智能机器人中传感器技术的应用

张梦辰

江苏省南京市新华电脑专修学院 江苏南京 211100

摘要：本文主要介绍了智能机器人常用的惯性器件和传感器的原理、特点、用途和典型产品。对机器人室内和室外定位、探测障碍物、姿态测量和环境感知等领域中使用多传感融合器进行了论述。

关键词：智能机器人；传感器技术；应用

近年来，机器人在各种领域中越来越广泛的应用，智能机器人更是成为了各国研究的重点。智能机器人携带多种传感器，对环境具有识别能力，且能够随时变化来适应环境，是人工智能技术应用的较高体现。其中起到重要作用的包括传感器和信息融合技术，利用传感器和信息融合有助于机器人进行智能判断与决策，具有重要的研究意义。

1 智能机器人常用的传感器

智能机器人的结构组成中，传感器是十分重要的组成构件。智能机器人应用的传感器主要分为内部传感器和外部传感器。区别在于内部传感器主要用来感知自身内部状态，配合各种系统控制元件来控制机器人的行动，而外部传感器则是用来感知外部环境，使智能机器人面对不同的外部环境做出合理的反应，这时机器人智能化的重要一步。

1.1惯性传感器

智能机器人的运行环境相对复杂，因此在运行过程中，需要对俯仰以及各种姿态进行测量，同时采取相应的控制措施，以避免机器人出现重心失衡的情况。针对智能机器人，足部姿态能够直接反应机器人的身体姿态，同时又能间接反应出地面的状况，因此，足部姿态采用惯性传感器对于智能机器人的稳定控制十分重要。使用基于MEMS加速度计和MEMS陀螺的姿态检测，无需对机器人进行建模就可以对动态场合下的机器人的各种姿态进行测量，从而加以有效控制。

1.2红外传感器

红外传感器是智能机器人应用最为广泛的传感器类型。红外传感器的光波长较短，不受电磁波干扰，非噪声源，同时可以实现非接触性测量。此外，中、远距离的红外传感器受环境影响较小，昼夜都可以进行测量控制，因此经常用于智能机器人手臂区，用于测量前方障碍物。但红外传感器的测距受环境光线影响较大，容易导致测量误差，因此智能机器人使用红外传感器测距相对较短。

2传感器技术智能机器人的应用

2.1基于传感器技术的机器人定位

现在由传感器技术构建的智能机器人都具有定位功能，即让人民了解智能机器人的所在位置。定位主要包括室外定位和室内定位两种，定位类型不同，其传感器应用的程序也不同。在室外定位主要依靠卫星定位技术，在地铁、隧道等位置，期卫星定位就会出现不准确的情况，所以还会采用航位推算法辅助卫星技术完成定位功能。如惯性导航或里程仪等方式都可完成机器人的位置推算工作。机器人的室内定位主要依靠激光雷达、超声传感器等设备对机器人进行定位。室内环境的卫星信号较弱，如果采用航位推算法容易出现失误，所以采用超声传感器等设备可迅速获取机器人的位置信息。随着科学技术的发展，人民发明SLAM方式可对机器人的位置信息迅速定位，其主要工作原理为借助传感器不断检测外部环境获取有效信息，进而构建周围的环境地图完成定位工作。现在该技术得到普遍应用。

2.2基于传感器技术的机器人水平姿态测量

现代智能机器人可以帮助人民进行简单劳动，这离不开机器人的水平姿态测量功能。机器人的水平姿态测量可利用两种方式达到，一种为输入信息源处于机器人外部的水平姿态测量方式，另一种为输入信息源处于机器人内部的水平姿态测量方式。第一种的主要通过视觉传感器对周围环境进行感知，进而完成水平姿态测量；第二种主要利用其体内的电位计、陀螺仪等处于内部的惯性传感器对外界环境进行感知，继而完成水平姿态测量。现代智能机器人都通过惯性传感器，如陀螺仪、加速度计等对外界环境进行感知，然后输出数据信息，再利用计算机技术将数据进行计算，得知实时姿态，最后完成姿态调整。特别注意，惯性传感器都是实时监测的，避免出现误差。

2.3基于传感器技术的机器人障碍物探测

智能机器人具有自动对障碍物检测的能力，机器人体内的视觉传感器、红外线传感器、超声传感器等都具有帮助机器人实现检测障碍物的功能。不同传感器检测的障碍物类型不同，如超声传感器能够帮助机器人探测距离，但其存在盲区，无法检测30cm~40cm的距离，但是红外线传感器就可实现近距离的测量，所以两者可形成互补，共同完成机器人的距离检测工作。再如超声波传感器能够自动监测障碍物，但其对细小的障碍物无法起到检测作用，利用红外线传感器就可对细小的障碍物进行检测。多种传感器一同帮助机器人做好障碍物检测工作，保证检测结果的准确性，避免失误。

结束语：在智能机器人控制领域中，离不开各类传感器的使用以及信息融合技术，受到社会各界的广泛关注。在智能机器人领域应用了很多自动化控制设备，如GPS、光电编码器、磁罗盘等等，有效保障了机器人研发工作，并带动了机器人相关产业和产品的发展，具有良好的发展前景。

参考文献：

[1]赵堂春,于彤,黄敦华.传感器技术在智能移动(保洁)机器人装置中的应用[J].机电产品开发与创新,2018,25(05):7-9.

[2]孙华,陈俊风,吴林.多传感器信息融合技术及其在机器人中的应用[J].传感器技术,2016,22(9):1-4.