由于人工神经网络具备以上这些特点, 而移动 机器人导航系统是一个实时性要求很高的非线性系 统, 因此, 近年来神经网络与模糊控制在移动机器人 导航领域得到越来越广泛的应用。这些应用主要体 现在: 在视觉系统中对图像信息的处理, 移动机器人 的避障和路径规划, 移动机器人定位和路径跟踪。 在图像信息的处理方面, 神经网络不仅具有很 高的处理速度, 还可以充分利用其非线性处理能力 来达到环境及路标辨识的目的。采用模糊逻辑能够 分离图像中的边界像素, 获取物体的轮廓。采用多维 分布式计算机进行并行运算可以进一步提高处理速 度。神经网络还可以完成机器人内部坐标和全局坐 标的快速转换。
在避障和路径规划方面, 由于避障和路径规划 难以用明确的规则进行评价, 可以让神经网络通过 大量的实例学习来掌握。用模糊规则指导学习的网 络, 当环境改变之后可以重新启动模糊规则进行教 学, 可以减少实例学习的工作量。
在移动机器人的定位和路径跟踪方面, S. Ku rd 等对用神经网络控制器向主控制器提供最优参数用 于机器人的定位进行了研究[ 12 ]。单一模糊规则集对 直线跟踪能取得良好的效果, 但对于曲线路径的跟 踪就会产生较大的误差, Y. H. Fung 利用双重模糊 逻辑控制器对曲线路径进行跟踪并取得了较好效 果[ 13 ]。
2.1.4 多传感器信息融合
信息融合是针对一个系统中使用多传感器(多 个和ö或多类) 这一特定问题而展开的一种信息处理 的新的研究方向, 它充分利用多源数据的互补性和 计算机的高速运算与智能来提高结果信息的质量。 这一技术首先广泛应用于军事领域, 近几年来在移 动机器人导航研究中得到越来越广泛的应用。多传 感器信息融合的基本原理是充分利用多个传感器资 源, 通过对这些传感器及其观测信息的合理支配和 利用, 把多个传感器在空间或时间上的冗余或互补 信息依据某种准则来进行组合, 以获得被测对象的 一致性解释或描述[ 14 ]。
目前, 有多种方法可用于多传感器信息融合, 其 中较为重要的是D S 证据理论。证据理论的概念 是由A. P. Demp ster 在1967 年最先提出, 后来由他 的学生G. Shafer 进一步发展完善。D S 证据理论 开始在专家系统中得到成功的应用, 由于其研究问 114 农 业 机 械 学 报2 0 0 2 年 题的方式和内容特别适合处理多传感器集成系统的 信息融合问题, 因此该理论已成为信息融合的一个 重要理论基础[ 15 ]。R. R. M u rphy 等已将D S 证据 理论应用于移动机器人的信息融合问题[ 16 ]。
此外还有加权平均法、贝叶斯估计法、统计决策 法、扩展卡尔曼滤波法、产生式规则法、模糊规则法 和人工智能方法等。
2.1.5 虚拟现实技术
虚拟现实技术的研究开始于军事领域, 在军事 和航天领域的模拟和训练中起到了非常重要的作 用。
虚拟现实技术就是把计算机从善于处理数字的 单维信息转变为善于处理人所能感受到的、数字化 以外的其他各种表现形式的多维信息。虚拟现实技 术汇集了计算机图形、多媒体技术、人工智能、人机 接口技术、传感器技术、高度并行的实时计算机技术 和人的行为学研究等多项关键技术。其主要特点是 通过计算机图形构成三维空间, 或是把其他现实环 境编制到计算机中, 产生逼真的“虚拟环境”。通过相 应的硬件手段的帮助, 如: 数据手套、立体眼镜和头 盔等设备, 产生“身临其境”的感觉, 能够操纵虚拟环 境中的物体的运动, 并且使用者本身也能够在其中 漫步、环顾[ 17, 18 ]。
虚拟现实技术在机器人领域中的应用主要集中 在以下几个方面: 一是作为遥操作界面, 可以应用于 半自主式操作; 二是作为机器人视觉中自动目标识 别和三维场景表示的直观表达; 三是建立具有真实 感的多传感器融合系统的仿真平台[ 18 ]。
美国是虚拟现实技术的发源地, NA SA 的 AM ES 实验室现在正致力于一个叫“虚拟行星探 索”(V PE) 的试验计划, 使“虚拟探索者”(virtual ex2 p lo rer) 利用虚拟环境来考察遥远的行星。麻省理工 学院(M IT ) 成立的媒体实验室建立了一个名叫BO 2 L IO 的测试环境, 利用这一环境M IT 建立了一个虚 拟环境下的对象运动动态跟踪系统。英国Granf ield 的高级机器人研究有限公司(ARRL ) 也在从事虚拟 现实技术的研究。在虚拟现实技术研究与开发方面, 日本属于世界领先国家之一, 其中东京大学的高级 科学研究中心最近的研究项目是主从系统, 该系统 可以使用户控制远程摄像系统和一个模拟人手的随 动机械臂[ 17 ]。