全方位移动机器人路径跟踪问题的优化方案

随着机器人的不断智能化，人们对于机器人的要求已经不再局限于辅助工具了。其中机器人的路径跟踪，也就是循迹功能的实现，使得机器人能够沿着预定的轨迹前进，无需人的干预，大大提高了生产效率，这类机器人被称为自动导引车（AGV）。同时，在不需要人控制的情况下实现自动导引，就需要人为地路径规划，先设计好适合机器人前进路线才能保证安全使用。所谓机器人的路径跟踪技术，就是机器人自行规划出一条无碰撞到达目标位置的运行路线，满足：（1）能绕开障碍物，并且经过一些必须到达的目标点完成任务；（2）使用算法实现绕开障碍物地无碰撞前进；（3）尽量优化运行轨迹。所以路径规划问题就是机器人在一定的环境中应沿怎样的路线运动的决策问题。轨迹规划根据机器人对环境信息的认知程度分为两类：一类是环境信息已知的全局路径规划，一类是环境信息部分已知或完全未知的局部路径规划。全局路径规划主要有构型空间法、自由空间法和栅格法，其中栅格法较为简单且实用；局部路径规划包括人工势场法、遗传算法和模糊逻辑算法等。因此，路径规划问题也是全方位移动机器人可研究的一个热门问题。

AGV（Automatic Guided Vehicle）是指装备了电磁或者光学等自动导引装置，能沿着规定的导引路径行驶，并具有相应的安全保护以及各种移动载荷功能的运输车辆。

目前常用的自动导引方式有电磁感应导航、激光导航、GPS导航和视觉导航等。

电磁感应导航方式是使用最早、最多的一种，现多用于柔性生产中。其导航原理是通过AGV上的电磁感应装置检测埋入地下的密封电磁线产生的磁场强度偏移量，优点是埋线隐蔽，导引线不易破损和污染，抗干扰性强；缺点是结构复杂，改造和维护困难。

在激光导航中，AGV主动发射并接收被周围反射板反射回来的激光束，利用连续的三角几何运算实现定位和导航，该方式精度高，实现和修改路径方便，能够适应复杂和狭窄路况，但激光传感器价格较贵、反射板安装位置高。激光导引是一种发展较快的机器人导引方式。

GPS导航是利用卫星可以在全球范围内实现对目标物跟踪和制导，该方法适用于室外全局定位和导航，导航精度取决于卫星数量和被控对象所处环境因素，因近距离定位精度低、实时性和动态性差等缺点，GPS导航不适用于室内移动机器人。

视觉导航是一种正在快速发展和日益成熟的导航方式，该方式无需人为铺设任何物理路径，具有很强的导航柔性。随着计算机技术、机器视觉及图像处理的不断发展，视觉导航方式的实用性越来越强，应用也更加广泛。视觉导航原理是：通过车载摄像机动态获取车辆行驶环境，进行图像处理和识别，确定车辆当前位置以及导航信息，从而实现路径跟踪。

世界上最早开始研究移动机器人视觉导航的是斯坦福研究院（SRI）的Nils Nilssen和Charles Roson等，他们从1962年开始历经十年研制成功一台名叫Shakey的机器人，该机器人配备有一个可转动的黑白摄像头、光学测距仪、防撞杆。机器人的摄像头拍摄的图片以无线方式传递给主控制器，主控制器进行图像处理和运动控制处理，然后也通过无线方式将控制指令发送给执行末端。受当时的计算机发展水平限制，Shakey的主控制器运算速度很慢，使得机器人的行驶速度也很低，移动数米就需要约一个小时。Shakey虽然只能在室内试验环境下行走，没有进行真实情况测试，但是为今后的视觉导航研究提供了基础和经验。

1983年卡内基梅隆大学的Charles Thorpe参照斯坦福大学的Stanford Cart，研制了实时性好的单目立体视觉导航机器人Rove。1987年德国联邦国防大学设计的视觉导航车Va Mo Rs在高速公路上行驶了20km，成为了智能车自主导航史上的重要一笔，直至2004年，Va MoRs共有三个系列。(www.xing528.com)

2000年后全球范围内掀起了研究视觉导航智能车的热潮，其中具有代表性的是卡内基梅隆大学与Assist War公司合作开发的PANS和RALPH视觉系统，基于RALPH视觉系统研制了Nav Lab-5智能实验车。该智能车在平坦道路假设基础上，识别道路平行特征，如车辙线、道路边界和车道线，并且在车道线不佳的情况下依然能够跟踪路径。Nav Lab-5自主控制运行方向，人为控制油门和刹车，利用激光雷达测距来实现避障功能。该车在实验场地的均速达到88.5 km/h，并且成为了首辆自主驾驶横穿美国大陆的智能车。整个行驶过程中驾驶员控制车辆纵向行驶，横向控制则由Nav Lab-5自主完成，自主导航全程共计4 496 km。

在制造领域，最早的自动搬运车于1913年被福特汽车公司用于底盘装配上，体现了采用当时称为无人搬运车的优越性，但当时是有轨道引导的。经过近百年的发展，现代AGV各项技术得到不断改进，性能不断提高。导引技术从最初的有轨，到电磁导引、光学识别，再到激光反射测角定位，不断的技术进步提高了AGV行程路径的柔性化以及定位的精度。

普通轮式AGV作为移动机器人的一个成功应用典范，为先进制造技术的发展奠定了重要基础，在全球已得到广泛应用，且将逐步进军室外物流行业。而为满足特殊场合的需要，具有全方位移动能力的AGV技术，也迅速引起了相关行业的重视。

AGV的路径跟踪控制算法基于AGV的控制模型，据此可以分为基于运动学的路径跟踪控制、基于动力学的跟踪控制。基于运动学的路径跟踪控制研究已有几十年，早期注重应用实现，由于普通轮式AGV是非完整约束系统，其路径跟踪的理论研究自20世纪90年代开始，已逐步完善。而基于动力学模型的AGV路径跟踪问题的研究，是随着对AGV控制精度和运行速度要求的不断提高而于近10年内才开始的，目前也不是很多。目前的研究重点是考虑多种不确定性（如参数变化）和电机驱动性能的控制问题。

目前，普通移动机器人一般通过两个驱动电机，基于非完整约束实现平面三维受限运动，只进行位置运动的路径跟踪，而姿态则只能由路径曲率唯一确定；在循迹跟踪中，机器人作为一个平面移动的点，循迹误差的测量则只需要一个传感器。

但对于典型的四Mecanum轮AGV，由于其具有四个驱动电机，可以全方位移动，在循迹过程中不仅位置可以控制，姿态也是任意的，可以以任何方位角度完成路径跟踪。因此，全方位移动机器人的路径跟踪不仅可以进行位置跟踪，还可以进行位置-姿态同时跟踪，实现平面运动的完全三自由度跟踪。为满足工程应用需求，我们采用双传感器，测量和约束全方位移动机器人姿态，实现一条曲线同时约束全方位移动机器人平面三维位置-姿态的循迹。在机器人的前后各安装一个循迹误差测量传感器，进行机器人的路径跟踪，循迹过程中，机器人作为一个移动线段，完成运动分析和控制。

图5-1　Mecanum轮AGV与差动轮AGV循迹的差别

因此，Mecanum轮AGV的循迹控制在曲线设置、车体动力学与路径关系、AGV循迹跟踪控制算法等方面，都与差动轮AGV有很多不同。目前，国际上难见针对于此问题的系统研究。如图5-1所示。