煤矿井下搜救机器人关键技术研究

　　另外，在复杂的非结构化井下环境中，仅仅通过摄像头进行远程控制，是难以保证操作动作的准确性和安全性的；如何能够保证机器人按照所规划的路径和发出的运动学指令准确、高效、安全的运动是保证其圆满完成探测任务的前提条件。特别是安全性问题，表现得尤为突出，稍有不慎就有可能使机器人发生倾覆或者碰撞。因此，对机器人的姿态信息进行采集，结合位置、航向等运动参数，通过本地自主实时监控和远程监控相结合的方式对运动轨迹和姿态进行控制，通过研究机器人的运动学模型，使其可以自主的保持在安全范围之内，当操作员发出可能产生危险的指令时能够及时制止并发出报警信息，是一个非常必要和实用的功能。
　　可见虽然目前存在的大部分搜救机器人采用主从操作方式，但鉴于煤矿井下环境的复杂性及危险性，特别是对通信系统的严酷环境，机器人具有自主导航及运动控制的能力是十分必要的功能。提高搜救机器人的智能化和自主化技术水平，也是该领域发展的重要方向。煤矿井下是一个结构化和非结构化并存的环境，而在事故发生后，则多数是非平整非结构化的环境，因此，本论文针对复杂的煤矿井下环境，将煤矿井下探测机器人的自主导航定位及运动控制技术作为主要研究内容。
　　3.6非平整路面移动机器人导航技术
　　3.6.1适应非平整路面的移动机器人平台
　　非结构化非平整路面环境中工作的机器人，一般是用于星际探测、野外侦察、农业耕作、矿区作业等领域，国外有研究人员将这类机器人定位为野外移动机器人（Off-Road Mobile Robots），是较为合适的定义。
　　3.6.2非平整路面移动机器人导航技术研究现状
　　近年来，对于非平整路面移动机器人定位及导航技术得到了越来越广泛的关注，并已经形成了多种相对完善的方案，在星际探测、野外侦察、采矿及农业等领域取得了一定的研究和应用成果。
　　目前机器人可用于定位导航及状态感知的传感器主要包括里程计、惯性导航单元、GPS系统、超声波或声纳传感器、激光测距传感器、计算机视觉系统等。里程计或光电编码器是移动机器人广泛使用的传感器，主要用于航位推算过程中行驶里程的计算；惯性测量单元以往常用于飞行器姿态的测量及控制，近年来逐渐应用到地面车辆或移动机器人的定位及姿态测量等算法当中，特别是在与里程计、GPS相融合后组成的组合导航系统，成为移动机器人导航的重要手段；GPS系统作为一种绝对式位置传感器，有着使用方便、精度较高，数据处理简单等特点，特别是通过差分计算之后，其精度更可以达到米级以下甚至更高，从而可以直接引用于机器人的定位工作，其主要问题是在复杂环境中有可能由于建筑物或大型植被等的遮挡造成信号失锁以及由于受到美国的控制几乎无法作为军事目的而使用。当前比较常见的做法是将里程计、IMU以及GPS信息通过一定的方式进行数据融合（通常采用扩展卡尔曼滤波、无味卡尔曼滤波等算法），利用融合后的结论实现对机器人位姿的正确估计。声纳或超声波传感器主要用于对机器人周围近距离（一般5m以内）的障碍物进行探测，而且一般是以阵列的形式安装在机器人本体上，以提高其探测范围。由于其探测距离短，探测速度较慢，因而多用于低速移动机器人系统；激光雷达也是目前常用的距离测量工具，主要分为二维激光雷达或三维激光雷达，由于其测量距离远（一般达到几十米甚至上百米），测量速度快（每秒几十次扫描数据），被越来越多的应用到移动机器人环境感知及环境建模的场合当中。视觉系统是最常用的环境感知系统，也是人类对世界进行感知和认识的主要途径，近年来特别是近2，3年来，基于视觉环境感知的研究成果层出不穷，其计算的复杂度不断减小，工程化程度越来越高，通过视觉实现障碍物探测、航位及航姿推算直到路面环境建模等的研究成果也越来越多。除此之外，还有一些如毫米波雷达、红外传感器、力传感器、触觉传感器等也应用到不同场合机器人的自身或环境参数的感知上，在这里不再详述。
　　环境重建技术是信息技术中，特别是计算机视觉技术中的一个重要研究方向，对于机器人系统的研究而言，其主要用于机器人的导航、目标的跟踪与识别以及真实场景的重现等。其主要手段历经了从计算机视觉，到计算机视觉与激光雷达的结合，即主动视觉的概念；近年来由于计算机视觉算法及计算平台的不断完善，又重新回到使用计算机视觉，即仅采用被动视觉的方法上。
　　20世纪70年代中期，Marr，Barrow和Tenenbaum等一些研究者提出了视觉计算理论，其核心是从图像恢复场景的三维结构。S．Z．Barnard与M．A．Fischler系统的介绍了上世纪70年代中期到1981年三维视觉的研究成果，主要包括立体重建的基本方法、算法评价准则以及对当时有影响力的算法评述。70年代后期至80年代，工作于斯坦福大学的Gennery及Moravec首先将立体视觉三维重建技术应用于移动机器人导航，在一台叫做StanfordCart的平台上，他们实现了其基于立体视觉的自主定位及周围环境的三维探测。然而，鉴于其计算速度的限制及硬件平台的缺点，该系统并不能可靠的长时间工作。
　　在上世纪80年代，CMU及NASAJPL的研究人员走在了该领域的前沿。在80年代后期，CMU的研究人员成功的在其移动机器人平台CMU Rover上解决了立体视觉的计算速度及工程可靠性问题（Moravec，1983）。其主要改进在于硬件平台的升级以及感知算法的改进与完善，而最值得关注的工作是该团队的Matthies及Shafer在1987年首次提出了基于立体视觉的视觉里程计算法（Visual Odometry Algorithms），该算法第一次通过视觉方式对机器人的运动轨迹及姿态进行了较为精确的计算。从而开启了通过视觉进行运动估计的算法在地球上的野外环境（Nister，2006;Agrawal，2007）以及NASA的火星探测计划（MER）中在外星球探测机器人上的应用（Cheng，2006）。
　　在接下来的研究中，CMU仍然走在世界的前列。他们开发出的Navlab移动机器人平台，采用了主动视觉的方式，将单目摄像机及一台激光雷达相结合，作为其环境探测的解决方案，从而成功的解决了当时采用被动视觉在匹配及特征提取计算方面面临巨大计算复杂度的尴尬局面。从这一时期开始，移动机器人才逐渐实现了所谓的实时自主导航，这主要得益于算法的不断改进以及计算平台性能的大幅度提高。自90年代中期开始的十几年中，基于主动式探测技术（主要是激光雷达、毫米波雷达等）的环境感知与探测方法被较为广泛的应用，特别是与视觉传感器相融合可以快速建模的特性，使其一度成为移动机器人，特别是野外移动机器人环境建模的首选方案。
　　然而基于单目或双目被动视觉的环境感知及建模的研究工作一刻都未停止过，在1980后期至1990年代的过程中，Matthies在JPL的研究突破了基于场景的实时立体视觉算法，并于90年代后期第一次将其应用于野外机器人的环境探测与建模当中。自此以后，立体视觉开始逐渐为大家所重视，真正成为机器人三维感知方向中一个具有竞争力的技术。
　　近五年来，视觉感知技术在移动机器人特别是野外不平整路面复杂环境下的感知与环境建模中得到了越来越多的应用。其中同样是NASA的MER计划的成果，DemoIII自主野外探测车采用了三对立体视觉相机，一对前视立体相机，一对后视立体相机，以及一对安装在伺服云台上的立体相机（Matthies，2007），在此，立体视觉实现了两个基本功能，即视觉里程计以及路径规划。在火星上没有GPS等绝对定位系统的情况下，采用基于立体视觉的视觉里程计算法，通过相对定位的方式，实现了火星车足够的定位精度（Cheng，2005）。除此之外，采用基于立体视觉的路径规划方法控制工程网版权所有，可以快速的感知路面的不平整（Biesiadecki和Maimone，2006），以及预测路面倾斜的变化（Angelova，2007）。与此同时，另一些研究人员也实现了基于单目视觉或双目视觉的机器人位姿估算以及路面的三维重建工作，如Nister在2006年分别采用单目及双目视觉里程计算法实现了移动机器人在野外复杂环境中姿态及位置的估算，并达到了较高的精度控制工程网版权所有，较好的可靠性和实时性。
　　结束语
　　煤矿井下危险区域探测的搜救机器人进行研究为当前煤矿开采的提供了安全保证，文中提到的关键技术的解决对开发研制高性能搜救机器人意义重大。