1 课题研究背景
灾难应急搜索和救援机器人（Search And Rescue Robot）是自然灾害、事故等突发事件发生时，代替搜救人员进入现场执行搜救探测任务的移动机器人。该类机器人可以远程操控或采用自主的方式深入到复杂、危险、不确定的灾害现场，探测未知环境信息，搜索和营救被困者。搜救机器人是机器人技术朝实用化发展的一个重要分支和新的研究领域，具有重要的社会价值。
搜救机器人可以应用于许多救援场合，比如地震、泥石流、台风、洪水、矿难、消防、危险物排除、野外勘察等。当灾难或事故发生后，现场环境复杂恶劣，充满未知和不确定性的因素，严重威胁搜救人员的生命安全，给搜救工作的部署和实施带来严峻考验。而灾难发生后的48小时是实施营救的关键时间，否则超过48小时被困者生还的可能性就变得很小。因此搜救机器人的研究具有重要的实用价值和社会意义，近年来受到了美国、日本、澳大利亚、中国等国家的高度重视。
本课题的研究目标，是研发一种以主从式遥操作为主并具备一定自主能力的稳定、可靠的煤矿井下移动探测机器人平台，该平台的主要任务定位为煤矿井下危险区域的环境探测，包括环境温度、气体组成与含量（CO，CH4，O2，H2S等）探测，以及现场视频及音频的采集与实时上传；对于这些危险区域我们定位于有限目标环境的有限参数探测，因为煤矿事故种类繁多，情况复杂，我们不可能指望通过一两种复杂的机构适应所有的井下环境，特别是对于像冒顶、塌方等极度复杂的环境或者透水等特殊环境的探测，必须采用专用的机构与技术来解决；因此，本平台主要针对如瓦斯突出、局部火灾、爆炸或坍塌，而具有可进入条件的灾害环境进行探测。另外，作为一款搜救机器人平台本系统预留了可以加载如机械臂等末端执行机构的接口，从而为完成更加复杂和更有效的救援工作提供必要的技术支撑，也可以为该平台在其他搜索与救援领域（如地震、泥石流、火灾等其他灾难现场）的应用提供重要的技术储备。
2 搜救机器人研究进展
应急灾难搜索和救援机器人的研究起步于20世纪80年代，经过1995年的美国俄克拉荷马州爆炸案以及日本神户大地震，搜救机器人才逐渐被作为机器人学的人道主义应用研究被重视起来。
随后的十几年时间里搜救机器人的技术不断发展，但仍多数停留在实验室阶段，参加实际救援行动并发挥重要作用的实例很少。搜救机器人第一次大规模参与到现场救援的应用案例发生在美国911事件后，当时有Talon、Solem、PACKBOT、VGTV、MicroTracs、SPAWARUrbot等六种军方和研究所的机器人参与了救援工作，如图1所示。在这次救援任务中，机器人系统的主要任务包括：在废墟中搜索可能有幸存者的空间，并监控现场的结构变化，防止发生倒塌危及现场救援人员。搜救工作主要分为两个阶段，在第一阶段的的工作中，机器人并不是过度深入废墟现场，而是在人不便于接近的地方起到辅助作用。第二阶段的工作重点是清理现场建筑残骸，并为分析世贸中心塔楼倒塌的原因提供依据。在这一阶段中，随着操作人员熟练程度的增加以及现场积累的经验，机器人系统的优越性逐渐表现出来。机器人通过深入现场近距离侦察、摄像，从而确定残存墙体的稳定性和发生倒塌的可能性；同时，机器人通过自身携带的不同类型探测器，测量一氧化碳、硫化氢、挥发性有机物的浓度和现场温度，形成现场环境危险情况的基础数据。通过十几名不同专业、不同领域的专家进行现场分析，并研究、指导现场的救援工作，大大加快了工作进度，并保证了人员的安全，体现了明显的优势。同时，在此次救援过程中也发现了机器人系统的一些问题，如防水能力、耐热能力、防震及其他抗恶劣环境能力的不足，以及机器人自身状态感知及环境描述方法的不足。总之，这次救援任务是人类历史上由救援机器人参与的规模最大、也是较为成功的一次救援，在这次救援过程中，工程技术人员和现场专家积累了大量的机器人系统进行灾难救援工作的宝贵经验，对今后搜救机器人的研究来说是一笔巨大的财富。
此后美国、日本、澳大利亚等国的搜救机器人开始逐渐参与实际灾害救援行动，通过与灾害应急部门的紧密合作，不断积累实际救灾经验，改进搜救机器人的性能，以提高机器人对搜救环境的适应能力。
nextpage
经过几年的研究和改进，搜救机器人再次用于美国加州小镇拉肯奇塔泥石流和“卡特里娜”飓风灾害的搜救过程。拉肯奇塔泥石流灾害造成大量的房屋坍塌和煤气泄漏，Inuktun公司专门为救灾应用设计改进的机器人VGTV-Xtreme被派往现场，但由于履带脱落使搜救机器人无法继续执行任务。同年在美国历史上最严重的自然灾害“卡特里娜”飓风袭击后的救援中，VGTV-Xtreme发挥了重大作用。另外国际上为促进搜救机器人研究的进展，也设有专门的搜救机器人大赛RoboCup Rescue。
我国的搜救机器人研究起步较晚，但最近几年发展较快，引起越来越多研究机构的关注。例如哈尔滨工业大学、上海交通大学、沈阳自动化研究所、广东卫富公司等都研制了各自的搜救机器人系统，中国矿业大学与清华大学等几家机构也研制了用于煤矿井下救援的移动机器人平台。但目前国内的搜救机器人大多仍处于原理样机的研究上，或局限在室外危险物排除这种应用案例的应用上，尚未有机器人参与到矿难、地震、建筑物坍塌等实际灾难现场救援的报道。在2010年4月2日王家岭透水事故发生的过程中，中国科学院沈阳自动化研究所研制的水下机器人曾被带到现场，试图参与透水现场的探测任务，虽然最终没有采用，但也不失为一次有益的尝试，为透水事故探测救援积累了宝贵的经验。
3 煤矿井下搜救机器人关键技术
在设计救灾机器人时，应从系统总体要求出发，考虑救灾机器人的环境适应性，协调各分系统的技术关联，开展顶层设计，研究综合集成关键技术。在设计救灾机器人过程中应充分注重关键技术。
3.1运动机构
运动机构作为移动机器人的移动载体，直接影响到机器人的通过性和地形适应能力。煤矿搜救机器人的运动平台应尽可能适应多种复杂的井下地形条件，如废墟、泥地、沙地、台阶、陡坡、壕沟等，即具有较强的地形适应能力；除此之外，还要具有一定的运动速度和良好的运动学稳定性，尽可能减少倾覆或翻滚的可能［］。目前的搜救机器人运动机构种类较多，如轮式、履带式、蛇形移动机构等，不同的运动平台决定了各自的运动能力。轮式机器人速度快、效率高，但越障能力较差，复杂地形适应能力有限；履带式越障能力强，但存在速度慢、运动效率较低的缺点；蛇形机器人可以钻进狭小的空间，利用头部安装的摄像头传回图像信息，但也存在速度慢、机构复杂等缺点；足式机器人，如四足、六足等具有适应地形能力强的特点，能越过大的壕沟和台阶，但目前大部分足式机构存在速度慢、效率较低的特点;轮腿复合式机器人具有履带机器人的地形适应能力和轮式机器人的运动速度，但也存在结构相对复杂体积较为庞大等缺点;此外受到自然界生物的启发，各种特殊的仿生机构机器人也展现了美好的前景［］。综合考虑煤矿井下的地形环境和事故发生后可能存在的实际情况，采用具有较强地形适应能力的带辅助臂的复合履带方式是一种相对理想的运动机构，该方式在具有较强地形适应能力的同时，可以保持较小的体积，能够穿过相对狭窄的空间。
除了上述需要考虑的因素之外，运动平台的设计必须可靠，以应对复杂的环境。比如煤矿搜救机器人设计时必须重点考虑防爆、防水、耐高温等。履带机器人也容易发生履带出轨脱落，导致机器人寸步难行。除了灵活的运动能力和可靠性设计外，搜救机器人还应考虑便携性。为了应对突发的矿难事故，提高搜救效率，搜救机器人应该具有较强的机动能力，必须在第一时间投放现场。搜索完一个目标地点，能尽快转移到下一搜救地点。体积过于庞大，除了具有更高的能耗和大大减小了平台通过能力之外，其运输过程也会给救援工作带来困难。
3.2感知系统
搜救机器人的主要功能包括搜索探测与救援，但目前世界各国搜救机器人的研究还大多集中于环境探测和幸存者搜寻的功能上。由于环境极度复杂，受困人员本身面临的困难复杂多样，对人员的救援工作目前还是一件非常困难的事情，因此，环境探测与人员搜索任务是目前搜救机器人的主要功能，其搜索与探测能力主要取决于其自身携带的传感器的类型与应用情况。作为搜救机器人的感知系统，传感器必须具备信息采集、信息存储与分析以及信息传输等功能，同时要求其具有较小尺寸、足够的分辨率和响应时间，以及很好的稳定性和可靠性等特点。
对环境的探测主要目的首先是让搜救人员实时准确的了解事故后井下的综合环境情况，评估井下环境对幸存人员及搜救人员生命及健康的影响，考虑指派救护队员下井完成救援任务的可行性，以及为制定科学高效的救援方案提供必要的、可靠的井下环境参数信息。这就需要对井下的温度、气体组成情况如氧含量、有毒气体含量、可燃气体含量，以及井下的地形及地质结构的情况进行探测。其次，在进行环境探测的同时，当机器人深入事故现场后，应该具有对幸存人员进行搜索定位及人员情况的初步探测能力。最后，为保证机器人能够安全、有效的完成探测任务，机器人应该具有其自身情况及所处环境的感知能力，如机器人本体的姿态、温度、电池电量等本体参数，以及环境中的障碍物、火区、水区等危险环境和机器人所处的位置等信息。
目前对于部分环境探测与感知的传感器是比较成熟的，如温度感知、氧含量传感器、可燃气体探测器、有毒气体探测器等，这些传感器体积小巧、探测精度高、集成度好，基本能够满足井下环境探测的需求；对于井下地形与地质结构的探测主要依靠视觉系统或与视觉系统相配合使用的距离、位置等传感器如声纳探测器、激光测距仪等；对人员的搜索定位有生命探测仪、热成像仪等设备；机器人自身状态的感知主要依靠里程计、惯性系统以及姿态传感器等感知单元，完成机器人位置及姿态的感知以及为导航及运动控制提供必要的数据。
此外，井下环境特别是事故后的井下环境情况复杂，极有可能出现浓烟、灰尘等恶劣情况，在这种环境下很多传感器特别是视觉系统会受到严重的影响。而远红外探测器具有很好的穿透烟雾进行探测的能力，并且可以同时获得被测物体表面的辐射温度，因此采用远红外成像仪进行复杂环境的探测既可以作为可见光视觉系统的补充，又可以通过对一些特殊物体表面辐射温度的测量实现目标的识别，如人体、着火点、水域等。其他的特殊情况也可能导致不同的传感器失效，因此采用多种传感器进行探测并对多种信息进行融合处理是有效的解决方案。多传感器的信息融合是把不同位置的多个同类型或不同类型的传感器提供的局部环境的不完整信息加以综合，消除信息之间的冗余和矛盾，以形成对环境相对完整和一致的描述，提高智能决策的速度和准确性。多传感器融合的常用方法有：加权平均法、贝叶斯估计、卡尔曼滤波、神经网络和模糊推理法以及带置信因子的产生式规则。
nextpage
3.3可视化人机交互与遥操作
为了使井下机器人更加灵活的工作，需要使操作者具有一个简单方便而功能齐全的操作平台，这个平台除了用于对机器人的操作外，还能够对采集的各种信息以及机器人本体的姿态和位置信息进行直观的显示，通过各种不同的方式保证机器人的可靠运行。
3.4机器人防爆及控制系统抗恶劣环境技术
由于机器人工作在井下，而且更多地是在含有瓦斯等易燃、易爆气体的区域进行检测工作，因此防爆设计必不可少且尤为重要。控制系统不仅要进行本安设计，还要进行热设计，防水、防酸雾、防灰尘等三防设计，抗震动和抗冲击设计及抗干扰设计等抗恶劣环境设计。
现场的尘土、烟雾和散落的废墟都会增加救灾机器人执行任务的难度。同时，现场的高温也不利于机器人的使用，甚至可能出现履带或轮胎被高温熔化并发生燃烧等现象。因此，在设计过程中应注意机器人的防尘能力和耐热性，还要考虑它的防水、防爆、防腐蚀、防电磁干扰、抗热辐射等功能。此外，复杂的现场环境还对机器人的控制线提出了新的要求，锋利的金属残片或其它残骸对控制线产生了威胁，所以在选择控制线时必须考虑它的坚固性。
3.5机器人井下自主导航定位及运动控制技术
救灾机器人在执行任务过程中，应当避免危险的环境和防止产生更多的危险，这就要求机器人必须具有导航能力;其次，为了向救灾中心提供幸存者的位置，机器人必须能够确定自身位置，完成任务后回到救灾中心，这要求机器人具有定位和路径规划能力。救灾机器人的导航方式可分为：基于环境信息的地图模型匹配导航、基于各种导航信号的陆标导航、视觉导航和味觉导航等。定位能确定机器人在二维工作环境中相对于全局坐标的位置，可分为惯性定位、陆标定位和声音定位等。路径规划是根据机器人所感知到的工作环境信息，按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰撞路径，并且实现所需清扫区域的合理完全路径覆盖，可分为两种类型：环境信息完全掌握的全局路径规划和环境信息完全未知或部分未知的局部路径规划。此外，GPS能对全球表面任何地点及近地空间提供实时高精度的三维位置、三维速度和时间信息。救灾机器人可采用卫星定位系统与电子地图结合的方式，随时提供救灾机器人的方位，实现机器人定位的可视化。
位置信息是井下探测机器人必不可少的信息之一，无论是幸存人员信息，还是巷道破坏程度信息以及局部气态环境信息，都需要一个相对精确的具体位置信息作参考。尽管操作人员可以通过前方影像数据在一定程度上进行大体位置判断，但这样的定位是无精度可谈的，况且在火灾等现场中，由于烟雾等原因，根本无法通过视觉图像进行定位。因此，采用多种传感器进行融合，对机器人当前的位置进行测量和计算，是十分必要的工作。
另外，在复杂的非结构化井下环境中，仅仅通过摄像头进行远程控制，是难以保证操作动作的准确性和安全性的；如何能够保证机器人按照所规划的路径和发出的运动学指令准确、高效、安全的运动是保证其圆满完成探测任务的前提条件。特别是安全性问题，表现得尤为突出，稍有不慎就有可能使机器人发生倾覆或者碰撞。因此，对机器人的姿态信息进行采集，结合位置、航向等运动参数，通过本地自主实时监控和远程监控相结合的方式对运动轨迹和姿态进行控制，通过研究机器人的运动学模型，使其可以自主的保持在安全范围之内，当操作员发出可能产生危险的指令时能够及时制止并发出报警信息，是一个非常必要和实用的功能。
可见虽然目前存在的大部分搜救机器人采用主从操作方式，但鉴于煤矿井下环境的复杂性及危险性，特别是对通信系统的严酷环境，机器人具有自主导航及运动控制的能力是十分必要的功能。提高搜救机器人的智能化和自主化技术水平，也是该领域发展的重要方向。煤矿井下是一个结构化和非结构化并存的环境，而在事故发生后，则多数是非平整非结构化的环境，因此，本论文针对复杂的煤矿井下环境，将煤矿井下探测机器人的自主导航定位及运动控制技术作为主要研究内容。
3.6非平整路面移动机器人导航技术
3.6.1适应非平整路面的移动机器人平台
非结构化非平整路面环境中工作的机器人，一般是用于星际探测、野外侦察、农业耕作、矿区作业等领域，国外有研究人员将这类机器人定位为野外移动机器人（Off-Road Mobile Robots），是较为合适的定义。
3.6.2非平整路面移动机器人导航技术研究现状
近年来，对于非平整路面移动机器人定位及导航技术得到了越来越广泛的关注，并已经形成了多种相对完善的方案，在星际探测、野外侦察、采矿及农业等领域取得了一定的研究和应用成果。
目前机器人可用于定位导航及状态感知的传感器主要包括里程计、惯性导航单元、GPS系统、超声波或声纳传感器、激光测距传感器、计算机视觉系统等。里程计或光电编码器是移动机器人广泛使用的传感器，主要用于航位推算过程中行驶里程的计算；惯性测量单元以往常用于飞行器姿态的测量及控制，近年来逐渐应用到地面车辆或移动机器人的定位及姿态测量等算法当中，特别是在与里程计、GPS相融合后组成的组合导航系统，成为移动机器人导航的重要手段；GPS系统作为一种绝对式位置传感器，有着使用方便、精度较高，数据处理简单等特点，特别是通过差分计算之后，其精度更可以达到米级以下甚至更高，从而可以直接引用于机器人的定位工作，其主要问题是在复杂环境中有可能由于建筑物或大型植被等的遮挡造成信号失锁以及由于受到美国的控制几乎无法作为军事目的而使用。当前比较常见的做法是将里程计、IMU以及GPS信息通过一定的方式进行数据融合（通常采用扩展卡尔曼滤波、无味卡尔曼滤波等算法），利用融合后的结论实现对机器人位姿的正确估计。声纳或超声波传感器主要用于对机器人周围近距离（一般5m以内）的障碍物进行探测，而且一般是以阵列的形式安装在机器人本体上，以提高其探测范围。由于其探测距离短，探测速度较慢，因而多用于低速移动机器人系统；激光雷达也是目前常用的距离测量工具，主要分为二维激光雷达或三维激光雷达，由于其测量距离远（一般达到几十米甚至上百米），测量速度快（每秒几十次扫描数据），被越来越多的应用到移动机器人环境感知及环境建模的场合当中。视觉系统是最常用的环境感知系统，也是人类对世界进行感知和认识的主要途径，近年来特别是近2，3年来，基于视觉环境感知的研究成果层出不穷，其计算的复杂度不断减小，工程化程度越来越高，通过视觉实现障碍物探测、航位及航姿推算直到路面环境建模等的研究成果也越来越多。除此之外，还有一些如毫米波雷达、红外传感器、力传感器、触觉传感器等也应用到不同场合机器人的自身或环境参数的感知上，在这里不再详述。
环境重建技术是信息技术中，特别是计算机视觉技术中的一个重要研究方向，对于机器人系统的研究而言，其主要用于机器人的导航、目标的跟踪与识别以及真实场景的重现等。其主要手段历经了从计算机视觉，到计算机视觉与激光雷达的结合，即主动视觉的概念；近年来由于计算机视觉算法及计算平台的不断完善，又重新回到使用计算机视觉，即仅采用被动视觉的方法上。
20世纪70年代中期，Marr，Barrow和Tenenbaum等一些研究者提出了视觉计算理论，其核心是从图像恢复场景的三维结构。S．Z．Barnard与M．A．Fischler系统的介绍了上世纪70年代中期到1981年三维视觉的研究成果，主要包括立体重建的基本方法、算法评价准则以及对当时有影响力的算法评述。70年代后期至80年代，工作于斯坦福大学的Gennery及Moravec首先将立体视觉三维重建技术应用于移动机器人导航，在一台叫做StanfordCart的平台上，他们实现了其基于立体视觉的自主定位及周围环境的三维探测。然而，鉴于其计算速度的限制及硬件平台的缺点，该系统并不能可靠的长时间工作。
nextpage
在上世纪80年代，CMU及NASAJPL的研究人员走在了该领域的前沿。在80年代后期，CMU的研究人员成功的在其移动机器人平台CMU Rover上解决了立体视觉的计算速度及工程可靠性问题（Moravec，1983）。其主要改进在于硬件平台的升级以及感知算法的改进与完善，而最值得关注的工作是该团队的Matthies及Shafer在1987年首次提出了基于立体视觉的视觉里程计算法（Visual Odometry Algorithms），该算法第一次通过视觉方式对机器人的运动轨迹及姿态进行了较为精确的计算。从而开启了通过视觉进行运动估计的算法在地球上的野外环境（Nister，2006;Agrawal，2007）以及NASA的火星探测计划（MER）中在外星球探测机器人上的应用（Cheng，2006）。
在接下来的研究中，CMU仍然走在世界的前列。他们开发出的Navlab移动机器人平台，采用了主动视觉的方式，将单目摄像机及一台激光雷达相结合，作为其环境探测的解决方案，从而成功的解决了当时采用被动视觉在匹配及特征提取计算方面面临巨大计算复杂度的尴尬局面。从这一时期开始，移动机器人才逐渐实现了所谓的实时自主导航，这主要得益于算法的不断改进以及计算平台性能的大幅度提高。自90年代中期开始的十几年中，基于主动式探测技术（主要是激光雷达、毫米波雷达等）的环境感知与探测方法被较为广泛的应用，特别是与视觉传感器相融合可以快速建模的特性，使其一度成为移动机器人，特别是野外移动机器人环境建模的首选方案。
然而基于单目或双目被动视觉的环境感知及建模的研究工作一刻都未停止过，在1980后期至1990年代的过程中，Matthies在JPL的研究突破了基于场景的实时立体视觉算法，并于90年代后期第一次将其应用于野外机器人的环境探测与建模当中。自此以后，立体视觉开始逐渐为大家所重视，真正成为机器人三维感知方向中一个具有竞争力的技术。
近五年来，视觉感知技术在移动机器人特别是野外不平整路面复杂环境下的感知与环境建模中得到了越来越多的应用。其中同样是NASA的MER计划的成果，DemoIII自主野外探测车采用了三对立体视觉相机，一对前视立体相机，一对后视立体相机，以及一对安装在伺服云台上的立体相机（Matthies，2007），在此，立体视觉实现了两个基本功能，即视觉里程计以及路径规划。在火星上没有GPS等绝对定位系统的情况下，采用基于立体视觉的视觉里程计算法，通过相对定位的方式，实现了火星车足够的定位精度（Cheng，2005）。除此之外，采用基于立体视觉的路径规划方法，可以快速的感知路面的不平整（Biesiadecki和Maimone，2006），以及预测路面倾斜的变化（Angelova，2007）。与此同时，另一些研究人员也实现了基于单目视觉或双目视觉的机器人位姿估算以及路面的三维重建工作，如Nister在2006年分别采用单目及双目视觉里程计算法实现了移动机器人在野外复杂环境中姿态及位置的估算，并达到了较高的精度，较好的可靠性和实时性。
结束语
煤矿井下危险区域探测的搜救机器人进行研究为当前煤矿开采的提供了安全保证，文中提到的关键技术的解决对开发研制高性能搜救机器人意义重大。
