机器人定位技术摘要：定位是确定机器人在其工作环境中所处位置的过程。

本文根据定位方式和传感器的不同，把定位技术分为四大类，即航迹推算、信号灯定位、基于地图的定位、基于视觉的定位，并给出了各类定位技术的主体思想及其中的关键技术。

并详细分析了了基于视觉的定位和航迹推演的定位方法。

具有较高的参高价值。

关键词：移动机器人；传感器；定位技术；视觉；Abstract: positioning is to identify the robot in the process of the location in the work environment.In this paper, depending on the positioning method and the sensor, the positioning technology is divided into four categories, namely dead reckoning, the orientation of light, based on the map, based on visual positioning, and provides all kinds of the main idea of positioning technology, and the key technology.And detailed analysis of positioning method based on visual orientation and track is deduced.With higher and higher value.Key words: mobile robot，The sensor，location technology，Visual引言机器人在运动过程中会碰到并解决以下三个问题[1]：（1）我（机器人）现在何处？（2）我要往何处走？（3）我如何到达该处？其中第一个问题是其导航系统总的定位及其跟踪问题，第二、三个是导航系统的路径规划问题。

移动机器人定位技术的任务就是解决上面的第一个问题。

定位问题是移动机器人领域内一个最重要的内容[2]。

最开始只是基于记录机器人运动的内部传感器进行航位推算，后来利用各种外部传感器，通过对环境特征的观测计算机器人相对于整个环境的位置和方向。

直到今天，形成了融合内、外部传感器的机器人定位方法[3]。

现有的移动机器人定位传感器种类很多，主要分为两种：基于机器人内部所用的传感器，如里程计、陀螺、罗盘、摄像头、激光雷达等和基于机器人外部所用的传感器，如摄像头、激光雷达，超声波。

而大多数的移动机器人安装了不只一种用于定位的传感器。

不同的传感器组合，采用不同的定位手段，都可以被移动机器人用来定位。

现在的定位技术主要有：航迹推算、信号灯定位，基于地图的定位、路标定位、基于视觉的定位等。

１移动机器人常用的定位技术1.1基于航迹推算的定位技术航迹推算[4]（Dead Reckoning简称DR）是一种使用最广泛的定位手段。

不需要外部传感器信息来实现对车辆位置和方向的估计，并且能够提供很高的短期定位精度。

航迹推算定位技术的关键是要能测量出移动机器人单位时间间隔走过的距离，以及在这段时间内移动机器人航向的变化。

根据传感器的不同，主要有基于惯性传感器的航迹推算定位方法以及基于码盘的航迹推算定位方法。

利用陀螺和加速度计分别测量出旋转率和加速率，在对测量结果进行积分，从而求解出移动机器人移动的距离以及航向的变化，再根据航迹推算的基本算法，求得移动机器人的位置以及姿态，这就是基于惯性器件的航迹推算定位方法。

这种方法具有自包含优点，即无需外部参考。

然而，随时间有漂移，积分之后，任何小的常数误差都会无限增长。

因此，惯性传感器对于长时间的精确定位是不适合的。

航迹推算定位技术常用码盘进行位置和姿态的估算。

同样也具有航迹推算的共同特点，即是一种自包含的定位方法，方法简单、成本低并且容易实时完成。

其原理如图１所示。

图1 航迹推演算法的原理其推到的一般方程为：))1(cos(2)1()1()1()(-*-+-+-=k k S K S k x k x L R ϕ ))1(sin(2)1()1()1()(-*-+-+-=k k S K S k y k y L R ϕ bk S K S k k L R)1()1()1()(---+-=ϕϕ 其中：)(k x ，)(k y ，)(k ϕ为车辆在牑时刻的位置以及方向，)1(-K S R ，)1(-k S L 分别为车辆右轮和左轮在k -1时刻到k 时刻时间间隔所走过的距离,b 为车辆的轮距。

1.2基于信号灯的定位方法信号灯定位系统是船只和飞行器普遍的导航定位手段。

基于信号灯的定位系统依赖一组安装在环境中已知的信号灯。

在移动机器人上安装传感器，对信号灯进行观测。

用于环境观测的传感器有很多种，可以是主动的信号，比如主动视觉、超声波、激光雷达[5]、毫米波雷达收发器，也可以是被动的信号，比如GPS、被动视觉。

信号灯经过很短的处理过程能够提供稳定、精确的位置信息。

虽然这种定位方法提供很高的采样率以及极高的稳定性，但是安装和维护信标花费很高。

信号灯定位方式中主要有两种实现技术：三边测量技术和三角测量[6]。

三边测量确定移动机器人的位置是基于与已知信标的距离测量结果。

在三边测量导航系统中至少要有３个发射器在已知的位置（信标）上安装，而接收机安装在移动机器人上。

GPS就是一种利用三边测量进行定位定姿的例子。

三角测量与三边测量技术的思路大致是一样的，通过测量与已知信标的角度，来进行定位。

由于工艺的提高及技术的成熟，GPS已经普遍的应用于移动机器人的定位系统中。

1.3基于地图的定位方法在基于地图的定位技术[7]中，地图构建是其中的一个重要的内容。

机器人利用对环境的感知信息对现实世界进行建模，自动地构建一个地图[8]。

典型的地图表示方法有几何地图，拓扑地图。

几何图是获取环境的几何特征，然而拓扑图是描述了不同区域的连通性。

但是几何图和拓扑图之间的区别确是模糊不清的，因为实际上所有的拓扑方法都依赖于几何信息。

基于构造地图的机器人定位过程可分成三个阶段：位姿预测、地图匹配、位姿更新。

位姿预测应用里程计模型给出机器人的初始位姿，为地图匹配提供一种先验环境特征信息。

地图匹配是寻找传感器测量的局部地图信息与全局地图间的对应关系，并用局部地图更新全局地图的过程。

最后根据地图匹配结果，应用相关的定位算法完成对机器人当前的定位，其过程[9]如图2所示。

图2 机器人的位姿估计过程1.4基于视觉的定位方法视觉定位方法是近年来发展起来的一种先进的定位方法．利用摄像机摄取包含信标的图像信息．经图像处理提取并识别信标．再根据信标的先验知识，计算出传感器在环境中的位姿．当传感器与藏体的位置关系已知时．则载体在这个环境中的位置和方向就可以同时计算出来．如果这种位姿数据可以实时在线计算．就满足了移动状态下的自主定位[10]．视觉传感器包含了丰富的环境信息，可以用于目标识别跟踪、环境地图构建、障碍检测等。

因其能实现多种功能的特点，所以基于视觉传感器的机器人定位定向技术引起了人们越来越多的关注。

很多学者提出了不同的定位方法，这些定位大体可分为以下三类：第一类是基于立体视觉的方法，这类方法的突出优点是能获取周围环境的深度信息，从而能够实现较为准确地定位，但存在需要对摄像机进行标定等问题。

第二类是基于全方位视觉传感器的定位方法，使用这种视觉传感器不需要控制摄像头，但是它会对感知到的环境产生很大的畸变。

第三类是基于单目视觉的机器人定位算法，这类方法具有简单易用和适用范围广等特点，还可以与里程仪等传感器相结合实现运动立体视觉定位，实现对环境特征的三维测量完成环境建图，因而单目视觉使用较为灵活，也不会像全方位视觉传感器那样产生很大的畸变。

基于双目运动立体视觉的机器人定位定向方法[11]：双目摄像机安装于云台上，云台可实现3600自由转动，双目立体视觉实现环境标志物识别与三维测量，显然标志物的三维信息带有误差。

同时，利用码盘的数据可以得到机器人的初步定位码盘定位也不可避免的存在误差，通过卡尔曼滤波将两者的信息相融合以得到更为准确地机器人和标志物的位置信息。

英国牛津大学在这方面进行了深入的研究，在室内环境下的机器人实验中取得了良好的效果。

2.结束语针对不同类型的机器人以及机器人所工作的不同环境，可以选择特定的定位技术或是将几种定位技术结合起来，以满足移动机器人的定位需要。

本文讨论了移动机器人常用的几种定位技术，并对其进行了较详细的研究与讨论。

这在选择定位方法时具有较高的参考性。

参考文献：[1]陈延国,等.自主移动机器人定位方法的研究现状[J].应用科技， 2002,11.[2]李群明，等．室内自主移动机器人定位方法研究综述[J]．机器人,2003(11).[3]张浩峰, 赵春霞. 面向室外自然环境的移动机器人视觉仿真统[J].系统仿真学报, 2006, 18(3): 701-705.[4]陶敏，等.移动机器人定位技术[J].火力与指挥控制,2013,7.[5]董再励，王光辉．自主移动机器人激光全局定位系统的研究[J]．机器人，2000，22(3)：12—16．[6]李磊，等.移动机器人技术研究现状与未来[J].机器人，2002,9.[7]赵翊捷,陈卫东. 基于地图的移动机器人定位技术新进展[J]. 上海交通大学学报,2002,10.[8]迟健男,徐心和.移动机器人即时定位与地图创建问题研究[J].机器人，2004,1.[9]胡劲草.室内自主式移动机器人定位方法研究[J].机电产品开发与创新，2006,19（5）:26-30.[10]魏芳，董再励.用于移动机器人的视觉全局定位系统研究[J].机器人，2001,23（5）：400-402.[11]卢惠民，张辉，郑志强.基于视觉的移动机器人的自定位问题[J].中南大学学报，2009,40（9）.。