移动机器人的避障实验设计+源程序+流程图(3)
路标导航是事先将环境中的一些特殊景物作为路标。机器人在知道这些路标在环境中的坐标、形状等特征的前提下，通过对路标的探测来确定自身的位置，同时将全局路线分解成为路标与路标间的片段，不断地对路标探测来完成导航。人工路标导航是机器人通过对人为放置的特殊标志的识别实现导航，虽然比较容易实现，但它人为地改变机器人的工作环境。自然路标导航不改变工作环境，是机器人通过对工作环境中的自然特征的识别完成导航，但路标探测的稳定性和鲁棒性是研究的主要问题。
视觉导航主要完成障碍物和路标的探测及识别。视觉导航中边缘锐化、特征提取等图像处理方法计算量大，实时性差始终是一个瓶颈问题。解决该问题的关键在于设计一种快速的图像处理方法。Ｓｔａｎｌｅｙ提出了基于神经网络的机器人视觉导航技术。该技术中，估算雅可比逆矩阵是基于视觉导航的一个关键问题，它将图像特征的变化与机器人的位置变化对应起来，通过神经网络训练来近似特征雅可比矩阵的逆阵。该技术通过提取几何特征、平均压缩、向量量化和主成分提取来简化图像处理，实现实时视觉导航。
定位是移动机器人导航最基本环节，是确定机器人在二文工作环境中相对于全局坐标的位姿。定位方法根据机器人工作环境复杂性，配备传感器的种类和数量等不同有多种方法。主要方法有：惯性定位、陆标定位和声音定位等。惯性定位是在移动机器人的车轮上装有光电编码器，通过对车轮转动的记录来粗略地确定位置和姿态。该方法虽然简单，但是由于车轮与地面存在打滑现象，产生的累积误差随路径的增加而增大，定位误差会逐渐累积，引起更大的误差。Ｙａｍａｕｃｈ使用推测航行法和证据栅格来实现动态环境中的机器人位置。该方法把在不同时段建立的证据栅格匹配起来，使用一种爬山算法搜索可能的平移与转动空间，来消除推测航行法的累积误差；陆标定位在移动机器人工作的环境里，人为地设置一些坐标已知的陆标，如超声波发射器、激光反射板等，通过对陆标的探测来确定自身的位置。
路径规划路径规划是指按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。避障是移动机器人路径规划中的基本问题之一，一直以来都是机器人路径规划中的难点。根据机器人对环境信息知道的程度不同，可分为两种类型：环境信息完全知道的全局路径规划和环境信息完全未知或部分未知的局部路径规划。全局路径规划的方法有拓扑法、可视图法、自由空间法和栅格法。局部路径规划的主要方法有：人工势场法（artificial potential field），遗传算法（genetic algorithm）和模糊逻辑算法（fuzzy logic algorithm）等。
１）人工势场法是由Khatib提出的一种虚拟力法，其基本思想是将机器人在环境中的运动视为一种虚拟的人工受力场中的运动。障碍物对机器入产生斥力，对目标点产生引力，引力和斥力的合力作为机器人的加速力，来控制机器人的运动方向和计算机器人的位置。该法结构简单，便于低层的实时控制，在实时避障和平滑的轨迹控制方面，得到了广泛的应用。人工势场法的缺点是：存在陷阱区域、在相近障碍物之间不能发现路径、在障碍物前振荡、在狭窄通道中摆动。
２）J．Holland在６０年代初提出了遗传算法，以自然遗传机制和自然选择等生物进化理论为基础构造了一类随机化搜索算法。它利用选择、交叉和变异来培养控制机构的计算程序，在某种程度上对生物进化过程作数学方式的模拟。由于遗传算法的整体搜索策略和优化算法不依赖于梯度信息，所以解决了一些其它优化算法无法解决的问题。但遗传算法速度不快，进化众多的规划要占据较大的存储空间和运算时间。