四腿机器人定位的理论与实现　PPt课件　.ppt

四腿机器人定位的理论与实现 定位模块讲解内容 自主移动式机器人的定位 定位模块功能及基本环境 定位模块实现与发展 定出单点 蒙特卡罗定位(Monte Carlo) 卡尔曼滤波(Kalman Filter) 改进定位结果的抖动性 自主移动式机器人的定位 移动性：顾名思义，移动性是指机器人可以在何种程度上自由地在世界中移动。最初的机器人----所谓的操纵器、机械手----只能反复重复地做一些动作，比如它们含有一个固定在地面上、可以移动的机器手臂，但是它们无法自由地移动，也就是说，它们还没有具备足够的移动性。 自主性：自主性(autonomy)取决于在何种程度上一个机器人依赖于它可能获得的前验知识和关于环境的信息。具体的，可以分为非自主、半自主和全自主。全自主机器人可以在完全没有外界引导操作的情况下，完成一些智能的行动和动作。 自主移动式机器人的定位 机器人导航的任务就是将自动移动式机器人从一个位置安全地移动到另外一个位置。机器人导航的主要问题可以分为三个基本问题： 1．我在哪里？机器人必须知道自己当前的位置，这样才能做出正确的决定。机器人定位(robot localization)的目的就是找到机器人的行踪。 2．我将要去哪里？为了完成一些任务，机器人必须知道它将要去何处。因此，它需要识别一个目的地（目标），那么这类问题就是目标识别(goal recognition)。 3．我如何才能到达那里？一旦机器人明确了前面的两个问题，它就会决定如果才能达到那里。路径规划(path planning)就是帮助机器人找到达到目标的方法。 自主移动式机器人的定位 机器人定位研究的就是第一个问题“我在哪里”。对这个问题，现有的研究并没有找到一种完美的解决方案，已有的方法可分为两种：相对位置测量方法（包括“里程计法”和惯性导航法等等）和绝对位置测量方法（包括“主动的灯塔法”，人工/自然地标识别法，模式匹配法和基于视觉的方法等等）。在实际研究中，通常将两类方法结合使用。 基于视觉的定位方法主要利用光学传感器（比如激光距离探测器，CCD光学照相机等）来搜集信息，相对其它的传感器，光学传感器能得到的信息最为庞大，而如何从中提取所需特征引起了广泛的关注。地表识别法和模式匹配法中相关的方案都可以应用在这里。在已经展开的研究中，以下途径被使用：地标、物体模型、地图以及基于特征的地图重建。 自主移动式机器人的定位 四腿机器人aibo上面的输入设备： 彩色CMOS摄像头；立体声麦克风；头部、背部静电传感器；爪子、下巴开关式传感器；头部、胸部三个距离传感器；加速度传感器（三维）；震动传感器。 由于距离传感器的实际运行效果不好，定位模块使用的关于外部环境的输入信息都是由视觉模块处理摄像头所得到的图像以后所得到的信息。 一、定位模块功能及基本环境 四腿机器人系统分为五个功能模块：视觉模块，动作模块，定位模块，通讯模块和行为决策模块。 定位模块功能：一方面从视觉模块获得图像分析结果，另一方面从动作模块获得当前的身体偏移走向，综合两方面的内容，试图计算出机器人身体在场地上面的位置，告知行为决策模块。 模块间的层次定位和相互之间的信息传递如下页图所示。 一、定位模块功能及基本环境 一、定位模块功能及基本环境 RoboCup 四腿机器人足球赛是一个典型的动态不确定性多主体环境。这种不确定性对定位的影响很大，主要表现为： 机器人行走的不确定性 机器人传感器数据的不确定性 比赛中的人为因素 一、定位模块功能及基本环境 机器人行走的不确定性 在比赛之中，双方的机器人会因为争抢足球而互相拥挤碰撞，或者机器人行走中触碰球场壁，这些都会导致机器人行走动作被阻塞。而由于AIBO机器人缺乏必要的传感器，导致这种阻塞无法有效的检测出来。 一、定位模块功能及基本环境 机器人传感器数据的不确定性 AIBO 机器人能用于定位的传感器信息主要来源于视觉。而视觉信息不可避免的会出现一些误差或错误。 例如，如果机器人离地标距离比较远，看到的地标颜色块的像数点数目很少，这种情况下视觉信息的抖动特别大，前一帧看到四个像数点，可能下一帧就只有两个，用像数点数目统计来计算距离的方法就给距离的计算带来很大误差，表现在定位的不准确以及短时间内定位结果的抖动。 机器人的头在快速运动的时候，视觉图像会产生运动模糊，造成地标的边界模糊，对视觉处理造成严重影响。 另外，环境的干扰也会造成偶尔的误识别，由于对标示物的识别是基于颜色的识别的，如果场外有别的物体或人衣服的颜色相同或相近，就有可能把把他们误识别为地标。 一、定位模块功能及基本环境 比赛中的人为因素 根据规则的规定，机器人在犯规的时候会被裁判拿起并放置到场地的其他位置上。而这种人为的移动，机器人是无法及时准确了解的。 二、定位模块实现与发