基于多传感器信息融合的避障循迹机器人设计

目前循迹机器人在多传感器信息融合、多行为冲突等问题的解决上尚存缺陷,不能准确识别U形等复杂障碍并智能选择最优避障路径。设计以QT89S52单片机作为轮式机器人的MCU,使用红外和超声波传感器采集周围环境信息,综合优先级裁决方法和模糊行为融合法处理多传感器信息,控制轮式机器人的运行状态,较好地处理循迹过程中存在的各种行为以及行为冲突,更准确地检测识别标志信息,以最优路径避开U形等复杂障碍并保证循迹的快速性和准确性。将所提出的方法应用在轮式机器人上,结果验证了其有效性。     

基于传感器信息融合的智能小车避障设计

本文分析了在智能小车的轨迹控制中的多传感器数据融合技术和基本原理,以及相应的数据融合结构,并结合智能小车的避障问题,利用模糊神经网络原理研究了一种用于小车避障运行的轨迹控制方法。最后以实例给出了智能小车避障设计的算例。     

基于神经网络的多传感器信息融合及其在机器人中的应用

多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。通过神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。     

基于信息融合技术的多传感器智能轮椅避障系统

在智能轮椅障碍物探测中,需要实时准确地感知环境信息,而单一传感器仅能提供部分环境信息,对环境进行描述时存在局限。提出采用激光传感器和超声波传感器相结合来感知外界环境信息,设计了激光传感器数据采集和基于单片机控制的8路超声波探测系统的软件和硬件,利用自适应加权融合算法实现数据融合较好地满足了智能轮椅障碍探测的需要,具有一定的有效性和实用性。     

一种机器人非视觉多传感器信息融合方法

当机器人配备多个传感器时，控制系统必须能够把来自不同传感器的数据融合为被测物体的准确表达。本文探讨了多传感器融合的体系结构和两级融合系统，并给出了运用实验结果。     

多传感器信息融合浅析

利用多传感器的信息融合获得有关目标的知识，可以避免单一传感器的局限性限制，减少传感器不确定性误差的影响。本文阐述了多传感器信息融合研究的三个主要领域，即信息表示、融合的模型结构和方法及融合中的控制，并以典型成果介绍了在这些领域研究中已取得的进展。最后，根据国外研究的发展趋势提出了我们的对策。     

基于光电传感器的循迹避障小车控制系统

由于普通红外发射管具有漫反射效应,影响对应的接收管对传输信息的接收,应用在快速行驶循迹避障小车控制系统中,识别障碍物误差大。选用发射与接收一体化的激光测距传感器采集道路信息,可以克服发、接两者之间的互相干扰。设计一辆循迹避障小车控制系统,根据图像颜色比对算法,快速搜寻场地内随机点亮的信标灯的位置和坐标,并按照特定算法驱动小车向其前进,待其熄灭后继续自旋转寻找下一个信标灯。完成系统模型后多次调试测试,小车依据激光红外传感器采集到的信息,能够快速规划前进路线,系统稳定性高,达到预期识别效果。     

基于智能机器人的多传感器信息融合技术

智能机器人主要是依靠信息融合、传感器控制技术以及传统机器人一同组建完成的,随着工业化的发展,智能机器人在多个行业中的引用不断完善,发展迅速,因此,基于以上,本文主要研究智能机器人在信息融合中的技术核心和应用范围,以及信息融合技术在人工智能方面的应用和具体实践中遇到的问题等.     

基于多传感器信息融合的智能交通信息语义描述

针对摄像头采集交通信息时易受环境干扰且采集到的信息不够全面的问题,提出智能交通多传感器信息融合框架,对多种传感器采集到的交通信息进行融合。另外由于摄像头采集的视频数据量巨大且多为底层视觉信息,不便于用户信息检索,提出智能交通信息语义描述框架,对交通视频信息和传感器信息进行语义描述。实验结果表明,对多传感器采集到的信息进行融合能有效提高信息采集的精度,同时对交通视频信息进行语义描述将极大地方便用户对感兴趣信息的检索。     

多传感器信息融合专家系统方法

本文探讨了地面战场侦察多传感器系统(GMSDS)的专家系统方法。阐述了以自动化知识为基础的多传感器信息融合专家系统的基本概念,结构组成及适当的推理方法,论述了其应具有的技术特点及信息的相互关系和影响。     

多传感器信息融合技术及其应用

随着科学技术的迅猛发展,信息采集与融合趋于多元化和复杂化.单一的传感器已经无法满足需求.因此,多传感器信息融合技术开始广泛应用于各行各业,并提高了信息处理的准确性和完整性.从概念、结构与分类、关键算法的研究和实际应用等方面对多传感器信息融合技术进行了介绍,并总结了该技术的发展趋势与未来前景.     

多传感器信息融合的谢费—登普斯特方法

本文利用了谢旨－登普斯特的证据方法，讨论了由许多传感器及一个信息融合中心组成的信息融合系统的决策级信息融合方法。各个传感器报告支持单个假设而不是假设的组合，所有的传感器报告都传输到信息融合中心，在这里，利用谢旨－登普斯特的组合法则，综合得到了信息融合中心的最终决策规则。     

多传感器信息融合研究综述

多传感器信息融合是实现无人驾驶的核心技术,多个传感器之间协同收集车辆周围环境的数据信息,经过多传感器融合结构的转换和处理,使用融合算法进行联合分析,能够使车辆全面地感知驾驶环境,帮助车辆完成自主导航、变道、控制速度等智能决策。基于多传感器信息融合的基本定义,从功能模型和结构模型介绍多传感器信息融合的基本形式;重点梳理多传感器信息融合的算法,分为随机类和人工智能类两个大类,详细分析各方法的原理及特点;最后总结出多传感器信息融合策略在实际应用时的主要步骤,同时分析其在无人驾驶场景中的应用,为多传感器信息融合未来理论研究方向和应用实践方向提供参考,从而完成多传感器信息融合的综合分析。     

基于Kalman滤波的多传感器信息融合研究

多传感器信息融合是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。单一传感器只能获得环境或被测对象的部分信息段,多传感器信息融合后可以完善地、准确地反映环境特征。本文介绍多传感器数据融合的基本理论。数据融合是把来自不同传感器数据加以综合、相关、互联,提高定位和特征估计的精度。文章对Kalman融合算法进行仿真,对结果进行分析。验证算法的可行性。     

智能灭火机器人设计中多传感器信息的应用

本文通过分析自适应加强数据融合算法分别融合多传感器检测距离、火焰信息,以准确判断火源目标,通过实践发现,设计多传感器信息的智能灭火机器人不但对软件系统测量误差小,而且对硬件系统测量误差也很小,同时还能准确反映出火灾信息,符合探测火情的要求,具有一定的应用价值.     

多传感器信息融合在轮式机器人运动控制中的应用

分析建立和实现多传感器信息融合模型的基本过程,依据多传感器信息融合技术来达到补充信息和协同信息的目的,从而达到控制轮式机器人运动的作用。轮式机器人可以在运行轨迹为40-100cm半径范围的圆周上灵活自主的调整轨道半径;当运动到擂台边缘5cm附近的位置机器人会自动检测,然后依据自身姿态来合理调整运行情况,保证系统控制机器人运动。     

浅析多传感器信息融合技术

本文介绍了多传感器信息融合的定义、原理、分类和结构,简要地叙述了多传感器信息融合的特点及其研究方向。