【国内外智能轮椅研究现状的文献综述5100字】

国内外智能轮椅研究现状的文献综述国外智能轮椅研究现状在国外，智能轮椅开始研究的时间比较早。第一台真正意义上的智能轮椅实在上世纪1986年，由英国的IBMT.J.WatsonResearchCenter的Connell和Viola首先研制出来的。该轮椅只是简单的将一个坐垫放在了一个移动机器人平台上，实现了使用摇杆进行控制，并且安装了传感器进行环境感知，可以进行简单的行走以及避障。但它没有用户交互界面，操作起来相对困难。1989年法国开始研究的助残自动装置ADDINNE.Ref.{9A814582-5D1F-4B87-8C85-119AB71E63F8}[2]（AutonomousVehicleforPeoplewithMotorDisabilities,VAHM）针对不同程度患病的残障人士采用不同的控制方式，设置了手动、半自动和自动三种模式，用户可根据自身需求进行选择。1996年，西班牙的SIAMO项目由ONCE基金会支持开始了新一代智能轮椅的研发ADDINNE.Ref.{B2C002AB-975F-492B-B7D3-7D666786DEE5}[3]，针对轮椅用户的残疾程度各不相同无法使用同一套系统的问题，设计实现了整个轮椅系统的模块化同时还具备了一定的灵活性。该项目的成果原型如图1-1所示。人机交互模块还实现了通过语音识别控制，超声以及激光传感器模块使得轮椅在移动程度上可以检测路面上的障碍以及坑地等，模块化的设计也让该项目的成果可以更好的进入市场。1997年由美国麻省理工智能实验室牵头研发的新型智能轮椅项目WheelesleyADDINNE.Ref.{6CB947AF-F309-4812-BDBA-E0C945144A77}[4]在标准动力轮椅的基础上做出了一定的改进。Wheelesley轮椅成品如图1-1所示。Wheelesley多了一种工作模式，不仅可以通过传统摇杆进行控制，还可以通过附加传感器对周围环境进行感知，通过计算机用户交互界面对轮椅进行控制，这种改进在一定程度上进行了创新。图1-1SIAMO和Wheelesley轮椅实物图1998年，德国乌尔姆大学也对智能轮椅进行了研制ADDINNE.Ref.{18487DE0-7537-485C-97A0-91FF50A2727D}[5]。该大学的MAID项目是在当时已有的一款商业轮椅的基础上进行了二次开发，主要是对轮椅的导航功能进行了增强。该项目的成果也进行了两次实际检验，第一次是在乌尔姆市中心车站一天中客流量的高峰实际测试了36个小时，该轮椅可以自动检测前方行人情况，避障绕行，并按导航到达指定位置。第二次是在汉诺威工业商品博览会上，该轮椅能够实现精确导航的主要原因是在导航之前会根据当前场景在NAN（狭窄区域导航）以及WAN（宽区域导航）两种模式中选择一个，这样有针对性地导航可以使轮椅运动避障更加精确。在近些年，大量先进技术被应用在智能轮椅上。ChatzidimitriadisADDINNE.Ref.{8A10EB42-8559-4F46-A16C-1BE083E3CB07}[6]等人使用摄像头和激光雷达相结合的方式对障碍物进行捕捉，用户使用操纵杆对轮椅进行控制时碰撞的概率明显降低。GhorbelADDINNE.Ref.{6FFD7A59-F9B3-4366-AB58-6AB5D1CAC147}[7]等人则是将近几年流行的云技术应用在了智能轮椅上设计了一套辅助系统，家人还可以通过自己智能手机远程监控轮椅使用者的位置，安全等重要信息。2017年RehmanADDINNE.Ref.{654539F0-B6DD-48F8-AF8B-FB4363DFA426}[8]等人成功的将增强现实技术应用在室内导航方向上。国内智能轮椅导航系统研究现状相对于上述几个国家来说，我国智能轮椅项目研发相对较晚。但随着我国老龄化的加重，智能轮椅的需求逐渐提升，我国的智能轮椅研究有着突飞猛进的发展ADDINNE.Ref.{91A6B2C6-9ABD-4CEB-BCC6-DF5F5C5B81F9}[9]，比如中科院、上海交通大学和西安交通大学ADDINNE.Ref.{EA645008-1134-45A8-BB89-4E206A85E9CC}[10]等都在智能轮椅的发展中做出了巨大的努力。中科院设计的智能轮椅具有导航和人机交互的功能，轮椅通过语音控制，可以识别口令并做出相应反应。该轮椅的控制系统上应用了模糊神经网络系统来融合周边环境信息，还曾在“863”计划十五周年展览时，在展览馆的人群中实现了自动导航以及避障。上海交通大学设计了一款声控轮椅ADDINNE.Ref.{675E7D38-8028-433F-B501-4799CEC4A09F}[11]，用户通过8个语音指令即可控制轮椅完成相对应的动作。为了应对室内外各种复杂的环境，系统设计上采用了激光雷达和图像结合的方式实时识别轮椅周围的障碍物信息。此外，该轮椅除了具有目标跟踪、防止跌落功能外，还增加了机械手臂用于抓取物件，这在一定程度上为上肢功能障碍者弥补了行为缺陷。在“863”计划的支持下，西安交通大学发明了一台搭载超声测距模块和光电编码器的电动轮椅。基于有限状态机的避障绕行算法，将测距信息和轮椅位姿信息结合起来，实现了绕行较短的路径进行避障并能够按照原来方向继续前进。同时根据路径记忆和导航算法，可确保轮椅沿最优路径返回。2017年武汉大学设计了一套可以基于ROS框架利用Gmapping算法对地图进行构建的智能轮椅系统。该轮椅全局导航使用的是A*算法，局部导航以及避障使用的是动态窗口法。但目前来看还只能停留在实验室阶段，距离真正的批量生产推向市场还有一段距离。目前，室内自动导航小车在物流行业有较大的发展。为了减少人力资源，各大物流公司都开始投入研制了智能移动机器人（AGV），并取得了不错的研究成果。AGV小车也可以实现自动导航以及避障，它的基本原理是基于图像来对障碍物进行识别，避障仅仅是停下来等到障碍物自行离开小车路径。因为物流行业使用的AGV小车都在室内，而且路径都是固定不变的，只需要在识别出自身在整个仓库里中的位置以及目标位置然后在由各个节点构成的图中根据全局路径规划算法比如迪杰斯特拉算法计算出最短路径即可，这种技术目前已经比较成熟。智能轮椅关键技术研究现状室内定位技术研究现状由于墙体的遮蔽作用，轮椅无法借助GPS信号进行室内位姿感知。现有的以外置信源为基础的室内定位技术主要可以分为三大类：无线电通信技术和基于可见光和声学的技术。1）Wi-FiWi-Fi通常在工业，科学和医学（ISM）频段中运行，主要用于提供联网功能以及到居家，公共商业化场所中不同设备的Internet连接。起初，Wi-Fi的通信范围仅有100米ADDINNE.Ref.{E0D2D188-F792-4911-B795-8F141F8AD97F}[12]，如今已增加到约1公里ADDINNE.Ref.{341C7F09-6EC0-4AC1-98B4-6688A0016A08}[13,14]。当前许多便携式移动电子设备都启用了Wi-Fi，Wi-Fi的广泛应用成为室内定位的首选，而无需其他基础架构。然而，现有的Wi-Fi网络部署还是用于互联网功能居多，即以使数据吞吐量和网络覆盖范围最大化，而不是以定位目的。ISM频带中不可控因素会影响定位精度ADDINNE.Ref.{CDBD0D8F-4D0E-4A9F-A5D1-7F5A175334EF}[15]，因此需要重新设计有针对性的算法来改善其定位精度。2）蓝牙蓝牙是在一定范围内连接两个或多个物体的无线设备。低功耗蓝牙（BLE）的改进数据速率可达24Mbps和覆盖范围至70-100米，并具有更高的能源效率ADDINNE.Ref.{E1184F9B-02BB-4F6D-8DAF-C8147C7D0C69}[16]。大多数现有的基于BLE的定位方法都依赖于基于RSS的输入，限制了其定位精度。BLE的iBeaconsADDINNE.Ref.{66C7A8B6-0A97-49EC-A740-07EA11527549}[17]协议是针对接近检测和近邻服务而专门设计的。在iBeacons协议中，设备启用BLE后每隔一定周期就会发送一次信标，为了考虑用户设备上的瞬时RSS值的变化，只会将每秒钟平均RSSI值报告给用户设备。但是，这种RSS平均和报告延迟会给实时定位带来重大挑战。3）ZigBeeZigBee建立在IEEE802.15.4标准的基础上，该标准与物理和MAC层有关，以实现低成本，低数据速率和高能效的个人局域网ADDINNE.Ref.{4B41ABE6-A113-4D50-AC01-5E1902BB1D5F}[18]。尽管ZigBee有利于无线传感网络中的传感器定位，但大多数用户的设备上没有ZigBee无线传输协议，因此不利于室内定位的广泛应用。4）RFIDRFID利用电磁信号将数据从发射机传输和储存到任何射频（RF）兼容电路ADDINNE.Ref.{BF82E616-CBF7-40FF-9053-DCA0AFB4B42F}[19]。RFID系统由RFID标签和可以与其进行通信的读取器组成。RFID系统有两种基本类型：有源RFID和无源RFID。有源RFID：有源RFID在超高频（UHF）和微波频率范围内运行。它们连接到本地电源，定期发送其ID，最远通信距离可以达到数百米。有源RFID具有合理的范围，低成本且易于嵌入到跟踪对象中，理论上可用于设备的室内定位。但是，有源RFID技术定位精度低，用户设备不易获得，应用范围窄。无源RFID在通信范围（1-2m）内无需电池即可运行。虽然它们工作频段宽，但通信范围有限，不适合大环境下的室内定位。5）超宽带超宽带（UWB）是一种无线载波通信技术，在3.1至10.6GHz频率范围内的大带宽（>500MHz）上传输，使用非常低的占空比ADDINNE.Ref.{4C0CFE9E-8B85-4310-A365-AFF805FD149A}[12]，从而使功耗降低。UWB技术主要用于短距离通信系统，因为它穿透能力强、抗干扰，对多径效应的敏感性低，定位精度理论上可以达到厘米级别。但是UWB设备价格相对较高，不利于UWB技术在消费产品中的大规模应用。6）可见光通信可见光通信是一种用于高速数据传输的新兴技术ADDINNE.Ref.{83225BD2-83FB-49DF-B31E-D3588C7E6EEB}[20]，使用的是由LED调制和发射的400至800THz之间的可见光。可见光通信常用的定位方法是基于到达角（AOA）的定位技术，即通过接收端测量可见光到达的角度来定位发射器的位置和方向。此类型的定位技术优势在于其广泛的扩散能力，但是LED发射器和传感器之间必须是无障碍物遮挡的，即在视距环境下才能正常使用。7）超声基于超声的定位技术主要依靠超声信号传播速度和传播时间来获得两点之间的距离信息，室内定位精度可以达到厘米级ADDINNE.Ref.{E6047BB6-EB11-4D33-BA8C-CBF6D1D5F79E}[21]，定位效率很高，可以同时定位多个移动目标。但当室内环境的湿度和温度变化时，声速会发生很大变化ADDINNE.Ref.{1D4DF851-EC76-4B8B-A375-CEBFE360907B}[22]。因此，它需要复杂的信号处理算法来滤除噪声提高定位精度，但无法消除永久性噪声源定位系统性能的严重影响。室内定位技术需要解决的首要问题是多径效应。它们在传播过程中遇到障碍物可能会发生反射、折射和衍射墙壁、金属，甚至是人类。接收器通常会接收到来自同一信号的多个不同相位延迟和功率衰减的信号，这对室内定位的精度有极大影响。为了获得精确的室内位姿信息，需要一种能有效抑制多径效应的信号处理方法。室内环境地图构建技术研究现状室内环境地图是进行室内导航的基础。在轮椅首次进入未知环境时，利用外部传感器构建环境地图的问题可通过同时定位和建图（SimultaneousLocationandMap，SALM）算法解决。SLAM根据轮椅外部传感器的不同可以分为激光SLAM和视觉SLAM，激光SLAM相对于视觉SLAM来说，点云计算量小，且在光照变化大的地方不易受到影响。激光SLAM借助固态激光雷达采集环境信息获得分散的点，其中包含距离和角度信息，通过计算每个点的信息获得角度和距离变换关系，从而知晓位姿和构建室内环境地图。基于激光雷达的SLAM经典算法有三种：Gmapping算法、Cartographer算法、Hector算法。Gmapping算法是基于粒子滤波的二维定位算法，但更多地使用了统计方法。近年来，Gmapping算法已经逐步完善，成本低且易实现。Mao等ADDINNE.Ref.{395C5A34-5A38-4F20-AF27-386AD50A06A2}[23]利用室内机器人平台进行Gmapping算法室内地图构建，证明了导航的鲁棒性。WongsuwanADDINNE.Ref.{EC7C51E7-BB71-4A17-8BD3-DB2DF4A71B2F}[24]等提出了基于粒子过滤器的矫正梯度细化算法，使得该算法更具普适性。Gmapping算法适用于室内场景小、特征低的环境，没有闭环检测计算量小，但同时也因为没有闭环检测的情况下更容易出现误差累积导致建图精度降低。Cartographer算法ADDINNE.Ref.{D5A9F8C6-7C8C-4BCD-83EA-F633B30EDB52}[25]是基于图优化的SLAM，将问题抽象为节点和边的关系，有前端和后端两个模块，前端引入子图概念，子图更新依赖于数据帧不断插入，获得若干个子图。后端进行闭环检测，通过全局计算优化位姿消除误差。Hess等ADDINNE.Ref.{0642D10B-8D49-4E10-BA19-78034F195645}[25]采用分支定界搜索实时进行闭环检测，将位姿优化转变为求最优解问题。Cartographer算法对硬件要求不高，适合室内大场景建图。Hector算法也是基于图优化的SLAM，前端负责对运动进行估计，后端进行位姿优化，但没有闭环检测环节。Kohlbrecher等ADDINNE.Ref.{49FEAB4A-5980-43DF-8654-C13AEB2E167E}[26]对后端采用高斯-牛顿法对邻近帧进行匹配优化地图。Yu等ADDINNE.Ref.{E92B216C-C665-49A6-A76C-0845495BFB84}[27]采用卡尔曼滤波进行信息融合，结合里程表和惯性测量单元辅助建图，解决了在室内退化环境中建图精度降低的问题。Hector算法对硬件要求较高，但它可以估计6个自由度的位姿，可以在崎岖路面环境下进行建图工作。全局路径规划技术研究现状全局路径规划技术是建立在拥有完整信息的基础上进行的，包括地图信息，机器人在地图的精确位置信息，机器人的物理尺寸，障碍物信息以及机器人的运动能力等各个方面。从起始点出发，寻找一条到目标点的过程中无碰撞的较短路径，全局路径规划技术是实现自主导航的关键。启发式搜索算法是一种常见的全局路径规划算法，例如A*算法。A*算法是在扩展式算法的基础上通过增加启发函数改进的。但A*算法在大规模的地图上，计算节点多搜索时间长。近些年，针对A*算法存在的问题进行改进并得到初步成果。Sood等ADDINNE.Ref.{7D0CA5A0-E890-4214-8349-3D550DEE10B5}[28]为解决动态变化的环境中进行路径规划的问题，提出了D*Lite算法。Saranya等ADDINNE.Ref.{622D00E4-8116-4FFA-9E8A-83C1B241F3F6}[29]改进的了D*算法，使其适应不同的户外地形，提高了路径规划的效率。基于智能搜索的全局路径规划算法在近年来得到快速发展，Zhang等ADDINNE.Ref.{CD6C1D6E-86A5-4801-92FF-EA1FA30CFD20}[30]提出一种将框架四叉树表示与混合模拟退火算法和蚁群算法相结合的路径规划算法，提升导航速度，具有鲁棒性强、自适应能力强等优点。李燕等ADDINNE.Ref.{7066C307-AE04-46F1-9774-CA60601EF806}[31]提出一种自适应变化信息素总量的方式，改进了蚁群算法搜索能力和收敛速度。这些新颖的算法都各自有各自的优缺点，都有自己使用的场景，目前还没有一种方法可以做到全场景的适用，因此在针对具体问题时，需要对问题进行深入分析，然后有针对性的对算法进行优化。参考文献[1] 国家统计局.第七次全国人口普查公报（第五号）[EB/OL].(2021-05-11)[5月17日]./tjsj/zxfb/202105/t20210510_1817181.html.[2] BourhisG,HomO,HabertO,etal.Anautonomousvehicleforpeoplewithmotordisabilities[J].IEEERoboticsandAutomation,2001,8(1):20-28.[3] MazoM,UrenaJ,GarciaJ,etal.Anintegralsystemforassistedmobility[J].IEEEROBOTICS&AUTOMATIONMAGAZINE,2001,8(1):46-56.[4] YancoHA.Wheelesley:aroboticwheelchairsystem:indoornavigationanduserinterface[M]//MITTALVO,YANCOHA,ARONISJ,etal.Assistivetechnologyandartificialintelligence.Applicationsinrobotics,userinterfacesandnaturallanguageprocessing.1998:256-268.[5] PrasslerE,ScholzJ,PFioriniEA.Aroboticwheelchairforcrowdedpublicenvironments[J].IEEERoboticsandAutomation,2001(8):38-45.[6] ChatzidimitriadisS,OpreaP,GillhamM,etal.Evaluationof3DobstacleavoidancealgorithmforsmartPoweredWheelchairs:7thInternationalConferenceonEmergingSecurityTechnologies(EST),Canterbury,ENGLAND,2017[C].[7] GhorbelA,BouguerraS,BenAmorN,etal.Cloudbasedmobileapplicationforremotecontrolofintelligentwheelchair:14THINTERNATIONALWIRELESSCOMMUNICATIONS&MOBILECOMPUTINGCONFERENCE(IWCMC),Limassol,CYPRUS,2018[C].[8] RehmanU,CaoS.Augmented-Reality-BasedIndoorNavigation:AComparativeAnalysisofHandheldDevicesVersusGoogleGlass[J].IEEETRANSACTIONSONHUMAN-MACHINESYSTEMS,2017,47(1):140-151.[9] 张晓玉.我国智能辅助器具科技创新的现状与发展[J].中国康复理论与实践,2013,19(05):401-403.[10] 杨大伟.智能轮椅避障绕行和自主导航程序设计[D].西安:西安交通大学,2009.[11] 雷双双.多功能智能轮椅的研究[D].华南理工大学,2014.[12] LiuH,DarabiH,BanerjeeP,etal.Surveyofwirelessindoorpositioningtechniquesandsystems[J].IEEETRANSACTIONSONSYSTEMSMANANDCYBERNETICSPARTC-APPLICATIONSANDREVIEWS,2007,37(6):1067-1080.[13] AdameT,BelA,BellaltaB,etal.IEEE802.11AH:THEWIFIAPPROACHFORM2MCOMMUNICATIONS[J].IEEEWIRELESSCOMMUNICATIONS,2014,21(6):144-152.[14] CentenaroM,VangelistaL,ZanellaA,etal.LONG-RANGECOMMUNICATIONSINUNLICENSEDBANDS:THERISINGSTARSINTHEIOTANDSMARTCITYSCENARIOS[J].IEEEWIRELESSCOMMUNICATIONS,2016,23(5):60-67.[15] ZafariF.AniBeaconbasedproximityandindoorlocalizationsystem[J].2017:14.[16] ZafariF,PapapanagiotouI,ChristidisK.MicrolocationforInternet-of-Things-EquippedSmartBuildings[J].IEEEINTERNETOFTHINGSJOURNAL,2016,3(1):96-112.[17] IBeacon.[5月17日]./ibeacon/.[18] BarontiP,PillaiP,ChookVWC,etal.Wirelesssensornetworks:Asurveyonthestateoftheartandthe802.15.4andZigBeestandards[J].COMPUTERCOMMUNICATIONS,2007,30(7):1655-1695.[19] HolmS.HybridUltrasound-RFIDIndoorPositioning:CombiningtheBestofBothWorlds:IEEEInte