡化從而建立起數(shù)學模型蔗候，而是通過人的經(jīng)驗和決策進行相應的模糊邏輯推理，并且用具有模糊性的語言來描述整個時變的控制過程埂软。

對于移動機器人避障用經(jīng)典控制理論建立起的數(shù)學模型將會非常粗糙锈遥，而模糊控制則把經(jīng)典控制中被簡化的部分也綜合起來加以考慮。

對于移動機器人避障的模糊控制而言勘畔，其關鍵問題就是要建立合適的模糊控制器所灸，模糊控制器主要完成障礙物距離值的模糊化、避障模糊關系的運算炫七、模糊決策以及避障決策結果的非模糊化處理（精確化）等重要過程爬立，以此來智能地控制移動機器人的避障行為。利用模糊控制理論還可將專家知識或操作人員經(jīng)驗形成的語言規(guī)則直接轉化為自動控制策略万哪。通常使用模糊規(guī)則查詢表侠驯，用語言知識模型來設計和修正控制算法。

除此之外還有啟發(fā)式搜索算法奕巍、基于行為的路徑規(guī)劃算法吟策、基于再激勵學習的路徑規(guī)劃算法等避障算法，也都在移動機器人的避障研究中取得了很好的成果的止。

展望

隨著計算機技術檩坚、傳感器技術、人工智能的發(fā)展，移動機器的避障及自主導航技術已經(jīng)取得了豐碩的研究成果效床，應用領域也在不斷地擴大睹酌，應用復雜程度也越來越高。移動機器人的自主尋路要求已經(jīng)從之前簡單的功能實現(xiàn)提升到可靠性剩檀、通用性憋沿、高效率上來，因此對其相關技術提出了更高的要求沪猴。

然而至今沒有任何一種方法能夠在任意環(huán)境使機器人進行有效地避障辐啄，如何克服相關算法的局限性是今后工作的研究方向之一≡耸龋可以看出不管是傳統(tǒng)算法還是新興的智能算法都有其適用與不適用的環(huán)境壶辜，通過傳統(tǒng)算法與智能算法及智能算法之間的相互融合，克服單個算法的缺陷担租，增強整體的適用性砸民，現(xiàn)在已經(jīng)有很多這方面的研究，以后仍將是研究熱點之一奋救。

    感謝一直關注著禾灮成長進步的朋友們岭参。你們的信任、支持和鼓勵尝艘，鞭策著我們一路走到了今天演侯。
    
    感謝所有的合作伙伴，我們相互促進背亥，共同見證了彼此的成長秒际。

    感謝所有曾經(jīng)在禾灮彼此倚靠、相互鼓勵狡汉、攜手同心娄徊、砥礪同行的兄弟姐妹。這里承載了我們的青春與熱血轴猎。

                禾灮嵌莉，感謝有你。

    未來捻脖，我們將一如既往，砥礪前行中鼠。

                                        禾灮·小楊
                                       2018.07.21