Page 197 - 机械设计制造与自动化技术研究

第七章 工业机器人

感器对环境进行观测，并与环境地图进行匹配，从而实现机器人的精确定位。人
们可以将机器人的位置看作系统状态，运用贝叶斯滤波对机器人的位置进行估计，
最常用的方法有卡尔曼滤波定位算法、马尔可夫定位算法和蒙特卡洛定位算法等。

由于里程计和惯导系统的误差具有累积性，经过一段时间就必须采用其他
定位方法进行修正，所以不适用于机器人的远距精确导航定位。近年来，一种在
确定自身位置的同时构造环境模型的方法，常被用来解决机器人的定位问题。这
种被称为同时定位与地图构建的方法（Simulaneous Localization And Mapping，

SLAM），是移动机器人智能水平的最好体现，是否具备同步定位与建图的能力
被许多学者认为是机器人能否实现自主定位的关键前提条件。
近年来，SLAM 发展迅速，在计算效率、一致性、可靠性等方面取得令人瞩
目的进展。SLAM 的理论研究及实际应用极大提高了移动机器人的定位精度和地

图创建能力。其中典型方法包括：将 SLAM 与运动物体检测和跟踪（Detection
And Tracking Moving Objects， DATMO）的想法结合，充分利用了二者各自的优
点；用于非静态环境中构建地图的机器人对象建图方法（Robot Objeet Mapping
Algorithm，ROMA），用局部占用栅格地图对动态物体建立模型，采用地图差

分技术检测环境的动态变化；结合最近点迭代算法和粒子滤波的同时定位与地图
创建方法，该方法利用 ICP 算法对相邻两次激光扫描数据进行配准，并将配准结
果代替误差较大的里程计读数，以改善基于里程计的航迹推算；应用二维激光雷
达实现对周围环境的建模，同时采用基于模糊似然估计的局部静态地图匹配的方

法等。
（三）运动控制
在地面上移动行进的机器人按其移动方式的不同可以分成两类：一类是轮式
或履带式机器人，另一类是足式行走机器人。二者各有优劣和特点。

轮式或履带式机器人稳定性高，可以较快的速度移动，无人车、星际探测器
等都是其典型代表。大部分轮式或履带式机器人的运动控制可分成纵向控制和横
向控制两部分，纵向控制
制是调节机器人的移动速度；横向控制则是调节机器人的移动轨迹，一般采

用预瞄 - 跟随的控制方式。对无人车来说，在高速行驶时稳定性会下降。因此，
根据速度的不同需要采取不同的控制策略。在高速行驶时通过增加滤波器、状态
反馈等措施来提高其稳定性。

·183·