智能輪椅導航系統(tǒng)研究現(xiàn)狀與發(fā)展趨勢

　　智能輪椅作為醫(yī)療護理領(lǐng)域的服務(wù)機器人，其應(yīng)用大量使用了移動機器人技術(shù)。在智能輪椅的研究中涉及到的關(guān)鍵技術(shù)有導航系統(tǒng)、控制和能源系統(tǒng)、人機接口，但由于整個輪椅系統(tǒng)以人為中心，所以在研究中要解決的核心是輪椅的安全導航問題。所謂導航即是指移動機器人按照預(yù)先給定的任務(wù)命令，根據(jù)已知的地圖信息作出全局路徑規(guī)劃，并在行進過程中，不斷感知周圍的局部環(huán)境信息，自主地作出各種決策，并隨時調(diào)整自身位姿，引導自身安全行駛到達目標位置。

　　本文對智能輪椅導航中的核心問題進行了分析，指出了現(xiàn)行研究中涉及的各項技術(shù)進展情況及出現(xiàn)的不足，并對其發(fā)展趨勢進行了簡要描述。

 　　1 系統(tǒng)定位

　　智能輪椅定位也就是環(huán)境信息獲取，是指在運動過程中利用自身傳感器，實時確定其在工作環(huán)境中參考坐標系下相對于全局坐標的位置和姿態(tài)。

　　定位技術(shù)可以分為2大類：基于機器視覺的定位技術(shù)和基于非計算機傳感器的定位技術(shù)。常用定位方法有光碼盤、慣性陀螺、磁羅盤、路標匹配等。每一種方法各有優(yōu)點及局限性，在實際應(yīng)用中智能輪椅實際綜合采用了幾種方法提高定位系統(tǒng)的精度和可靠性，但精確度離用戶正常使用有一定距離，所以如何提高定位的精度和效能是將來要著重研究的問題之一。

　　傳感器的選擇在定位中很重要。根據(jù)定位技術(shù)的不同，傳感器又可分為視覺和非視覺傳感器。目前常用的傳感器有超聲測距傳感器、CCD攝像機、紅外傳感器、激光傳感器、GPS等。由于超聲避障實現(xiàn)方便、技術(shù)成熟、成本低，成為智能輪椅常用的定位方法，應(yīng)用中采用多個超聲測距傳感器，用超聲測距傳感器探測障礙物的距離，然后判定機器人當前所在的位置。

　　2 信息融合技術(shù)

　　從傳感器得到的信息不能保證完全可靠和正確，可能會造成對實物存在的誤判或?qū)ζ渚嚯x的檢測產(chǎn)生誤差，這時我們可以采用概率法、綜合多次觀測法、多傳感器信息融合法等進行處理，其中多傳感器信息融合法的研究成為近幾年的熱點。

　　所謂信息融合可以廣義地概述為這樣的一種過程，即把來自多傳感器的數(shù)據(jù)和信息，根據(jù)既定的規(guī)則分析、結(jié)合為一個全面的情報報告，并在此基礎(chǔ)上為系統(tǒng)用戶提供需求信息，諸如：決策、任務(wù)、航跡等。在傳感器信息融合中，采用多種類的傳感器是很有必要的。多傳感器信息融合技術(shù)已經(jīng)表現(xiàn)出單一傳感器無法比擬的優(yōu)越性，通過合成，可以得到比從任何單個輸入數(shù)據(jù)中獲得更多更可靠的信息。

　　如何融合這些互補或冗余的傳感器信息并得到更全面反映環(huán)境特征的信息方法尤為重要。在研究中最為關(guān)鍵的部分是信息融合算法的研究，人們已經(jīng)提出了多種應(yīng)用于不同系統(tǒng)的多傳感器信息融合算法，這些算法可以分為2類：隨機類方法和人工智能方法。

　　(1)隨機類方法

　　這類方法研究對象是隨機的，在多傳感器信息融合中常采用隨機類方法包括很多，如：加權(quán)平均法、統(tǒng)計決策理論、聚類分析法、小波變換法、Bayes推理方法、Dempster-Sharer的證據(jù)理論、Kalman濾波融合算法等。

　　(2)人工智能方法

　　近年來用于多傳感器數(shù)據(jù)融合的計算智能方法有：模糊集合理論、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、粗集理論和支持向量機等。其中基于神經(jīng)網(wǎng)絡(luò)的多種傳感器信息融合是近幾年來發(fā)展的熱點。 神經(jīng)網(wǎng)絡(luò)具有良好的容錯性、層次性、可塑性、自適應(yīng)性、聯(lián)想記憶和并行處理能力，將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合進行信息融合技術(shù)的研究，效果顯著，己形成一種研究趨勢。比如小波與神經(jīng)網(wǎng)絡(luò)，Kalman濾波與神經(jīng)網(wǎng)絡(luò)，Dempster-Shafer的證據(jù)理論與神經(jīng)網(wǎng)絡(luò)，模糊聚類與神經(jīng)網(wǎng)絡(luò)，遺傳算法與神經(jīng)網(wǎng)絡(luò)等。

　　今后的多傳感器信息融合技術(shù)主要集中在算法的改進和新算法的出現(xiàn)、微型傳感器的研制以及多層次的信息融合3個方面。

　　3 路徑規(guī)劃問題

　　路徑規(guī)劃是指在障礙物環(huán)境中，為智能輪椅從起點到終點尋找一條無碰路徑，并按照一定的原則進行優(yōu)化，找出一條最優(yōu)路徑。路徑規(guī)劃問題包含2個方面的內(nèi)容：首先是環(huán)境模型的建立；其次是路徑規(guī)劃算法的設(shè)計。

　　(1)環(huán)境模型的建立

　　環(huán)境建模是路徑規(guī)劃的前提，對于靜態(tài)已知環(huán)境，已有不少成功的研究成果，其建模技術(shù)也較為成熟。對于部分已知或完全未知環(huán)境下的路徑規(guī)劃問題一直沒有得到完善的解決，其根本原因在于對環(huán)境的分辨率與環(huán)境信息存儲量的矛盾。

　　環(huán)境建模大致有3類：網(wǎng)絡(luò)墩圖模型、柵格模型和層次結(jié)構(gòu)模型。網(wǎng)絡(luò)燉模型包括自由空間法、頂點圖像法、廣義錐法等，是對環(huán)境的高層次的描述，計算量很大，對傳感器精度要求較高；柵格模型是將空間劃分為大小相同的柵格，模型建立簡單，但搜索空間很大；層次結(jié)構(gòu)模型是按照數(shù)據(jù)區(qū)域的一致性判別準則和空間遞規(guī)分解原理對環(huán)境進行建模，采用此種模型壓縮了搜索空間，且很容易用傳感器的信息對模型進行更新。 

　　(2)路徑規(guī)劃算法

　　根據(jù)智能輪椅對環(huán)境信息了解情況的不同，路徑規(guī)劃可以分為2種類型：全局路徑規(guī)劃和局部路徑規(guī)劃。其中，全局路徑規(guī)劃需要知道關(guān)于環(huán)境的所有消息，并產(chǎn)生一系列關(guān)鍵點作為子目標點下達給局部路徑規(guī)劃系統(tǒng)。而局部路徑規(guī)劃則只需要距離機器人較近的障礙物信息，在運動過程中根據(jù)傳感器的信息來不斷地更新其內(nèi)部的環(huán)境信息，規(guī)劃出一條從起點或某一子目標點到下一子目標點的優(yōu)選路徑。 比較一些路徑搜索算法，尋求更優(yōu)解；進一步研究對活動障礙的勢態(tài)分析，給出避障策略這2個方面是機器人路徑規(guī)劃所要解決的主要問題。根據(jù)對環(huán)境信息了解的完整程度，路徑規(guī)劃可采用不同的算法。對于全局路徑規(guī)劃常采用的算法有：可視圖法、自由空間法和柵格法等。局部路徑規(guī)劃常采用的方法有：人工勢場法、遺傳算法和模糊邏輯算法等。

　　近年來在這些傳統(tǒng)方法的基礎(chǔ)上，對這些方法有了進一步的融合與擴展，如：基于遺傳算法路徑規(guī)劃--二維路徑編碼問題簡化為一維路徑編碼問題，模糊神經(jīng)網(wǎng)絡(luò)避障方法--基于實際誤差函數(shù)和隸屬函數(shù)法，基于激光雷達的路徑規(guī)劃方法--角度勢場法，虛擬力場法--動態(tài)柵格法與勢場法結(jié)合。

　　4 結(jié)論

　　以上對于在智能輪椅導航研究中涉及的方法和思路進行了較為全面的探討，同時這些研究方法也適用于移動機器人。具有較好的規(guī)劃能力、實時性和實用性的智能輪椅的研究，是將來研究的核心技術(shù)，也是機器人研究領(lǐng)域的重點和難點問題。