智能輪椅作為醫(yī)療護(hù)理領(lǐng)域的服務(wù)機(jī)器人，其應(yīng)用大量使用了移動(dòng)機(jī)器人技術(shù)。在智能輪椅的研究中涉及到的關(guān)鍵技術(shù)有導(dǎo)航系統(tǒng)、控制和能源系統(tǒng)、人機(jī)接口，但由于整個(gè)輪椅系統(tǒng)以人為中心，所以在研究中要解決的核心是輪椅的安全導(dǎo)航問題。所謂導(dǎo)航即是指移動(dòng)機(jī)器人按照預(yù)先給定的任務(wù)命令，根據(jù)已知的地圖信息作出全局路徑規(guī)劃，并在行進(jìn)過程中，不斷感知周圍的局部環(huán)境信息，自主地作出各種決策，并隨時(shí)調(diào)整自身位姿，引導(dǎo)自身安全行駛到達(dá)目標(biāo)位置。

　　本文對(duì)智能輪椅導(dǎo)航中的核心問題進(jìn)行了分析，指出了現(xiàn)行研究中涉及的各項(xiàng)技術(shù)進(jìn)展情況及出現(xiàn)的不足，并對(duì)其發(fā)展趨勢進(jìn)行了簡要描述。

 　　1 系統(tǒng)定位

　　智能輪椅定位也就是環(huán)境信息獲取，是指在運(yùn)動(dòng)過程中利用自身傳感器，實(shí)時(shí)確定其在工作環(huán)境中參考坐標(biāo)系下相對(duì)于全局坐標(biāo)的位置和姿態(tài)。

　　定位技術(shù)可以分為2大類：基于機(jī)器視覺的定位技術(shù)和基于非計(jì)算機(jī)傳感器的定位技術(shù)。常用定位方法有光碼盤、慣性陀螺、磁羅盤、路標(biāo)匹配等。每一種方法各有優(yōu)點(diǎn)及局限性，在實(shí)際應(yīng)用中智能輪椅實(shí)際綜合采用了幾種方法提高定位系統(tǒng)的精度和可靠性，但精確度離用戶正常使用有一定距離，所以如何提高定位的精度和效能是將來要著重研究的問題之一。

　　傳感器的選擇在定位中很重要。根據(jù)定位技術(shù)的不同，傳感器又可分為視覺和非視覺傳感器。目前常用的傳感器有超聲測距傳感器、CCD攝像機(jī)、紅外傳感器、激光傳感器、GPS等。由于超聲避障實(shí)現(xiàn)方便、技術(shù)成熟、成本低，成為智能輪椅常用的定位方法，應(yīng)用中采用多個(gè)超聲測距傳感器，用超聲測距傳感器探測障礙物的距離，然后判定機(jī)器人當(dāng)前所在的位置。

　　2 信息融合技術(shù)

　　從傳感器得到的信息不能保證完全可靠和正確，可能會(huì)造成對(duì)實(shí)物存在的誤判或?qū)ζ渚嚯x的檢測產(chǎn)生誤差，這時(shí)我們可以采用概率法、綜合多次觀測法、多傳感器信息融合法等進(jìn)行處理，其中多傳感器信息融合法的研究成為近幾年的熱點(diǎn)。

　　所謂信息融合可以廣義地概述為這樣的一種過程，即把來自多傳感器的數(shù)據(jù)和信息，根據(jù)既定的規(guī)則分析、結(jié)合為一個(gè)全面的情報(bào)報(bào)告，并在此基礎(chǔ)上為系統(tǒng)用戶提供需求信息，諸如：決策、任務(wù)、航跡等。在傳感器信息融合中，采用多種類的傳感器是很有必要的。多傳感器信息融合技術(shù)已經(jīng)表現(xiàn)出單一傳感器無法比擬的優(yōu)越性，通過合成，可以得到比從任何單個(gè)輸入數(shù)據(jù)中獲得更多更可靠的信息。

　　如何融合這些互補(bǔ)或冗余的傳感器信息并得到更全面反映環(huán)境特征的信息方法尤為重要。在研究中最為關(guān)鍵的部分是信息融合算法的研究，人們已經(jīng)提出了多種應(yīng)用于不同系統(tǒng)的多傳感器信息融合算法，這些算法可以分為2類：隨機(jī)類方法和人工智能方法。

　　(1)隨機(jī)類方法

　　這類方法研究對(duì)象是隨機(jī)的，在多傳感器信息融合中常采用隨機(jī)類方法包括很多，如：加權(quán)平均法、統(tǒng)計(jì)決策理論、聚類分析法、小波變換法、Bayes推理方法、Dempster-Sharer的證據(jù)理論、Kalman濾波融合算法等。

　　(2)人工智能方法

　　近年來用于多傳感器數(shù)據(jù)融合的計(jì)算智能方法有：模糊集合理論、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、粗集理論和支持向量機(jī)等。其中基于神經(jīng)網(wǎng)絡(luò)的多種傳感器信息融合是近幾年來發(fā)展的熱點(diǎn)。 神經(jīng)網(wǎng)絡(luò)具有良好的容錯(cuò)性、層次性、可塑性、自適應(yīng)性、聯(lián)想記憶和并行處理能力，將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合進(jìn)行信息融合技術(shù)的研究，效果顯著，己形成一種研究趨勢。比如小波與神經(jīng)網(wǎng)絡(luò)，Kalman濾波與神經(jīng)網(wǎng)絡(luò)，Dempster-Shafer的證據(jù)理論與神經(jīng)網(wǎng)絡(luò)，模糊聚類與神經(jīng)網(wǎng)絡(luò)，遺傳算法與神經(jīng)網(wǎng)絡(luò)等。

　　今后的多傳感器信息融合技術(shù)主要集中在算法的改進(jìn)和新算法的出現(xiàn)、微型傳感器的研制以及多層次的信息融合3個(gè)方面。

　　3 路徑規(guī)劃問題

　　路徑規(guī)劃是指在障礙物環(huán)境中，為智能輪椅從起點(diǎn)到終點(diǎn)尋找一條無碰路徑，并按照一定的原則進(jìn)行優(yōu)化，找出一條最優(yōu)路徑。路徑規(guī)劃問題包含2個(gè)方面的內(nèi)容：首先是環(huán)境模型的建立；其次是路徑規(guī)劃算法的設(shè)計(jì)。

　　(1)環(huán)境模型的建立

　　環(huán)境建模是路徑規(guī)劃的前提，對(duì)于靜態(tài)已知環(huán)境，已有不少成功的研究成果，其建模技術(shù)也較為成熟。對(duì)于部分已知或完全未知環(huán)境下的路徑規(guī)劃問題一直沒有得到完善的解決，其根本原因在于對(duì)環(huán)境的分辨率與環(huán)境信息存儲(chǔ)量的矛盾。

　　環(huán)境建模大致有3類：網(wǎng)絡(luò)墩圖模型、柵格模型和層次結(jié)構(gòu)模型。網(wǎng)絡(luò)燉模型包括自由空間法、頂點(diǎn)圖像法、廣義錐法等，是對(duì)環(huán)境的高層次的描述，計(jì)算量很大，對(duì)傳感器精度要求較高；柵格模型是將空間劃分為大小相同的柵格，模型建立簡單，但搜索空間很大；層次結(jié)構(gòu)模型是按照數(shù)據(jù)區(qū)域的一致性判別準(zhǔn)則和空間遞規(guī)分解原理對(duì)環(huán)境進(jìn)行建模，采用此種模型壓縮了搜索空間，且很容易用傳感器的信息對(duì)模型進(jìn)行更新。 

　　(2)路徑規(guī)劃算法

　　根據(jù)智能輪椅對(duì)環(huán)境信息了解情況的不同，路徑規(guī)劃可以分為2種類型：全局路徑規(guī)劃和局部路徑規(guī)劃。其中，全局路徑規(guī)劃需要知道關(guān)于環(huán)境的所有消息，并產(chǎn)生一系列關(guān)鍵點(diǎn)作為子目標(biāo)點(diǎn)下達(dá)給局部路徑規(guī)劃系統(tǒng)。而局部路徑規(guī)劃則只需要距離機(jī)器人較近的障礙物信息，在運(yùn)動(dòng)過程中根據(jù)傳感器的信息來不斷地更新其內(nèi)部的環(huán)境信息，規(guī)劃出一條從起點(diǎn)或某一子目標(biāo)點(diǎn)到下一子目標(biāo)點(diǎn)的優(yōu)選路徑。 比較一些路徑搜索算法，尋求更優(yōu)解；進(jìn)一步研究對(duì)活動(dòng)障礙的勢態(tài)分析，給出避障策略這2個(gè)方面是機(jī)器人路徑規(guī)劃所要解決的主要問題。根據(jù)對(duì)環(huán)境信息了解的完整程度，路徑規(guī)劃可采用不同的算法。對(duì)于全局路徑規(guī)劃常采用的算法有：可視圖法、自由空間法和柵格法等。局部路徑規(guī)劃常采用的方法有：人工勢場法、遺傳算法和模糊邏輯算法等。

　　近年來在這些傳統(tǒng)方法的基礎(chǔ)上，對(duì)這些方法有了進(jìn)一步的融合與擴(kuò)展，如：基于遺傳算法路徑規(guī)劃--二維路徑編碼問題簡化為一維路徑編碼問題，模糊神經(jīng)網(wǎng)絡(luò)避障方法--基于實(shí)際誤差函數(shù)和隸屬函數(shù)法，基于激光雷達(dá)的路徑規(guī)劃方法--角度勢場法，虛擬力場法--動(dòng)態(tài)柵格法與勢場法結(jié)合。

　　4 結(jié)論

　　以上對(duì)于在智能輪椅導(dǎo)航研究中涉及的方法和思路進(jìn)行了較為全面的探討，同時(shí)這些研究方法也適用于移動(dòng)機(jī)器人。具有較好的規(guī)劃能力、實(shí)時(shí)性和實(shí)用性的智能輪椅的研究，是將來研究的核心技術(shù)，也是機(jī)器人研究領(lǐng)域的重點(diǎn)和難點(diǎn)問題。