基于图像识别技术的机器人路径规划研究和实现

基于图像识别技术的机器人路径规划研究和实现

杨晓光

武警指挥学院，天津 300250

摘要：近几年，逐步衍生出一种新的综合学科叫做智能机器人，对智能机器人的研究已经发展为人工智能、计算机以及自动化等领域的核心热点，智能机器人研究的核心内容则是路径规划问题，路径规划包含还这个信息的感知和识别、机器人运动控制和路径规划三部分，上述三部分能够并行执行，进而可以将机器人路径规划的实时性及稳定性有效提升。对此，文章基于图像识别技术，研究机器人路径规划与实现，以便更好地提升机器人路径规划系统的综合水平。同时，也能为类似图像识别技术、机器人层面的研究提供参考依据。

关键词：路径规划；机器人；图像识别技术

引言：在机器人环境信息感知和识别功能中，考虑到机器人所处环境极具多变性和复杂性，机器人的路径图一定要充分保障确定性和实时性，如何更加精准、高效地获取数据信息并规划路径已经发展为机器人路径规划算法中能够完善的地方。机器人需要把获取的环境地图信息直接输送到计算机终端，计算机可以分析处理和识别图像，而后把结果反馈于机器人，同时机器人还会收送到任务信息，之后可结合获取信息针对性开展相应的操作。可见，图像识别技术的实时性与精准度直接决定机器人路径规划的精准性。所以，基于图像识别技术的机器人路径规划研究和实现尤为重要。

一、图像识别技术简析

图像识别是借助计算机处理分析和分类物理对象，在错误概率最小的情况下，让识别结果尽可能和客观事物一致。模式识别是基于应用为核心的一门学科，旨在让机器可以对物体自动识别，而后开展信息处理，由此，能够直接取代人独自将任务完成。图像识别技术可谓是模式识别在图像领域中的实际运用，是借助计算机处理、分析、分类和理解图像的，由此，能够将不同模式的目标及对象技术精准识别。图像识别主要是分类辨别及描述观测对象及过程，而后给予有意义判断的研究。就狭义角度来说，图像属于图像识别重点研究的模式，图像识别是基于图像处理技术识别图像的一门学科。经实践研究可知，图像是人们提取重要信息的有效方式，基于图像获取信息的数量在总信息量中的占比高达70%，计算机处理图像主要是把连续性的图像直接分化处理，而离散化处理之后的图像则是数字图像，处理这些图像叫做数字图像识别和处理技术。在识别和分类图像前需要预处理操作图像，其中包含将图像中的噪声直接去除，进而把图像的信噪比直接提升，图像增强或者分割识别难度较大的图像，以此能够将图像质量有效提升，压缩处理图像还可以完成高效存储与传输。图像识别是预处理各种图像，而后识别、分类图像，直至最后将图像进行分类归纳，进而构成图像识别系统的整个过程。

二、基于图像识别技术的机器人路径规划研究和实现

机器人路径规划的环境错综复杂，具有显著的不确定性和随机性，还需要实施大量计算，机器人自身的运动速度、形状和加速度等也会在运动轨迹层面存在很大局限性。根据对周边环境掌握的情况不同，需把机器人路径规划进行类型划分，其中包含全局路径规划和局部路径规划[[1]]。

全局路径规划的主要方式有构型空间法的原理，将机器人视为单独的点，而后采取优化法和可视图法进行计算。机器人和空间的各个节点构成的网络曲线是可视图法的路径图，搜索由起始点至目标点的最佳路径，在探寻最佳路径过程中应用可视图法会消耗大量的时间，考虑到机器人自身的尺寸很可能会出现误判。与可视图法相比，将算法进行优化可借助删除非必要的连线方式，不仅可以将路径图进一步简化，还可以大幅度缩减搜索时间，而后精准地计算出机器人自身尺寸，有效规避机器人在借助障碍物顶点过程中距离过近。优化算法的不足则是灵活性较差，如果起点与目标点发生转变时则需要对可视图进行重新设置。还有一种方式则是栅栏结解耦法，此研究应用较为广泛，是把周边环境解耦成比较简单的栅格，解耦之后的栅格会形成连通图，此连通图还会分割成多个相连的矩形。若是矩形中存在边际或者障碍物，还需要对其再次分割，全部栅格都要实施此操作，之后在小栅格之间再次进行操作，直至找到最优路径为止。路径是借助搜索起始栅格至目标栅格所获取，用栅格序号表示。栅栏解耦法是基于含有分辨率的栅格为单位将周边的环境信息实时记录，然后把环境信息量化，然而栅格大小会对路径规划时间及环境信息的存储量产生影响。拓扑法是借助将维度思想降低，而后将周边环境直接划分为具有拓扑结构特点的子环境，而后结合子环境的连通性创建拓扑网络。拓扑法把高维几何空间存在的路径问题直接转变为判别拓扑空间内连通性问题。拓扑法还可以将机器人的搜索空间缩减，不足之处则是创建的拓扑网络复杂性较高，特别是在障碍物较多的情况下需要对拓扑图进行修改。第三种则是自由空间法。此方法是借助既定义的形状构造成一个显示连通图的自由空间，此自由空间是由障碍物的顶点逐步朝向其他顶点的连接线，尽可能将多余的连接线清除，连接线和障碍物边际构起来的空间则是面积最大的凸多边形。每一个连接线的终点构成网图则是机器人实际运动轨迹的路线图。自由空间法相对灵活，连通图也不会对起始点及目标点的位置过度依赖，然而此算法会存在很难获取最短路径的情况，算法的复杂性和障碍物的多少很难成正比。人工神经网络法是自适应的非线性动态系统，其基于大量的神经元彼此连接而成，经常在满足精度标准的大范围工作环境中应用，根据将路径约束优化问题直接转变成不存在约束的最优化问题，在路径规划内此方法的学习能力较强，可以将障碍约束直接描述成惩罚函数，然而考虑到机器人所处环境是错综复杂且变化的，所以，很难借助数学公式进行表示

[[2]]。

另外，局部路径规划的算法通常有传统算法、滚动窗口算法。以滚动窗口算法为例进行阐述，此算法是在预测控制理论的基础上进行优化的一种方式，核心思想是结合机器人在环境内的动态性探测，基于启发式的方式获取局部子目标，而后对运动的障碍物进行预测，在判断能否会出现碰撞的情况下，结合窗口内的环境信息及预测结果，将此目标运动的路径清晰界定[[3]]。

结语

综上所述，探究基于图像识别技术的机器人路径规划研究和实现极具现实价值和意义。智能机器人融合了计算机、电子、自动控制以及机械、人工技能等多学科的研究成果，是近几年不发展起来的学科，具有较强的综合性，与以往的工业机器人相比，智能机器人拥有了全新的自主感知、决策能力，对于智能机器人的研究应用前景教育开阔。文章借助图像识别技术综合性地研究机器人路径规划的具体实现过程，以此来提升机器人路径规划的稳定性及精准性，由此，可更好地提升智能机器人的应用水平。

参考文献：

[1]戴维义.图像识别技术在变电站智能巡检机器人中的应用[J].科学技术创新,2023(04):199-202.

[2]张文超.基于OPENCV的仪表图像识别技术的研究与应用[J].中国设备工程,2023(03):97-100.

[3]田泽方.图像识别技术在XB箱监测中的应用[J].数字技术与应用,2023,41(01):117-119.