您的位置：关键词：传感器
视觉传感器把光学图像转换为电信号，即把入射到传感器光敏面上按空间分布的光强信息转换为按时序串行输出的电信号——视频信号，而该视频信号能再现入射的光辐射图像。固体视觉传感器主要有三大类型：一种是电荷耦合器件（CCD）；第二种是MOS图像传感器，又称自扫描光电二极管列阵（SSPA）；第三种是电荷注入器件（CID)。目前在机器人避障系统中应用较广的是CCD摄像机,它又可分为线阵和面阵两种.线阵CCD摄取的是一维图像，而面阵CCD可摄取二维平面图像。
视觉传感器摄取的图像经空间采样和模数转换后变成一个灰度矩阵，送入计算机存储器中，形成数字图像。为了从图像中获得期望的信息，需要利用计算机图像处理系统对数字图像进行各种处理，将得到的控制信号送给各执行机构，从而再现多关节机器人避障过程的控制。
这种传感器在避障中主要有三方面缺陷：一是受光线条件和工作范围限制；二是此类传感器驱动电路复杂，价格昂贵；三是实时性差。
2、有源式传感器
有源式传感器由于中间传递介质不同分为：超声波传感器、电容耦合式传感器、电涡流传感器、红外传感器。
（1）超声波传感器
超声波传感器是靠发射某种频率的声波信号，利用物体界面上超声反射，散射检测物体的存在与否。超声波在空气中传播时如果遇到其它媒介，则因两种媒质的声阻抗不同而产生反射。因此，向空气中的被测物体发射超声波，检测反射波并进行分析，从而获到障碍物的信息。
超声波传感器由于信息处理简单、快速并且价格低，被广泛用在机器人测距、定位及环境建模等任务中。但在多关节机器人实时避障系统中存在一定的局限性，主要表现在四个方面：
一是因为超声波的波长相对长一些，对于稍大的扁平的障碍物可以发生镜面反射，传感器由于接收不到反射信号，使此障碍物不能被检测到。
二是盲区较大，因为每个超声换能器既作超声发射器又作超声接收器，因此不能同时发射超声和接收超声。在发射超声后必须经过一段时间才能处理返回的声波。如果障碍物距离太近（<30左右），则传感器收不到返回的声波，所以该类传感器存在测量盲区。
三是表现在探测波束角过大，方向性差，往往只能获得目标的距离信息，不能准确地提供目标的边界信息，单一传感器的稳定性不理想等。在实际应用中，往往采用其它传感器来补偿，或采用多传感器融合技术提高检测精度等。
四是由于超声波受环境温度，湿度等条件的影响，以及超声固有的宽波束角，超声传感器在测距时，所测量的值与实际的值的误差较大。
（2）电容耦合式传感器
电容耦合式传感器是当一物体接近传感器时电容发生改变，电容的改变可使振荡器起振或产生相移改变，以此来检测障碍物的存在。此类传感器性能稳定、可靠和耐用。缺点是由于传感器分辨率很低，在其测量的范围内不能分辨出物体的维数。机器人在处理时必须假设障碍物非常大，例如，如果障碍物的距离为2cm，被认为20∽30cm的物体来处理，这就大大限制了机器人手臂运作的空间。
（3）电涡流传感器
电涡流传感器通过向外发射高频的变化的电磁场，对周围的目标引起电涡流。电涡流的大小与传感器和目标物体之间的距离有关，电涡流产生的磁场与传感器的磁场方向相反。两个磁场相互叠加，就会减少传感器的电感和阻抗。采用适当的电路把阻抗的变化转换成电压的变化，就能计算出目标物体的距离。
电涡流传感器尺寸较小，可靠性较高，价格也较便宜，不但可以作为接近觉传感器，检测障碍物的存在和物体距离，而且可以采用适当的方法检测力、力矩或压力。测量精度比较高，能够检测0.02mm的微量位移，测量还具有方向性。但是，这种传感器的缺点是作用距离较短（一般不超过13mm）。另外，此传感器仅适用于障碍物为固态导体的检测。
（4）红外传感器
红外传感器是一种比较有效的接近觉传感器，经常被国内外学者应用在多关节机器人避障系统中，用来构成大面积机器人“敏感皮肤”，覆盖在机器人手臂表面，可以检测机器人手臂运行过程中的各种物体。传感器发出的光的波长大约在几百纳米范围内，是短波长的电磁波。红外传感器具有以下特点：不受电磁波的干扰、非噪声源、可实现非接触性测量。另外，红外线（指中、远红外线）不受周围可见光的影响，故可在昼夜进行测量。
同声纳传感器相似，红外线传感器工作处于发射/接收状态。这种传感器由同一发射源发射红外线，并用两个光检测器测量反射回来的光量。由于这些仪器测量光的差异，它们受环境的影响非常大，物体的颜色、方向、周围的光线都能导致测量误差。但由于发射光线是光而不是声音，可以希望在相当短的时间内获得较多的红外线传感器测量值。测距范围较近，大致为30cm以内。
3、传感器选择策略
传感器的选择好坏直接关系到多关节机器人采集周围环境信息量的多少，因此目前机器人避障系统选择传感器类型和数量有两种不同的方法：基于环境的优化原则选择法和基于任务选择法。
（1）基于环境的优化原则选择法：设计阶段的预选择以及适合环境和系统状态变化的实时选择，前者给出了恰当的传感器数量和操作速度之间的关系，该关系可决定多传感器避障系统中传感器单元的优化排列，后者通过贝叶斯方法利用任何先验的物体信息决定传感器的定位，使传感器对障碍物体假设不确定性最小。
（2）基于任务的选择法：此方法主要思想是基于避障的任务，将完成该任务的过程按时间及感知范围划分为若干段，即将任务分解，根据每个阶段所需的传感器信息合理地选择传感器的种类和数量。
三、传感器的信息融合（Information fusion of sensors）
在智能机器人避障的系统中，因为任何传感器的功能都有限，必要时，应将多种传感器集成在一起，融合多种传感器信息，这样可以更正确、更全面的反映出外界环境的特征，为避障提供正确的依据。信息融合技术可以增加各类传感器信息的互补性、对环境变化的适应性，提高决策的正确性。
多传感器数据融合的基本目的是指通过对多（种，类）传感器数据的综合处理以获得比每个单一传感器更多的信息。也可以理解为对多传感器的原始信息加以智能化的综合，从而导出新的有意义的信息。这种信息的价值比单一传感器所获得信息要高得多，它有利于判断和决策。因此近年来多传感器信息融合技术系统已越来越多地应用于机器人的避障系统中，通过实验可以取得良好的效果。