智能电动轮椅Word文档格式.docx

1、 目前上位机多采用普通PC机，由于信息的集中处理使得上位机的信息处理量大，负担很重，实时性较差，无法满足实际使用的需要。随着嵌入式技术的飞速发展，采用嵌入式控制系统构建智能轮椅平台逐渐引起研究者们的注意，中科院自动化所研制的嵌入式智能轮椅系统在该方面进行了尝试， 系统采用ARM+DSP+FPGA的方式来分别构建智能轮椅的中央控制系统、传感器系统、视觉系统和运动控制系统，整个控制系统运行稳定，具有实时性高、功耗低，续航时间长的特点，在控制模式方面，智能轮椅上普遍采用的是三种模式：自动模式、半自动模式、手动模式。在自动模式下，由使用者通过人机交互界面设定目标，智能轮椅通过自身获得的环境信息自主完成

2、到目标点的路径规划和跟踪，比如到卧室，客厅等。该模式主要针对控制轮椅能力较弱的老年人和残疾人 ； 在半自动模式下， 则是通过使用者和轮椅之间的协作控制来达到安全导航的目的。 该模式下以使用者控制为主， 轮椅控制系统主要负责控制过程中的局部规划和安全检测。 比如轮椅行进过程中的自主避障 ；在门、 走廊等狭窄区域， 根据使用者的操纵指令进行局部路径规划， 帮助使用者完成操纵意图， 同时避免危险发生等等。在手动模式下， 则是由使用者通过操纵杆实现对轮椅的完全控制， 相当于一台普通的电动轮椅。在人机接口方面， 针对不同残疾人群， 研究者们开发了多种智能轮椅人机接口。根据控制方式的不同，可以分为设定型人

3、机接口和自然型人机接口两种， 其中设定型人机接口适用于那些残疾程度较轻肢体能动性较高而且意识较好的人群， 包括操纵杆控制、 按键控制、 方向盘控制、 触摸屏控制、 菜单控制等。 而自然型人机接口的使用人群是那些残疾程度较高， 肢体能动性较低的人群， 包括语音控制、 呼吸控制、 头部控制、 手势控制、 生物信号控制等方式。 自然型人机接口由于交互中存在的无意识性使得控制动作与非控制动作难以区分，因此需要采用合理的方式将两者加以区分，以免引起误操作而导致轮椅失控。通常智能轮椅上会根据使用者残障程度的不同，安装有多种人机接口，从而能够与使用者实现多种途径的交互，提供更加安全的运动控制针对残疾程度较重

4、的使用者，也有部分轮椅采用了轻型机械臂， 帮助使用者完成捡拾物品、 开、 倒水等活动。 比如FRIEND I上采用的MANUS手可以通过示教的方式实现抓取物体、 倒水等功能。IEND II上则配备了一个更加灵活， 重量更轻的关节手臂， 手臂末端是5手指的人工灵巧手， 可以帮使用者完成更加复杂的动作。此外，部分研究者对智能轮椅的攀爬楼梯功能行了研究。目前较为典型的是由Dean Kaman发明iBot,该轮椅能够利用两对驱动轮的交替旋转实攀爬楼梯的目的。 Prrris Wellman等人则采用在椅两侧加装机械腿的方式， 通过机械腿的支撑作实现轮椅攀爬楼梯的目的。 该方式对机械腿的机结构要求较高，

5、同时存在在攀爬过程中机械腿协一致的问题。智能轮椅的关键技术研究智能轮椅作为服务机器人的一种，涉及到了机人技术，信息技术等多个领域的技术，其关键技主要包括导航技术、人机接口技术两部分。1 导航智能轮椅的导航技术主要来源于机器人技术，由于智能轮椅是以人为中心的控制系统， 其导航又有特殊性。 除了需要解决导航过程中轮椅运行空间环境模型建立， 轮椅的定位以及路径规划等问题，还更应关注导航中的安全性以及与使用者的交互性。2.1.1 环境感知轮椅进行环境感知的主要手段。因此，为了尽可能准确地获取环境信息， 智能轮椅上都配备了多种传感器。包括内部或外部编码器，超声波传感器（SENARIO，Rolland，N

6、avChair），红外传感器（RobChair，Wheelesley，SIAMO），激光测距仪（MAid），碰撞传感器（Wheelesley），摄像头（SIAMO，FRIEND，SENARIO）等等。智能轮椅通过多种传感器收集数据，利用信息融合算法将能够较准确的获得环境特征， 为精确的导航提供可靠的依据。目前研究者们已经提出了多种信息融合算法， 包括有加权平均法、 贝叶斯估计、多贝叶斯方法、 卡尔曼滤波、 D-S证据推理、 模糊逻辑、人工神经网络等。2.1.2 全自主导航智能轮椅的全自主导航主要是解决“go-to-goal” 的问题。 使用者通过人机界面给出目标点， 由轮椅完成路径规划和路径跟

7、踪。 其导航技术主要采用自主移动机器人的相关技术。 导航的方法很多， 包括基于路标导航、 基于地图导航、 基于传感器导航和基于视觉导航等。 导航系统通常是由其中一种或几种方式结合起来构成。 导航系统通过各种传感器检测环境信息， 建立环境模型， 确定轮椅的位置和方向， 然后规划出安全有效的运动路径， 并自主实现路径跟踪在运动过程中， 系统需要与使用者进行实时交互， 根据目标点的变更实时调整运动路径。2.1.3 半自主导航半自主导航，也称为分享导航（sharednaviga-tion），主要是解决“where he/she wants to g o”的问题，是智能轮椅导航研究中的重点。目前智能轮椅

8、半自主导航主要关注于解决意图理解（Imp-licit communication）和安全避障（safeob stacle- avoidance）的问题。意图理解是指当轮椅处于环境较为复杂的情况下，根据自身的环境探测以及使用者的操纵指令给出合理的行动规划， 或者通过人机交互的方式来给出几种选择以供使用者参考。不莱梅大学的Rolland系统采用了“暗示”的方法自动地从一种模式转换到另一种模式， 而不需要使用者的干预。 当使用者的指向不是障碍物时， 轮椅会试图绕过它。 但是该方法过于灵活， 当稍微有些偏差时， 轮椅都将试图躲避障碍物，而不是按照使用者的想法来接近它。 NavChair上也采用了类似的

9、方法， 但是对使用者的想法和意图考虑得较少。 SENARIO上给出的解决方案是当使用者操纵轮椅趋近于障碍物时， 系统给出警报并以最小的速度趋向目标；当达到警戒距离时， 系统将强行停止轮椅运动， 并通过人机界面提示使用者改变控制命令。安全避障则是指在保证使用者操纵指令正确执行的情况下使轮椅避开障碍物， 防止碰撞的发生。 较为成功的避障技术是应用在NavChair上的MVFH（Minimu m Vector Field Histogram）方法，它是VFH（Vector Field Histogram, 应用在机器人上的快速避障方法）方法的一种变形。 该方法不是简单地选取障碍物密度低于阈值的最近方

10、向， 而是考虑了控制手柄的当前位置， 通过权值均衡选择一条折中路线。SENARIO上采用了一种AKH（Active KinematicHistogram）方法，也是对VFH方法的一种改进。该方法考虑了非点移动机器人的特性， 通过动态运动窗（AKW）来处理不可预测的机器人运动行为。 在选择运动方向时， 动态窗将给出接近于当前轮椅运动方向上一个范围内的建议方向， 以使对当前运动作较小的修正。此外， AKH方法根据机器人的形状和尺寸， 以及障碍物的空间位置来决定所选方向的可行性。 Rolland上采用的避障模块则是将使用者的操纵命令作为避障方向的一个偏移值， 操纵杆的方向命令决定了轮椅从哪个方向绕过

11、障碍物。2.2 人机接口智能轮椅是以人为中心的控制系统，因此，智能轮椅的控制系统不是设计的自主性越高越好，而是应该考虑到使用者的身体特点， 有效地补偿他/她的不足，充分发挥他/她的主动性。这就决定了智能轮椅人机接口的多样性。人机接口的设计需要考虑使用者的生理特点以及在各种情况下的心理反应以实现轮椅与使用者之间的和谐合作机制。下面对几种人机接口方式进行一下介绍。（1）操纵杆控制。该方式指示方向明确简单，是电动轮椅的标准配置， 因此在多数智能轮椅上都仍然保留了这一人机接口。 但是在使用者手部存在病理性颤动的情况下， 采用普通操纵杆将无法正常地操纵轮椅。针对这样的情况，不少研究者进一步开发了“智能”

12、操纵杆。D.Ding等人针对病理性手部颤动（Pathological hand tremor）的使用者，利用模糊逻辑的方法去除使用者操纵过程中的手部颤动。 Brienza和Angelo28 通过改变操纵杆的坚硬度以阻碍使用者向障碍物方向控制操纵杆（2）按键、触摸屏、菜单控制。这些方式一般是将轮椅的方向控制分为4个或8个方向的按键。 其好处是轮椅运动方向明确、 控制较精确， 而缺点是不够灵活。 Wheelesley， Rolland上均采用了这些方式。（3）语音控制。利用口令识别和语音合成技术，实现使用者与轮椅的语音对话以及对轮椅运动的控制。 西班牙的SIAMO， 中科院自动化所的多模态交互智能

13、轮椅，上海交通大学的智能轮椅均采用了语音交互的人机接口。但目前所使用的语音命令是离散的，只能进行简单的方向命令控制，还无法实现真正意义上的语言对话，而且在环境嘈杂的情况下语音命令的识别率往往会急剧下降。（4）呼吸控制。 使用者可以通过在一个压力开关上吹气以激活期望的输出从而实现对轮椅的控制。西班牙的SIAMO采用了这种驱动方式。 通过差动气流传感器检测输入的呼吸气流的强度和方向，输出经过处理和编码后的控制命令传送到导航模块。根据传感器信号的强度控制轮椅的线速度，根据气流的方向控制轮椅的角速度。（5）头部控制。头部运动是能够指示方向的一个很自然的方式， 可以直接用来替代操纵杆保持相似的控制，且这种方式给那些高度脊椎损伤和运动神经疾病的病人带来独立控制的可能性。 Nguyen等人在头部安装倾斜传感器并利用无线技术实现了基于头部动作的远程轮椅运动控制。牛津大学Tew则研制开发了一种头部运动感知设备， 该设备使用了一个四象限光感器（Photo Quadrant Sensor），根据每一象限光电流的相对比例确定头部的位置。 此外， 也有研究通过摄像头检测眼睛尾部与脸的边缘距离的变化来判定头部运动。（6）手势控制。通过手势的指向来获取控制信息。使用者带上特定颜色的手套，控制系统通过CCD摄像头获得图像信息并将手部区域分隔出来，以判断