機器人避障的原理及分析

李一鳴

機器人避障是機器人技術中一項最基礎也是關鍵的功能，它旨在讓機器人行動過程中保證不發生碰撞，避免結構的過度老化、脫落。機器人避障技術的核心包括了傳感器的選擇和規劃算法的選擇。不同的傳感器有不同的特色以及原理，而不同的算法所需要的時間和空間復雜度也不同。由于自身知識的局限，在算法部分僅僅詳細介紹了Bug算法。通過分析各個常見傳感器和算法的性能，我對這項技術有了更深層次的理解。在最后，我對這項技術存在的潛在問題和主要困難作了分析，提出了一條較為可行的道路：結合多個傳感器和算法的避障功能的實現。

【關鍵詞】機器人避障 Bug算法 傳感器 機器人技術 路徑規劃算法

1 背景介紹

1.1 引言

機器人避障的研究在國內外已被很多學者研究，但在這些研究基礎上，進一步談論和比較各個方法的優劣仍然有深遠的意義。本文將列舉并分析機器人避障的各個常用方法，比較并分析各個情況下每種方法的優劣，從而為未來的應用提供參考。

1.2 課題研究目的和意義

在21世紀，人們的生活水平都有了很大的提高。而機器人技術能夠進一步為人類社會服務。一個國家在這方面的進展，綜合體現了這個國家的經濟發展、人民安全和國際地位。人類研究機器人技術已經有50多年的歷史了，因此，機器人理論也有了十分扎實的理論基礎和研究成果。

總的來說，機器人技術是跨學科的融合體現，它融合了電子電路、自動化控制、計算機技術、機械動力學以及仿生學等等學科的最新研究成果，象征著科學技術的最新進展，是一個國家高新技術與經濟實力的體現。因此，不少歐美大國將機器人技術作為21世紀首要的先進科技規劃任務。

目前，機器人對國家安全、工業制造、社會服務等各個行業都有很大的幫助。例如在流水線上的機械臂，在抗災救險的無人機，餐廳里的自動送餐機等等。與此同時，人們對機器人的需求也不斷增強。逐漸的，人們需要能夠感知周圍，做出判斷的智能機器人。這種機器人能根據周圍的環境參數，在內部建立模型，根據神經網絡或是遺傳算法來做決策，最終完成用戶發出的指令。在這樣一個規劃系統中，避障規劃是一個極為關鍵、很有必要的任務。

機器人避障，簡而言之就是讓機器人能夠自動避開障礙物安全行動。由于機械結構的精細構造，不允許發生經常的碰撞。在當今科技高速發展的時代，人們越來越需要機器人去替代人來完成一些危險的任務。例如在科學探索以及救災搶險中，經常會遇到一些危險或者人類無法輕易到達的地方。在這個時候，機器人的優勢就體現出來了。 而機器人在復雜多變的地形中進行自動避障是這項任務的根本條件，如果無法自動避障，一切都是紙上談兵。因此，我們有必要對自動避障的原理進行分析和探討。

綜上所述，研究機器人在未知障礙物的環境下的避障規劃方法將具有重要的意義。

2 機器人避障方法及算法介紹

2.1 目前常用的傳感器

自動避障的第一步，是讓機器人能夠感知周圍環境。一般來說，我們需要通過傳感器給機器人提供周圍環境的參數指標。例如障礙物的尺寸、形狀和位置等。目前避障使用的傳感器各種各樣，其特點和適用范圍也不同。根據不同的原理，可分為：超聲波傳感器、紅外傳感器、激光傳感器和視覺傳感器。

2.2 超聲波傳感器

超聲波傳感器的原理是：先發出超聲波，然后檢測反射波的延遲，根據聲速計算目標與物體之間的距離。由于超聲波在空氣中的速度和濕度，溫度有關，在實踐中，需要考慮到這些因素的變化。另外，超聲波傳感器的有效距離，一般小于10m，并且會有最小約幾十毫米的檢測盲點，它只能用于小型項目。超聲波傳感器成本低廉，技術成熟，原理簡單，是最常用的傳感器。

2.2.1 紅外傳感器

紅外傳感器大多基于三角測量原理。發射器以一定的角度向待測物體發射紅外光束，被物體反射回來后用另一個接收器檢測到，會得到一個偏移值。利用幾何關系可以根據發射角度計算得到傳感器與物體的距離。常見的紅外傳感器的測量距離都比較近，小于超聲波傳感器的距離。另外，對于透明的物體（例如玻璃等）紅外線會穿透的材質，紅外傳感器是無法檢測距離的。

2.2.2 激光傳感器

激光傳感器原理類似前一個方法，只是用激光替代了紅外線來測量距離。常用的測距方式是由發射器發出持續時間很短的脈沖激光，由接收器接收返回的信號，根據入射波與反射波的延時，測出與目標的實際距離。由于光速比聲速快很多，這種測量方式往往用于大型測量，如航天研究中，而并不適合對精度要求很高的領域。同樣，這種方法的成本也十分昂貴，因此也不適用與小型企業或者私人研究。

2.2.3 視覺傳感器

視覺傳感器利用多個傳感器聯合使用，通過復雜的算法模擬計算出物體的形狀、速度、距離等。這種方法雖然探測范圍比較寬闊，獲取信息量也大，但是對機器人內置的處理器的要求比較高，且由于處理時間的存在，導致對環境的實時反應差。此外，它也會收到霧霾等光學因素的干擾。

2.3 目前常用算法

2.3.1 遺傳算法

遺傳算法是計算機學科中用于解決最佳性問題的常用算法。它借鑒了生物學中的自然選擇等現象，模擬了這些過程來對參數進行遺傳操作。該算法的主要優點是：采用縱觀全局的并行搜索的方法，不會因為局部的死循環而得不到想要的結果，并且具有較強的自適應能力。

2.3.2 神經網絡算法

神經網絡算法是一種模仿生物神經網絡的結構和功能的數學模型或計算模型。神經網絡由大量的人工神經元聯結進行計算，是一種自適應系統。它能夠根據輸入（傳感器信息和機器人運動方向）和輸出（路線）的復雜關系，化繁為簡，進行建模，求出結果。

2.3.3 模糊算法

模糊控制是基于模糊集理論的一種控制方法。 它不像其他算法，以簡化實際情況和建立數學模型的方式解決問題。模糊邏輯模擬人類思維的模糊性，并使用類似于人類語言的語言變量來推理。如模糊邏輯：“如果右前方檢測到障礙物在遠處，則稍微向左”。它不依賴于精確的數學模型，可以很容易地控制系統的不確定性。此外，它具有很強的抗干擾能力。

2.3.4 Bug算法

Bug算法是最簡單的一種避障算法，它的原理就是當檢測到障礙物后，圍著障礙物的輪廓行走，直至繞開它。Bug算法的效率很低，因為它走了許多不必走的路。但是它可以保證機器人到達目標。還有一個限制因素是，Bug算法只能用于二維的路徑，三維中并不適用。

最早出現的事Bug1算法，它將機器人避障的路線簡化為：朝目標點G走，和繞障礙物輪廓走兩個模式。當發現障礙物后，它會一直繞著障礙物走一圈，從這個過程中獲取障礙物信息。在第二圈，它會選取距離目標點最近的點離開。大致的示意圖如圖1所示，明顯它的效率不高，但是能夠保證到達目標點G。

后來，人們為了解決這一效率低的問題，對Bug1算法進行改進，改進后的Bug2算法，機器人在未檢測到障礙物時會一直朝著目標點G行走，一旦檢測到障礙物，它會繞著障礙物行走并時刻判斷能否直接移動至目標。一旦可以，機器人就會從障礙物上分離。這樣，行動的總路徑會大大減小。大致的示意圖如圖2所示。然而，當遇到特殊形狀的障礙物時，這種算法往往會得到錯誤的路徑（如地圖上有死路）。

2.3.5 勢場法

勢場法是一種強大的算法，它除了可以用于避障，還可以用于規劃路線。勢場法將地圖中的障礙物表現為電磁學上勢場中的一個高峰（斥力），而目標點變現為低谷（引力）。經過合適的模型建立，所有的力將會疊加在機器人身上，根據力的疊加原理，讓它自動平滑的走向目標點。如果在行走過程中，檢測到了新的障礙物，機器人的內置處理器會更新勢場圖，并再次規劃路線。

在這個基礎上，人們又增加了兩個額外的勢場：轉運勢場和任務勢場。

轉運勢場：它考慮了障礙物與機器人的相對方向。當機器人向著障礙物走時，它會增加斥力來避免碰撞。當障礙物平行于物體行走時，它會減小斥力來防止斥力過大。這樣，規劃出的路線將更為平滑，而系統的容錯率也將大大提高。

任務勢場：它排除了那些根據當前機器人速度不會對近期勢能造成影響的障礙物，這樣不會因為障礙物過多而增加處理器的壓力，處理速度將加快，機器的隨機反應能力也會上升一個檔次。

2.3.6 向量場直方圖

這種方法在執行過程中會根據移動機器人的周圍環境建立一個極坐標地圖，橫坐標為以機器人為中心向外發散的角度（-180°到180°），縱坐標表示該角度下存在障礙物的概率函數。如圖3所示。

2.4 潛在問題以及展望

2.4.1 傳感器失靈

上述介紹的所有傳感器都是有各自的優缺點，沒有任何一個是包羅萬象的。例如，我們需要檢測遠方一塊鋼化玻璃的距離，那么紅外、激光和視覺傳感器的方案便會失效，因為這些光線會穿透玻璃，無法獲得反射光波。而在這個情況下，超聲波傳感器的優勢就體現出來了。聲波不像光波，它不會穿透玻璃等透明物體。同樣，當我們需要在嘈雜的環境下檢測物體距離，我們便需要光學傳感器來彌補聲學傳感器的劣勢。因此，在實際應用下，多個傳感器的結合才能保障在任何情況下的萬無一失。這也體現了目前科技發展的一個特征：交叉學科。

還有一種情況是，當兩個或以上的傳感器同時工作時，很容易互相產生干擾。若是為了排除干擾而選擇按照順序分別工作，那么會大大減慢工作速度，對實時性產生影響。我想到的一個方法是在不同頻率發射不同的超聲波，然后利用濾波器找到各自的反射波，這樣能有效減少多個傳感器的串擾。

2.4.2 動力學限制

在剛才的幾個算法中，很多都提到了“繞行”“轉向”等字眼，而這在實際的情況中很難完美實現。例如，一臺小車在轉彎時選擇多大的轉角？它能否原地轉向？以多大的速度行走不會側翻？這些問題都值得進行進一步研究。慣性和向心力的影響更是不可忽略。所以在設計算法的時候，需要考慮到機器人的實際結構，考慮實際情況下是否可行。

3 結語

機器人避障技術作為一項機器人技術的重要分支，雖然已有了多年的研究歷程，仍然是一個潛力很大的未知領域。如果要將這項技術廣泛應用于各個制造業與服務業，那么需要各路學者進行理論以上的深層次研究。在我看來，安置各個傳感器并使用多樣算法的避障機器人才是未來的開發方向。而這個開發方向艱難重重。既需要解決動力學上的各類問題，又需要考慮實際情況對傳感器進行改造?？傊?，機器人自動避障在某種程度上可以看作是機器人規劃路線功能的一種特例，它對產品的實時性和成功率（可靠性）的要求更高。不過，一旦解決了這一大難題，將無疑給人類帶來巨大的便利，為未來創造無限可能。

參考文獻

[1]劉世聰.機器人避障算法研究[D].大慶：東北石油大學，2011.

[2]高曉妹.機器人避障問題研究[J].教育教學論壇，2013（06）：75-76.

[3]人機與認知實驗室. 在實現自主導航之前，移動機器人都有哪些避障方法[OL].雷鋒網，2016（05）.

[4]呂漫麗.基于多傳感器信息融合的移動機器人避障研究[D].吉林：東北電力大學，2008.

作者單位

河南省洛陽市孟津縣第一高級中學老校區 河南省孟津縣 471000