移动机器人信息融合技术研究

智能化是未来移动机器人的发展方向，而智能化的基础是传感器技术的发展，移动机器人信息融合技术弥补了使用单传感器带来的缺陷．介绍了国内外移动机器人的研究现状，详细阐述了信息融合技术在移动机器人领域的应用．对在移动机器人中应用信息融合的一些关键技术，包括基于移动机器人的融合结构、融合算法、目标识别和自主导航等问题作了较深入的探讨，并对信息融合技术在移动机器人领域中的应用前景给予展望．     

多传感器信息融合技术研究

多传感器信息融合技术被广泛应用于自动目标识别、医疗诊断、图像处理、模式识别、工业监控等领域。本文主要阐述了多传感器信息融合技术的概念,并对多传感器信息融合的常用算法进行了介绍。     

移动机器人导航与定位技术研究进展

本文综述了移动机器人的导航、定位及多传感器融合技术,介绍了导航技术的应用现状,并阐述了导航技术的发展趋势。     

移动机器人导航技术

在本篇论中较为详细地介绍了自主式移动机器人导航所需的各种传感器、多传感器信息融合技术和导航方法等。并在实验室内,利用ＡＮＮ方法和扩展卡尔曼滤波器实现了机器人的自动避障和导航,效果良好。     

像素级多传感器图像融合技术

随着图像传感器技术的发展,多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点,并广泛应用于自动目标识别、智能机器人、遥感、医学图像处理和制造业等领域.像素级多传感器图像融合获取的原始信息量最多、检测性能最好、应用范围最广,是各级图像融合的基础.详细介绍了像素级多传感器图像融合的原理,着重分析总结了常用的像素级多传感器图像融合的算法与质量评价标准,探讨了多传感器图像融合的应用与发展方向.     

基于信息融合的同时定位与地图创建研究

针对在复杂环境中,由于传感数据的高度不确定性,采用声纳传感器进行移动机器人同时定位与地图创建的可靠性很低问题。对基于声纳信息与视觉信息相融合的SLAM进行了研究。利用Hough变换对声纳信息与视觉信息进行处理从中提取直线和点特征,并进行特征级的信息融合,从而充分利用声纳与视觉信息中的冗余信息。在移动机器人上的实验表明,多传器信息融合可以有效提高SLAM的准确度和鲁棒性。     

多传感器信息融合技术及其应用

多传感器信息融合是智能研究领域中的基础之一。它的研究内容主要包括分类、结构、层次和算法等方面。文中着重对这几方面作了较为详细的论述和分析。然后,基于人工神经网络的信息融合技术,给出了在自动化加工中实现智能监测的实例。并对今后信息融合技术的发展提出几点看法。     

移动机器人的研究现状与趋势

对智能移动机器人的计算机控制系统、多传感器信息融合、环境识别、机器人视觉、路径跟踪以及智能控制等的研究现状进行了较为详细地分析和综述．最后,对智能移动机器人的多机器人协作和移动机械手之研究趋势进行了分析．     

狭窄环境地形图建立的融合算法研究

针对移动机器人使用超声波传感器在已知狭窄环境和未知狭窄环境中的导航问题,提出一种多层融合算法,该算法通过在数据层融合中使用D-S证据理论,在决策层融合中使用意见一致性理论,建立已知狭窄环境的地形图;对于未知狭窄环境,使用D-S证据理论中的矛盾因子,建立了一个自适应超声波传感器模型.结果表明:使用上述方法有效地减少了超声波传感器镜面反射所引起的不确定性,提高了移动机器人使用超声波传感器在狭窄环境中建立地形图的准确性,证明本文所提出的方法是有效可行的.     

基于融合和人工势场的自主移动机器人路径规划研究

研究了动态不确定环境下自主移动机器人路径规划和运动控制问题.在时域上,建立了超声传感器数据预测模型,利用递推最小二乘法在线更新预测模型参数,通过将该预测模型的预测值与当前传感器实测值融合,提高了了超声数据的可靠性;考虑到空间分布的连续性,将相邻近的超声传感器信息融合进来,进一步提高了数据的实用性.由于人工势场法简单易实现的特点,被广泛应用在机器人自主避障中.借鉴预测控制原理,使用上述融合处理的超声数据,在每个滚动周期内运用改进的人工势场法解决了机器人避障问题.最后,在中国科学院自动化研究所自主开发的移动机器人CASIA1上对算法进行了实验,实验结果验证了算法的可靠性.     

动态环境下自主移动机器人的导航复杂性

在自主移动机器人相关技术的研究中，导航技术是其研究核心.动态不确定环境下的路径规划是自主移动机器人导航的关键环节之一，受到了许多学者的关注.多障碍环境下的路径规划，尤其是多障碍动态环境下的路径规划，是一个比较复杂的问题.通过混沌现象对自主移动机器人在动态环境下，利用传感器信息导航的复杂性进行了探讨.通过计算最大Lyapunov指数和描绘功率谱分析图这两种方法，确定了自主移动机器人从传感器上获得的机器人与障碍物间距离信息的时间序列存在混沌现象，揭示了自主移动机器人在动态环境下导航复杂性的原因.     

数据融合及其应用

介绍了数据融合的定义,融合层次,融合方法及其应用领域,特别是在军事上,机器人控制及图像处理上的应用．在此基础上,分析了数据融合的研究热点及发展趋势．     

基于D-S证据理论的移动机器人多超声波传感器信息融合方法

采用多超声波传感器来获得履带式行走机器人的环境信息,并利用Dempster-Shafer证据理论对获取的信息进行分析和融合,从而完成对周围环境的准确认识,试验结果表明效果良好,具有良好的使用价值.     

Development of RoboSot category soccer robots

0　ＩＮＴＲＯＤＵＣＴＩＯＮＩｎｔｈｅＲｏｂｏＳｏｔｃａｔｅｇｏｒｙ ,ｎｏｃｅｎｔｒａｌｓｔａｔｉｏｎｏｒｏｖｅｒ ｈｅａｄｃａｍｅｒａｉｓａｌｌｏｗｅｄ .Ｔｈｅｒｅｆｏｒｅｓｅｖｅｒａｌｉｓｓｕｅｓｓｕｃｈａｓｓｅｎｓｏｒｓ ,ｍｅｃｈａｎｉｓｍｓａｎｄＣＰＵｂｏａｒｄｓｍｕｓｔｂｅｔａｋｅｎｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎｂｅｆｏｒｅｂｕｉｌｄｉｎｇａｎａｕｔｏｎｏｍｏｕｓａｎｄｉｎｔｅｌｌｉ ｇｅｎｔｓｙｓｔｅｍｆｏｒｔｈｉｓｃａｔｅｇｏｒｙ .Ｅａｃｈｒｏｂｏｔｍｕｓｔｈａｖｅａｐ ｐｒｏｐｒ…     

履带式行走机器人的多超声波传感器信息融合方法

采用多超声波传感器来获得履带式行走机器人的环境信息,并利用Dempster-Shafer理论、卡尔曼滤波的数据融合方法对获取的信息进行分析和融合,从而完成对周围环境的准确认识,试验结果表明效果良好,具有一定的使用价值.