智能轮椅导航系统研究现状与发展趋势
166 浏览量
2020-07-30
16:19:40
上传
评论 1
收藏 84KB PDF 举报
智能轮椅导航系统研究现状与发展趋势智能轮椅导航系统研究现状与发展趋势
本文对智能轮椅导航中的核心问题进行了分析，指出了现行研究中涉及的各项技术进展情况及出现的不足，并
对其发展趋势进行了简要描述。
引 言
智能轮椅作为医疗护理领域的服务机器人，其应用大量使用了移动机器人技术。在智能轮椅的研究中涉及到的关键技术有导航
系统、控制和能源系统、人机接口，但由于整个轮椅系统以人为中心，所以在研究中要解决的核心是轮椅的安全导航问题。所
谓导航即是指移动机器人按照预先给定的任务命令，根据已知的地图信息作出全局路径规划，并在行进过程中，不断感知周围
的局部环境信息，自主地作出各种决策，并随时调整自身位姿，引导自身安全行驶到达目标位置。
1 系统定位
智能轮椅定位也就是环境信息获取，是指在运动过程中利用自身传感器，实时确定其在工作环境中参考坐标系下相对于全局坐
标的位置和姿态。
定位技术可以分为2大类：基于机器视觉的定位技术和基于非计算机传感器的定位技术。常用定位方法有光码盘、惯性陀螺、
磁罗盘、路标匹配等。每一种方法各有优点及局限性，在实际应用中智能轮椅实际综合采用了几种方法提高定位系统的精度和
可靠性，但精确度离用户正常使用有一定距离，所以如何提高定位的精度和效能是将来要着重研究的问题之一。
传感器的选择在定位中很重要。根据定位技术的不同，传感器又可分为视觉和非视觉传感器。目前常用的传感器有超声测距传
感器、CCD摄像机、红外传感器、激光传感器、GPS等。由于超声避障实现方便、技术成熟、成本低，成为智能轮椅常用的
定位方法，应用中采用多个超声测距传感器，用超声测距传感器探测障碍物的距离，然后判定机器人当前所在的位置。
2 信息融合技术
从传感器得到的信息不能保证完全可靠和正确，可能会造成对实物存在的误判或对其距离的检测产生误差，这时我们可以采用
概率法、综合多次观测法、多传感器信息融合法等进行处理，其中多传感器信息融合法的研究成为近几年的热点。
所谓信息融合可以广义地概述为这样的一种过程，即把来自多传感器的数据和信息，根据既定的规则分析、结合为一个全面的
情报报告，并在此基础上为系统用户提供需求信息，诸如：决策、任务、航迹等。在传感器信息融合中，采用多种类的传感器
是很有必要的。多传感器信息融合技术已经表现出单一传感器无法比拟的优越性，通过合成，可以得到比从任何单个输入数据
中获得更多更可靠的信息。
如何融合这些互补或冗余的传感器信息并得到更全面反映环境特征的信息方法尤为重要。在研究中最为关键的部分是信息融合
算法的研究，人们已经提出了多种应用于不同系统的多传感器信息融合算法，这些算法可以分为2类：随机类方法和人工智能
方法。
(1)随机类方法
这类方法研究对象是随机的，在多传感器信息融合中常采用随机类方法包括很多，如：加权平均法、统计决策理论、聚类分析
法、小波变换法、Bayes推理方法、Dempster-Sharer的证据理论、Kalman滤波融合算法等。
(2)人工智能方法
近年来用于多传感器数据融合的计算智能方法有：模糊集合理论、专家系统、神经网络、粗集理论和支持向量机等。其中基于
神经网络的多种传感器信息融合是近几年来发展的热点。 神经网络具有良好的容错性、层次性、可塑性、自适应性、联想记
忆和并行处理能力，将神经网络与其他方法相结合进行信息融合技术的研究，效果显著，己形成一种研究趋势。比如小波与神
经网络，Kalman滤波与神经网络，Dempster-Shafer的证据理论与神经网络，模糊聚类与神经网络，遗传算法与神经网络等。
今后的多传感器信息融合技术主要集中在算法的改进和新算法的出现、微型传感器的研制以及多层次的信息融合3个方面。
3 路径规划问题
路径规划是指在障碍物环境中，为智能轮椅从起点到终点寻找一条无碰路径，并按照一定的原则进行优化，找出一条最优路
径。路径规划问题包含2个方面的内容：首先是环境模型的建立；其次是路径规划算法的设计。
(1)环境模型的建立
环境建模是路径规划的前提，对于静态已知环境，已有不少成功的研究成果，其建模技术也较为成熟。对于部分已知或完全未
知环境下的路径规划问题一直没有得到完善的解决，其根本原因在于对环境的分辨率与环境信息存储量的矛盾。
环境建模大致有3类：网络墩图模型、栅格模型和层次结构模型。网络燉模型包括自由空间法、顶点图像法、广义锥法等，是
对环境的高层次的描述，计算量很大，对传感器精度要求较高；栅格模型是将空间划分为大小相同的栅格，模型建立简单，但
搜索空间很大；层次结构模型是按照数据区域的一致性判别准则和空间递规分解原理对环境进行建模，采用此种模型压缩了搜
索空间，且很容易用传感器的信息对模型进行更新。
(2)路径规划算法
评论0
最新资源