智能机器人

机器人组成：执行机构、驱动系统、传感系统、控制系统

主要移动方式：轮式、履带式、躯干式、足式

自主移动的关键问题：自身定位问题、目标规划问题、导航规划问题

第一章绪论

自由度的概念，标准轮、脚轮具有2个自由度

机动度、可移动度、可操纵度

轮子的类型、个数、排布方式是影响轮式移动机器人运动学的主要因素

机器人运动学建模是建立机器人参考点运动控制与各个驱动运动控制之间的数学模型

正运动学：驱动运动控制--->参考点运动控制

逆运动学：参考点运动控制--->驱动运动控制

运动学建模是实现机器人运动的核心基础

全向轮式移动机器人

任意一个三维向量都可以表示为一个纯四元数

四元数的运算和性质

齐次变换矩(4X4)旋转矩阵(3X3)

基于约束的运动学建模

练习题

第二章机器人运动学

传感器的分类

测量物体三轴姿态角（角速率）、加速度

惯性测量单元(IMU)

激光雷达

信任度表示的优缺点

优点：完全表示环境三维信息、所构建地图不需要预先定义尺寸、可方便地利用ICP等匹配方法进行里程估计和定位

缺点：存储要求高、环境描述层次低

应用场景：采用图像分割或ICP等匹配方法，可进行导航规划与定位

点云地图

优点：简洁、紧凑、内存中用量小；表示方式更接近人对环境的感知；对环境具有更高层次的描述性，使定位与建图的鲁棒性更强

缺点：◆无法精确表征复杂的真实环境◆不能表示环境被占用/空闲/未知情况，不能直接用于导航规划，需根据特征地图生成可行区域

应用场景：机器人导航与定位

特征地图

⚫ 优点：◆是一种几何度量地图，可以详细描述环境信息◆可以方便地采用A*等搜索算法进行最优路径规划◆可以方便地根据栅格被占概率计算获得当前观测的可能性，实现定位估计

⚫ 缺点：◆由于地图存储空间由所需建图的环境范围和栅格的分辨率确定，因此随着栅格数量的增加和环境的扩大，地图所需内存和维护时间也迅速增长，地图维度的增加更会随着环境的扩大造成空间需求呈指数级增长

栅格地图

⚫ 优点：易于扩展，可以实现快速路径规划

⚫ 缺点：节点分布稀疏，使得机器人难以实现精确可靠的自定位

拓扑地图

四种地图

◼算法流程⚫ 迭代分割（1）获得穿过两个端点的线段（2）获得距离线段较远的点（3）如果该点到线段距离大于误差阈值，将线段分成两部分，并对每部分重复split过程⚫ 合并（1）如果相邻两个线段足够近，获得共同的线段和距离较远的点（2）如果距离小于误差阈值，则合并这两个线段

◼ 存在问题⚫ 仅用两个极点来确定线段，而极点有可能时噪声。⚫ 不适用于数据无序的情况，如三维激光点云

点云数据分割

样本空间：由描述样本的参数张成Hough空间：由描述样本拟合模型的参数张成

◼ 优点：⚫ 容易得到有多少条线段（计算Hough空间中大于一定投票数的格子数即可）⚫ 容易建立点和线的从属关系◼ 缺点⚫ 网格尺寸难以选择：当网格尺寸选择小时，对一组数据会拟合得到多条线段，当网格尺寸选择大时，难以拟合得到准确描述环境的线段⚫ 直线拟合精度对网格尺寸选择敏感⚫ 噪声处理困难

Hough变换

根据激光测距仪数据构建栅格地图可以描述为测量数据条件下的地图各栅格被占联合概率分布。

第三章传感器与地图构建

导航规划：在给定环境的全局或局部知识以及一个或者一系列目标位置的条件下，使机器人能够根据知识和传感器感知信息高效可靠地到达目标位置

磁条导航

磁感应线导航

磁钉导航

二维码导航

有人工标识导引的固定路径导航

激光放射板导航

有人工标识导引的无轨导航

自然导航

无人工标识导引的无轨导航

导航方式

行车图法

单元分解法

1.环境建模：创建一张占用网格地图，将环境中的障碍物和可通行区域表示出来，将机器人看做人工势场影响下的一个质点。2.设定目标点：为机器人设定一个目标位置，即期望机器人到达的目的地。3.计算势场：计算机器人在当前位置与目标点之间的势场。势场包括引力场和斥力场。引力场表示为从当前位置到目标点的吸引力，斥力场表示为从当前位置到障碍物的排斥力。4.计算合力：将引力场和斥力场的向量相加，得到机器人运动的合力。这个合力方向表示机器人应该前进的方向。5.更新位置：根据合力方向，更新机器人的位置。重复步骤4和5，直到机器人到达目标位置。6路径规划：根据机器人更新的位置序列，生成一条从起始点到目标点的路径

人工势场法

概率完备

步骤：1. 在位形空间坐标系中随机取点2. 对采样的姿态进行碰撞检测3. 无碰撞姿态成为图节点4. 每个图节点和其最近相邻的k个节点直线连接5. 保留无碰路径为图的边6. 构成自由位形空间中的Roadmap7. 加入起始点和终止点8. 在PRM中搜索一条从起始点到终止点的路径

随机路径图(PRM)

快速扩展随机数(RRT)

分辨率完备

◼ 设置两个集合S和T， S存放已经找到最短路径的顶点，T是尚未 确定路径的顶点集合，同时也描述了起始点经过集合S中顶点到 该点的最短路径及长度。 ◼ 每次更新时，从T中找出路径最短的点加入到集合S，T中顶点最 短路径及长度则根据加入点作为中间点后起始点到该点距离是否 减小来决定是否更新

Dijkstar

路径规划就是在自由位形空间中为机器人寻找一条路径， 使其从初始位置运行到目标位置

路径规划

步骤：确定速度搜索空间： 1. 建立机器人的速度控制运动模型2.计算机器人的可行速度空间约束3.计算机器人的最大加速度约束4.计算机器人的最大速度约束5.机器人可行速度空间建立6.在可行速度空间中选择最优的速度控制指令，在局部导航中，使机器人离开障碍物，朝着目标以较快速度行驶

动态窗口方法

 基本步骤⚫ 直方栅格地图构建，环境描述⚫ 极坐标系直方图构建，障碍物评估⚫ 运动方向计算，机器人速度与转向控制参考值

向量场直方图

Bug算法

避障规划

多项式阶次确定

加速度平滑的轨迹选择

轨迹规划

第四章导航规划

GPS属于信标定位，不属于概率定位

里程估计：在知道当前时刻位置的条件 下，基于传感器信息，可以计算出移动的距离和方位，推算出下一时刻的位置

里程估计问题：根据感知信息，求旋转矩阵与平移向量，再根据旋转 矩阵求姿态变化

点击码盘（轮式里程计）

IMU(惯性单元，加速度计+陀螺仪)（惯性里程估计）

基于机器人运动感知信息，结合运动学模型

激光里程计（LO）

视觉里程计(VO)

基于环境感知传感器信息，通过最佳匹配估计

里程估计方法

迭代最近点算法(ICP)

基于特征匹配的激光里程计步骤：点云特征点提取、点云特征匹配、运动估计、局部优化

传感器噪声

传感器混叠

执行器噪声

定位的挑战

Markov定位

卡尔曼滤波定位只能解决位跟踪问题

卡尔曼滤波、扩展卡尔曼滤波

粒子滤波定位算法步骤：初始化、状态更新、重要性采样、重采样、重复步骤2-4

第五章移动机器人的定位

智能机器人