李瑞雪，陸靜平，鄧朝陽

(廣西大學(xué)機(jī)械工程學(xué)院，南寧530004)

0 引言

近年來，室內(nèi)移動機(jī)器人進(jìn)入快速發(fā)展時期。然而，移動機(jī)器人并未實(shí)現(xiàn)真正的“自主”，尚未達(dá)到企業(yè)對其預(yù)期設(shè)想。以定位為例，移動機(jī)器人一旦陷入定位迷失狀態(tài)，便喪失了工作能力且無法自我修正，此時一旦接收到下一步指令，機(jī)器人將一直原地打轉(zhuǎn)，直至人為終止運(yùn)行或人為給定正確位置。移動機(jī)器人朝著智慧化發(fā)展，也就是其不斷提升自主性的過程。因此，學(xué)者們從預(yù)防和修正兩方面出發(fā)，意圖更好的解決定位迷失問題，提升移動機(jī)器人自主性能。

1 定位迷失問題

在定位過程中，移動機(jī)器人根據(jù)內(nèi)外傳感器分別傳入的運(yùn)動信息和環(huán)境信息，求解自身相對于已知地圖最合理的位姿［1］。本文所研究的定位迷失問題，則屬于異常情況下的定位問題。該問題主要包括兩種情況：一是綁架機(jī)器人問題［2］，該問題就像是AGV 被人為綁架，短時間內(nèi)從A 點(diǎn)被騰空挪到了距離較遠(yuǎn)的B 點(diǎn)，落地瞬間機(jī)器人定位結(jié)論仍停留在A 點(diǎn)而非實(shí)際的B 點(diǎn)；二是由于輪子打滑、傳感器存在誤差等因素導(dǎo)致機(jī)器人小范圍偏移迷失。

定位迷失問題的傳統(tǒng)解決方法為概率定位，但概率定位依賴運(yùn)動數(shù)據(jù)進(jìn)行位姿預(yù)測，機(jī)器人被綁架過程中運(yùn)動模型失效，概率定位算法被迫中斷，機(jī)器人陷入定位迷失狀態(tài)。傳統(tǒng)概率定位不足以完全解決定位迷失問題，于是越來越多的學(xué)者就如何更好更快地解決定位迷失問題展開了研究。

2 定位迷失問題研究現(xiàn)狀

當(dāng)前針對定位迷失問題的研究大體分為兩大類，一是著手于問題發(fā)生前的預(yù)防，二是著手于問題發(fā)生后的識別與修正。

2.1 預(yù)防定位迷失

機(jī)器人定位過程，即機(jī)器人降低位姿不確定性的過程，因此運(yùn)用概率表示不確定性的概率定位一直是機(jī)器人主流定位方式。相關(guān)研究中占比最高的便是如何改進(jìn)概率定位算法，占比稍低的則是研究多傳感器組合技術(shù)以提升機(jī)器人信息獲取能力。

傳統(tǒng)的概率定位包括馬爾可夫定位、 卡爾曼濾波定位以及蒙特卡羅定位。文獻(xiàn)［3］針對馬爾可夫定位算法的數(shù)據(jù)建模過程，提出運(yùn)用主成分分析法提取出最可能表征環(huán)境模型的參數(shù)集，然后通過支持向量回歸算法得到與觀測模型相關(guān)的概率密度函數(shù)。文獻(xiàn)［4］將貝葉斯假設(shè)檢驗(yàn)與卡爾曼濾波算法結(jié)合，通過貝葉斯假設(shè)檢驗(yàn)融合內(nèi)外傳感器輸入的不同類型數(shù)據(jù)進(jìn)行位姿估計，實(shí)現(xiàn)移動機(jī)器人定位問題中的多假設(shè)跟蹤。文獻(xiàn)［5］在蒙特卡羅算法建模過程中將動態(tài)物體誤差、 測量失敗誤差添加進(jìn)觀測模型中，使得模型更符合實(shí)際情況。文獻(xiàn)［6］將蒙特卡羅算法的樣本取樣約束在細(xì)化邊緣的鄰域內(nèi)，代替?zhèn)鹘y(tǒng)的周圍整個空間，提高了算法效率。

關(guān)于多傳感器組合技術(shù)的相關(guān)研究，往往會根據(jù)需求選擇兩種(或三種)傳感器，然后借助濾波器實(shí)現(xiàn)不同傳感器之間的數(shù)據(jù)融合。再者，在傳感器的選擇上通常偏向于加入攜帶更多圖像信息的視覺傳感器。文獻(xiàn)［7］將圖像傳感器采集的深度信息轉(zhuǎn)換為偽激光信息，再與激光傳感器獲取的數(shù)據(jù)進(jìn)行融合。文獻(xiàn)［8］用模糊段表示不同來源的不確定位置信息，再利用模糊推理的方式融合模糊段，實(shí)現(xiàn)基于模糊理論的多傳感器融合。

2.2 修正定位迷失

處于迷失狀態(tài)的移動機(jī)器人要想盡快恢復(fù)正常狀態(tài)，需及時判斷自己陷入迷失狀態(tài)，并快速從中逃離出來。幫助移動機(jī)器人實(shí)現(xiàn)自身狀態(tài)判斷，往往需事先選定參考數(shù)據(jù)，在機(jī)器人運(yùn)動過程中，一旦該數(shù)據(jù)變化至相應(yīng)閾值，則視為迷失狀態(tài)發(fā)生。文獻(xiàn)［9］比較現(xiàn)有地圖和機(jī)器人感知數(shù)據(jù)的相似度，相似度越低信息熵越高，則機(jī)器人處于綁架狀態(tài)的可能性越大。文獻(xiàn)［10］結(jié)合粒子集標(biāo)準(zhǔn)差、粒子集權(quán)重和最大粒子集權(quán)重綜合判斷是否發(fā)生了機(jī)器人綁架問題。

在識別自身陷入迷失狀態(tài)的基礎(chǔ)上如何修正迷失狀態(tài)，相關(guān)研究大致可以分為三類。首先，定位迷失問題主要選用蒙特卡羅定位解決，但在實(shí)際運(yùn)用(尤其機(jī)器人綁架問題)中，蒙特卡羅定位會出現(xiàn)定位失敗或定位時間過長的情況。文獻(xiàn)［11］通過比較傳感器測量概率和平均概率衡量定位準(zhǔn)確度，準(zhǔn)確度過低時增加一定數(shù)目隨機(jī)粒子，以降低蒙特卡羅定位失敗率。文獻(xiàn) ［12］ 基于KD 樹調(diào)節(jié)地圖的柵格大小，使得柵格大小與粒子分布相適應(yīng)，緩解了蒙特卡羅定位算法精度與時間之間的矛盾。

再者，基于視覺技術(shù)近年來迅猛發(fā)展的現(xiàn)狀，也有學(xué)者將圖像處理中常見的匹配技術(shù)引入定位修正，試圖通過數(shù)據(jù)關(guān)聯(lián)確定所在位置。而其中所選用關(guān)聯(lián)要素多是在圖像中提取出的直線、 輪廓等局部特征。文獻(xiàn)［13］將視覺傳感器傳入的特征信息與預(yù)存地標(biāo)信息比較，一旦匹配則用RANSAC 計算出機(jī)器人所在的準(zhǔn)確位置。文獻(xiàn)［14］以廣角攝像頭提取環(huán)境特征，再將這些特征與預(yù)存特征進(jìn)行大致到精細(xì)的多次匹配，以脫離迷失狀態(tài)。

最后，基于多學(xué)科融合的思想，也有部分研究將其他學(xué)科的經(jīng)典技術(shù)引入修正定位迷失問題，如遺傳算法之類的人工智能算法、 深度學(xué)習(xí)之類的機(jī)器學(xué)習(xí)方法等。文獻(xiàn)［15］將遺傳算法引入移動機(jī)器人定位，通過發(fā)散算子對被綁架機(jī)器人的可能位姿做適度發(fā)散，改善了算法粒子匱乏問題。文獻(xiàn)［16］通過深度學(xué)習(xí)算法從大量環(huán)境信息中提取卷積神經(jīng)網(wǎng)絡(luò)特征，陷入定位迷失的機(jī)器人根據(jù)這些特征進(jìn)行特征匹配確認(rèn)自身位姿。

3 問題與展望

目前，室內(nèi)移動機(jī)器人定位迷失問題的相關(guān)研究雖取得了一定的成果，但這些解決方法都存在不同程度的不足。為更好地解決定位迷失問題，提高機(jī)器人定位性能，現(xiàn)如今還可以從以下幾方面繼續(xù)進(jìn)行研究：

(1)地圖構(gòu)建。無論借助哪種傳感器，一旦場景較大或較為復(fù)雜，地圖構(gòu)建時往往會出現(xiàn)漂移等現(xiàn)象，導(dǎo)致地圖不夠精確，影響機(jī)器人定位。

(2)模型建立。概率定位算法基于運(yùn)動模型和傳感器模型，盡可能地參照實(shí)際情況完善模型，能夠從算法層面解決定位迷失問題。

(3)數(shù)據(jù)關(guān)聯(lián)。當(dāng)前數(shù)據(jù)關(guān)聯(lián)往往是點(diǎn)對點(diǎn)、線對線，這些關(guān)聯(lián)要素相較細(xì)微，易受外界影響。因此，可進(jìn)一步探究如何提升關(guān)聯(lián)精度和抗干擾能力。

(4)多機(jī)器人協(xié)同定位。建立多機(jī)器人通訊機(jī)制，借助其他機(jī)器人準(zhǔn)確的定位信息以修正自身位姿，可考慮用于解決機(jī)器人定位迷失問題。

4 結(jié)論

定位迷失是異常情況下的定位問題，其相關(guān)研究分為預(yù)防和修正兩方面。前者通過改進(jìn)傳統(tǒng)概率化定位方式、 多傳感器組合技術(shù)以避免發(fā)生定位迷失；后者關(guān)注迷失問題發(fā)生后機(jī)器人如何識別狀態(tài)改變，又如何進(jìn)一步通過蒙特卡羅、圖像匹配、人工智能算法等修正迷失狀態(tài)。同時，基于當(dāng)下研究現(xiàn)狀，為更好地解決定位迷失問題，可考慮從地圖構(gòu)建、模型建立、數(shù)據(jù)關(guān)聯(lián)和多機(jī)器人協(xié)同定位四方面進(jìn)一步深入研究。