市場研究機構(gòu)統(tǒng)計顯示，2015年中國工業(yè)機器人市場價值達13億美元，并將保持20%的年復合成長(CAGR)，到2020年達到33億美元。

　　2015年，中國的工業(yè)機器人銷售收入占全球13%，到2020年將達到25%。美的花重金收購庫克，大概也是看中工業(yè)機器人良好的發(fā)展勢頭。

　　工業(yè)機器人屬于智能機器人的一種，智能機器人發(fā)展迅速，下面跟隨小編一起，了解一下智能機器人中用到的三大關(guān)鍵技術(shù)吧。

　　一、多傳感器信息融合

　　多傳感器信息融合技術(shù)是近年來十分熱門的研究課題，它與控制理論、信號處理、人工智能、概率和統(tǒng)計相結(jié)合，為機器人在各種復雜、動態(tài)、不確定和未知的環(huán)境中執(zhí)行任務(wù)提供了一種技術(shù)解決途徑。

　　數(shù)據(jù)融合的關(guān)鍵問題是模型設(shè)計和融合算法，數(shù)據(jù)融合模型主要包括功能模型、結(jié)構(gòu)模型和數(shù)學模型。功能模型從融合過程出發(fā)，描述數(shù)據(jù)融合包括哪些主要功能和數(shù)據(jù)庫，以及進行數(shù)據(jù)融合時系統(tǒng)各組成部分之間的相互作用過程；結(jié)構(gòu)模型從數(shù)據(jù)融合的組成出發(fā)，說明數(shù)據(jù)融合系統(tǒng)的軟、硬件組成，相關(guān)數(shù)據(jù)流、系統(tǒng)與外部環(huán)境的人機界面；數(shù)學模型是數(shù)據(jù)融合的算法和綜合邏輯，算法主要包括分布檢測、空間融合、屬性融合、態(tài)勢評估和威脅估計算法等，下面從3個方面分別進行介紹。

　　1.信息融合的功能模型

　　目前已有很多學者從不同角度提出了信息融合系統(tǒng)的一般功能模型，最有權(quán)威性的是DFS（美國三軍政府組織-實驗室理事聯(lián)席會（JDL）下面的C3I技術(shù)委員會（TPC3）數(shù)據(jù)融合專家組）提出的功能模型。

　　該模型把數(shù)據(jù)融合分為3級。第1級是單源或多源處理，主要是數(shù)字處理、跟蹤相關(guān)和關(guān)聯(lián)；第2級是評估目標估計的集合，及它們彼此和背景的關(guān)系來評估整個情況；第3級用一個系統(tǒng)的先驗?zāi)繕思蟻頇z驗評估的情況。

　　2.信息融合的結(jié)構(gòu)模型

　　數(shù)據(jù)融合的結(jié)構(gòu)模有多種不同的分類方法，其中一種分類標準是根據(jù)傳感器數(shù)據(jù)在送人融合處理中心之前已經(jīng)處理的程度來進行分類。在這種分類標準下，融合結(jié)構(gòu)被分為傳感器級數(shù)據(jù)融合，中央級數(shù)據(jù)融合及混合式融合，還可以根據(jù)數(shù)據(jù)處理過程的分辨率來對融合結(jié)構(gòu)進行分類。在這種情況下，融合結(jié)構(gòu)為像素級、特征級和決策級融合。

　　3.多傳感器信息融合實現(xiàn)的數(shù)學模型

　　信息融合的方法涉及到多方面的理論和技術(shù)，如信號處理、估計理論、不確定性理論、模式識別、最優(yōu)化技術(shù)、模糊數(shù)學和神經(jīng)網(wǎng)絡(luò)等這方面國外已經(jīng)做了大量的研究。

　　目前，這些方法大致分為兩類：隨機類方法和人工智能方法。

　　二、導航與定位

　　在機器人系統(tǒng)中，自主導航是一項核心技術(shù)，是機器人研究領(lǐng)域的重點和難點問題。自主移動機器人常用的導航定位方法有以下四種。

　　1、視覺導航定位

　　在視覺導航定位系統(tǒng)中，目前國內(nèi)外應(yīng)用較多的是基于局部視覺的在機器人中安裝車載攝像機的導航方式。在這種導航方式中，控制設(shè)備和傳感裝置裝載在機器人車體上，圖像識別、路徑規(guī)劃等高層決策都由車載控制計算機完成。視覺導航定位系統(tǒng)主要包括：攝像機（或CCD圖像傳感器）、視頻信號數(shù)字化設(shè)備、基于DSP的快速信號處理器、計算機及其外設(shè)等?，F(xiàn)在有很多機器人系統(tǒng)采用CCD圖像傳感器，其基本元件是一行硅成像元素，在一個襯底上配置光敏元件和電荷轉(zhuǎn)移器件，通過電荷的依次轉(zhuǎn)移，將多個象素的視頻信號分時、順序地取出來，如面陣CCD傳感器采集的圖像的分辨率可以從32×32到1024×1024像素等。視覺導航定位系統(tǒng)的工作原理簡單說來就是對機器人周邊的環(huán)境進行光學處理，先用攝像頭進行圖像信息采集，將采集的信息進行壓縮，然后將它反饋到一個由神經(jīng)網(wǎng)絡(luò)和統(tǒng)計學方法構(gòu)成的學習子系統(tǒng)，再由學習子系統(tǒng)將采集到的圖像信息和機器人的實際位置聯(lián)系起來，完成機器人的自主導航定位功能。

　　2、光反射導航定位

　　典型的光反射導航定位方法主要是利用激光或紅外傳感器來測距。激光和紅外都是利用光反射技術(shù)來進行導航定位的。

　　激光全局定位系統(tǒng)一般由激光器旋轉(zhuǎn)機構(gòu)、反射鏡、光電接收裝置和數(shù)據(jù)采集與傳輸裝置等部分組成。工作時，激光經(jīng)過旋轉(zhuǎn)鏡面機構(gòu)向外發(fā)射，當掃描到由后向反射器構(gòu)成的合作路標時，反射光經(jīng)光電接收器件處理作為檢測信號，啟動數(shù)據(jù)采集程序讀取旋轉(zhuǎn)機構(gòu)的碼盤數(shù)據(jù)（目標的測量角度值），然后通過通訊傳遞到上位機進行數(shù)據(jù)處理，根據(jù)已知路標的位置和檢測到的信息，就可以計算出傳感器當前在路標坐標系下的位置和方向，從而達到進一步導航定位的目的。

　　如圖是一個LDSR激光傳感器系統(tǒng)原理框圖。激光測距具有光束窄、平行性好、散射小、測距方向分辨率高等優(yōu)點，但同時它也受環(huán)境因素干擾比較大，因此采用激光測距時怎樣對采集的信號進行去噪等也是一個比較大的難題，另外激光測距也存在盲區(qū)，所以光靠激光進行導航定位實現(xiàn)起來比較困難，在工業(yè)應(yīng)用中，一般還是在特定范圍內(nèi)的工業(yè)現(xiàn)場檢測，如檢測管道裂縫等場合應(yīng)用較多。

　　紅外傳感技術(shù)經(jīng)常被用在多關(guān)節(jié)機器人避障系統(tǒng)中，用來構(gòu)成大面積機器人“敏感皮膚”，覆蓋在機器人手臂表面，可以檢測機器人手臂運行過程中遇到的各種物體。典型的紅外傳感器工作原理如圖所示。該傳感器包括一個可以發(fā)射紅外光的固態(tài)發(fā)光二極管和一個用作接收器的固態(tài)光敏二極管。由紅外發(fā)光管發(fā)射經(jīng)過調(diào)制的信號，紅外光敏管接收目標物反射的紅外調(diào)制信號，環(huán)境紅外光干擾的消除由信號調(diào)制和專用紅外濾光片保證。設(shè)輸出信號Vo代表反射光強度的電壓輸出，則Vo是探頭至工件間距離的函數(shù)：

　　Vo=f(x，p)

　　式中，p—工件反射系數(shù)。p與目標物表面顏色、粗糙度有關(guān)。x—探頭至工件間距離。

　　當工件為p值一致的同類目標物時，x和Vo一一對應(yīng)。x可通過對各種目標物的接近測量實驗數(shù)據(jù)進行插值得到。這樣通過紅外傳感器就可以測出機器人距離目標物體的位置，進而通過其他的信息處理方法也就可以對移動機器人進行導航定位。

　　雖然紅外傳感定位同樣具有靈敏度高、結(jié)構(gòu)簡單、成本低等優(yōu)點，但因為它們角度分辨率高，而距離分辨率低，因此在移動機器人中，常用作接近覺傳感器，探測臨近或突發(fā)運動障礙，便于機器人緊急停障。

　　3、GPS全球定位系統(tǒng)

　　如今，在智能機器人的導航定位技術(shù)應(yīng)用中，一般采用偽距差分動態(tài)定位法，用基準接收機和動態(tài)接收機共同觀測4顆GPS衛(wèi)星，按照一定的算法即可求出某時某刻機器人的三維位置坐標。差分動態(tài)定位消除了星鐘誤差，對于在距離基準站1000km的用戶，可以消除星鐘誤差和對流層引起的誤差，因而可以顯著提高動態(tài)定位精度。但是因為在移動導航中，移動GPS接收機定位精度受到衛(wèi)星信號狀況和道路環(huán)境的影響，同時還受到時鐘誤差、傳播誤差、接收機噪聲等諸多因素的影響，因此，單純利用GPS導航存在定位精度比較低、可靠性不高的問題，所以在機器人的導航應(yīng)用中通常還輔以磁羅盤、光碼盤和GPS的數(shù)據(jù)進行導航。另外，GPS導航系統(tǒng)也不適應(yīng)用在室內(nèi)或者水下機器人的導航中以及對于位置精度要求較高的機器人系統(tǒng)。

　　4、超聲波導航定位

　　超聲波導航定位的工作原理也與激光和紅外類似，通常是由超聲波傳感器的發(fā)射探頭發(fā)射出超聲波，超聲波在介質(zhì)中遇到障礙物而返回到接收裝置。通過接收自身發(fā)射的超聲波反射信號，根據(jù)超聲波發(fā)出及回波接收時間差及傳播速度，計算出傳播距離S，就能得到障礙物到機器人的距離，即有公式：S=Tv/2式中，T—超聲波發(fā)射和接收的時間差；v—超聲波在介質(zhì)中傳播的波速。

　　當然，也有不少移動機器人導航定位中用到的是分開的發(fā)射和接收裝置，在環(huán)境地圖中布置多個接收裝置，而在移動機器人上安裝發(fā)射探頭。

　　在移動機器人的導航定位中，因為超聲波傳感器自身的缺陷，如：鏡面反射、有限的波束角等，給充分獲得周邊環(huán)境信息造成了困難，因此，通常采用多傳感器組成的超聲波傳感系統(tǒng)，建立相應(yīng)的環(huán)境模型，通過串行通信把傳感器采集到的信息傳遞給移動機器人的控制系統(tǒng)，控制系統(tǒng)再根據(jù)采集的信號和建立的數(shù)學模型采取一定的算法進行對應(yīng)數(shù)據(jù)處理便可以得到機器人的位置環(huán)境信息。

　　由于超聲波傳感器具有成本低廉、采集信息速率快、距離分辨率高等優(yōu)點，長期以來被廣泛地應(yīng)用到移動機器人的導航定位中。而且它采集環(huán)境信息時不需要復雜的圖像配備技術(shù)，因此測距速度快、實時性好。同時，超聲波傳感器也不易受到如天氣條件、環(huán)境光照及障礙物陰影、表面粗糙度等外界環(huán)境條件的影響。超聲波進行導航定位已經(jīng)被廣泛應(yīng)用到各種移動機器人的感知系統(tǒng)中。

　　三、路徑規(guī)劃

　　路徑規(guī)劃技術(shù)是機器人研究領(lǐng)域的一個重要分支。最優(yōu)路徑規(guī)劃就是依據(jù)某個或某些優(yōu)化準則(如工作代價最小、行走路線最短、行走時間最短等)，在機器人工作空間中找到一條從起始狀態(tài)到目標狀態(tài)、可以避開障礙物的最優(yōu)路徑。

　　移動機器人路徑規(guī)劃技術(shù)大概分為以下4類：模版匹配路徑規(guī)劃技術(shù)、人工勢場路徑規(guī)劃技術(shù)、地圖構(gòu)建路徑規(guī)劃技術(shù)和人工智能路徑規(guī)劃技術(shù)。

　　1.模版匹配路徑規(guī)劃技術(shù)

　　模版匹配方法是將機器人當前狀態(tài)與過去經(jīng)歷相比較，找到最接近的狀態(tài)，修改這一狀態(tài)下的路徑，便可得到一條新的路徑，即首先利用路徑規(guī)劃所用到的或已產(chǎn)生的信息建立一個模版庫，庫中的任一模版包含每一次規(guī)劃的環(huán)境信息和路徑信息，這些模版可通過特定的索引取得；隨后將當前規(guī)劃任務(wù)和環(huán)境信息與模版庫中的模版進行匹配，以尋找出一個最優(yōu)匹配模版；然后對該模版進行修正，并以此作為最后的結(jié)果，模版匹配技術(shù)在環(huán)境確定情況下，有較好的應(yīng)用效果，如Vasudevan等提出的基于案例的自治水下機器人(AUV)路徑規(guī)劃方法，Liu等提出的清潔機器人的模版匹配路徑規(guī)劃方法，為了提高模版匹配路徑規(guī)劃技術(shù)對環(huán)境變化的適應(yīng)性，部分學者提出了將模版匹配與神經(jīng)網(wǎng)絡(luò)學習相結(jié)合的方法，如Ram等將基于事例的在線匹配和增強式學習相結(jié)合，提高了模版匹配規(guī)劃方法中機器人的自適應(yīng)性能，使機器人能部分地適應(yīng)環(huán)境的變化，以及Arleo等將環(huán)境模版與神經(jīng)網(wǎng)絡(luò)學習相結(jié)合的路徑規(guī)劃方法等。

　　2.人工勢場路徑規(guī)劃技術(shù)

　　人工勢場路徑規(guī)劃技術(shù)的基本思想是將機器人在環(huán)境中的運動視為一種機器人在虛擬的人工受力場中的運動。障礙物對機器人產(chǎn)生斥力，目標點對機器人產(chǎn)生引力，引力和斥力的合力作為機器人的控制力，從而控制機器人避開障礙物而到達目標位置。

　　早期人工勢場路徑規(guī)劃研究是一種靜態(tài)環(huán)境的人工勢場，即將障礙物和目標物均看成是靜態(tài)不變的，機器人僅根據(jù)靜態(tài)環(huán)境中障礙物和目標物的具體位置規(guī)劃運動路徑，不考慮它們的移動速度。然而，現(xiàn)實世界中的環(huán)境往往是動態(tài)的，障礙物和目標物都可能是移動的，為了解決動態(tài)環(huán)境中機器人的路徑規(guī)劃問題，F(xiàn)ujimura等提出一種相對動態(tài)的人工勢場方法，將時間看成規(guī)劃模型的一維參量，而移動的障礙物在擴展的模型中仍被看成是靜態(tài)的，這樣動態(tài)路徑規(guī)劃仍可運用靜態(tài)路徑規(guī)劃方法加以實現(xiàn)。該方法存在的主要問題是假設(shè)機器人的軌跡總是已知的，但這一點在現(xiàn)實世界中難以實現(xiàn)，對此，Ko等將障礙物的速度參量引入到斥力勢函數(shù)的構(gòu)造中，提出動態(tài)環(huán)境中的路徑規(guī)劃策略，并給出了仿真結(jié)果，但是，該方法的兩個假設(shè)使其與實際的動態(tài)環(huán)境存在距離：（1）僅考慮環(huán)境中障礙物的運動速度，未考慮機器人的運動速度；（2）認為障礙物與機器人之間的相對速度是固定不變的，這不是完整的動態(tài)環(huán)境。對于動態(tài)路徑規(guī)劃問題來說，與機器人避障相關(guān)的主要是機器人與障礙物之間的相對位置和相對速度，而非絕對位置和速度，對此，Ge等將機器人與目標物的相對位置與相對速度引入吸引勢函數(shù)，將機器人與障礙物的相對位置與相對速度引入排斥勢函數(shù)，提出動態(tài)環(huán)境下的機器人路徑規(guī)劃算法，并將該算法應(yīng)用于全方位足球移動機器人的路徑規(guī)劃中，取得了比較滿意的仿真與實驗結(jié)果。

　　3.地圖構(gòu)建路徑規(guī)劃技術(shù)

　　地圖構(gòu)建路徑規(guī)劃技術(shù)，是按照機器人自身傳感器搜索的障礙物信息，將機器人周圍區(qū)域劃分為不同的網(wǎng)格空間（如自由空間和限制空間等），計算網(wǎng)格空間的障礙物占有情況，再依據(jù)一定規(guī)則確定最優(yōu)路徑，地圖構(gòu)建又分為路標法和柵格法，也稱單元分解法。前者是構(gòu)造一幅由標志點和連接邊線組成的機器人可行路徑圖，如可視線方法、切線圖方法、Voronoi圖方法和概率圖展開法等。

　　可視圖法將機器人看成一個點，機器人、目標點和多邊形障礙物的各頂點進行組合連接，并保證這些直線均不與障礙物相交，便形成一張圖，稱為可視圖，由于任意兩直線的頂點都是可見的，從起點沿著這些直線到達目標點的所有路徑均是運動物體的無碰路徑，路徑規(guī)劃就是搜索從起點到目標點經(jīng)過這些可視直線的最短距離問題；切線圖法和Voronoi圖法對可視圖法進行了改造，切線圖法以多邊形障礙物模型為基礎(chǔ)，任意形狀障礙物用近似多邊形替代，在自由空間中構(gòu)造切線圖，因此從起始點到目標點機器人是沿著切線行走，即機器人必須幾乎接近障礙物行走，路徑較短，但如果控制過程中產(chǎn)生位置誤差，移動機器人碰撞的可能性會很高，Voronoi圖由一系列的直線段和拋物線段構(gòu)成，直線由兩個障礙物的頂點或兩個障礙物的邊定義生成，直線段上所有點必須距離障礙物的頂點或障礙物的邊相等，拋物線段由一個障礙物的頂點和一個障礙物的邊定義生成，拋物線段同樣要求與障礙物頂點和障礙物的邊有相同距離，與切線法相比，Voronoi圖法從起始節(jié)點到目標節(jié)點的路徑將會增長，但采用這種控制方式時，即使產(chǎn)生位置誤差，移動機器人也不會碰到障礙物，安全性較高，下圖為切線圖法與Voronoi圖法示意圖。

　　切線圖法與Voronoi圖法

　　柵格法是將機器人周圍空間分解為相互連接且不重疊的空間單元；柵格(cell)，由這些柵格構(gòu)成一個連通圖，依據(jù)障礙物占有情況，在此圖上搜索一條從起始柵格到目標柵格無碰撞的最優(yōu)路徑．這其中根據(jù)柵格處理方法的不同，又分為精確柵格法和近似柵格法，后者也稱概率柵格法。精確柵格法是將自由空間分解成多個不重疊的單元，這些單元的組合與原自由空間精確相等，如下圖就是常用的一種精確柵格分解法一一梯形柵格分解。

　　與精確柵格法不同，近似柵格法的所有柵格都是預定的形狀，通常為矩形，整個環(huán)境被分割成多個較大的矩形，每個矩形之間都是連續(xù)的，典型的方法是“四叉樹”法，如果大矩形內(nèi)部包含障礙物或者邊界，則將其分割成4個小矩形，對所有稍大的柵格都進行這種劃分，然后在劃分的最后界限內(nèi)形成的小柵格間重復執(zhí)行該程序，直到達到解的界限為止。

　　地圖構(gòu)建法直觀明了，它常與其他路徑規(guī)劃方法集成使用，如Araujo提出的ART神經(jīng)網(wǎng)絡(luò)的地圖構(gòu)建路徑規(guī)劃算法，Najjaran提出的卡爾曼濾波器的地圖構(gòu)建路徑規(guī)劃，Yang等提出的基于生物啟發(fā)神經(jīng)網(wǎng)絡(luò)與地圖構(gòu)建集成的清潔機器人完全覆蓋路徑規(guī)劃技術(shù)(CCPP)等。

　　目前，地圖構(gòu)建技術(shù)已引起機器人研究領(lǐng)域的廣泛關(guān)注，成為移動機器人路徑規(guī)劃的研究熱點之一，但機器人傳感器信息資源有限，使得網(wǎng)格地圖障礙物信息很難計算與處理，同時由于機器人要動態(tài)快速地更新地圖數(shù)據(jù)，在網(wǎng)格數(shù)較多、分辨率較高時難以保證路徑規(guī)劃的實時性，因此，地圖構(gòu)建方法必須在地圖網(wǎng)格分辨率與路徑規(guī)劃實時性上尋求平衡。

　　4.人工智能路徑規(guī)劃技術(shù)

　　人工智能路徑規(guī)劃技術(shù)是將現(xiàn)代人工智能技術(shù)應(yīng)用于移動機器人的路徑規(guī)劃中，如人工神經(jīng)網(wǎng)絡(luò)、進化計算、模糊邏輯與信息融合等。遺傳算法是最早應(yīng)用于組合優(yōu)化問題的智能優(yōu)化算法，該算法及其派生算法在機器人路徑規(guī)劃研究領(lǐng)域已得到應(yīng)用，在蟻群算法較好解決旅行商問題(TSP)的基礎(chǔ)上，許多學者進一步將蟻群優(yōu)化算法引入到水下機器人(UV)的路徑規(guī)劃研究中。

　　神經(jīng)網(wǎng)絡(luò)作為人工智能的重要內(nèi)容，在移動機器人路徑規(guī)劃研究中得到了廣泛關(guān)注，如Ghatee等將Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用到路徑距離的優(yōu)化中；Zhu等將自組織SOM神經(jīng)網(wǎng)絡(luò)應(yīng)用到多任務(wù)多機器人的任務(wù)分配與路徑規(guī)劃中，近年來加拿大學者Simon提出一種新的生物啟發(fā)動態(tài)神經(jīng)網(wǎng)絡(luò)模型，將神經(jīng)網(wǎng)絡(luò)的神經(jīng)元與二維規(guī)劃空間的離散坐標對應(yīng)起來，通過規(guī)定障礙物和非障礙物對神經(jīng)元輸入激勵和抑制的不同，直接計算相關(guān)神經(jīng)元的輸出，由此判定機器人的運行方向，由于該神經(jīng)網(wǎng)絡(luò)不需要學習訓練過程，路徑規(guī)劃實時性好，同時利用神經(jīng)網(wǎng)絡(luò)本身的快速衰減特性，較好地解決了機器人路徑規(guī)劃的死區(qū)問題。如圖為用于局部路徑規(guī)劃的生物啟發(fā)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，圖中所示為機器人（處于神經(jīng)元處）傳感器的感受半徑，每個神經(jīng)元與環(huán)境位置坐標對應(yīng)，動態(tài)計算機器人鄰近神經(jīng)元輸出，機器人根據(jù)神經(jīng)元輸出大小決定下一步運行目標，從而實現(xiàn)安全的路徑規(guī)劃。

　　人工智能技術(shù)應(yīng)用于移動機器人路徑規(guī)劃，增強了機器人的“智能”特性，克服了許多傳統(tǒng)規(guī)劃方法的不足，但該方法也有不足之處，有關(guān)遺傳優(yōu)化與蟻群算法路徑規(guī)劃技術(shù)主要針對路徑規(guī)劃中的部分問題，利用進化計算進行優(yōu)化處理，并與其他路徑規(guī)劃方法結(jié)合在一起使用，單獨完成路徑規(guī)劃任務(wù)的情況較少。信息融合技術(shù)主要應(yīng)用于機器人傳感器信號處理方面，而非直接的路徑規(guī)劃策略，對神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃而言，大多數(shù)神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃均存在規(guī)劃知識的學習過程，不僅存在學習樣本難以獲取，而且存在學習滯后問題，從而影響神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃的實時性，生物啟發(fā)神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃雖然實時性較好，但其輸入激勵與抑制的設(shè)定也存在人為不確定因素。

　　基于生物啟發(fā)神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃

　　此外，智能機器人還用到機器人視覺、智能控制、人機接口技術(shù)等多種技術(shù)，小編就不一一贅述了，大家可以搜尋相關(guān)資料，一起分享哦。