基于多数据融合的智能定位传感器避障算法研究

在智能定位传感器内增加避障算法，可使机器人拥有自动躲避障碍的能力，该文基于多数据融合设计智能定位传感器避障算法。设置激光雷达测距和超声波测距作为多传感器障碍检测的方法，获取机器人当前位置与障碍点坐标的相对几何关系，计算机器人与障碍点位置的距离，定位路面障碍点，对2种传感器收集到的数据进行多元障碍定位信息的加权融合。设置智能机器人避障轨迹目标函数以及约束条件，设计机器人避障算法，得到基于定位传感器的机器人避障方法。实验结果表明，在简单环境及复杂环境下机器人均未与障碍物相撞。在运行轨迹中随机放置障碍物，机器人能够及时完成运行轨迹的变化。由此可见，该避障算法具备较好的应用前景，可应用于各种智能机器人中。     

室内移动机器人自主避障研究

为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS－R室内移动机器人平台上进行实物实验。实验结果表明：该方法能够引导机器人避开多个障碍物,到达目标点。     

基于物联网的输电线路巡检机器人控制策略研究

完整设计一种具有自主协调运动功能的小型电力输电线路的巡检机器人,为了实现机器人自主越过塔头和绝缘子串,同步感知适应不同档距的杆塔以及多个机器人在一定长度的作业范围内能够协调运动作业。本文重点研究基于自抗扰控制技术的多机协调控制策略。同时考虑到输电线路环境的复杂性,在设计机器人本体中,引入了基于物联网框架的多传感器融合算法。最后通过算法仿真和设计制作实物样机,测试本实验装置和控制策略的有效性。     

基于传感器融合技术的机器人远程控制系统设计

结合数据融合技术与无线传输技术,提出了一种基于传感器融合的机器人远程控制系统设计方法。机器人端采用FMCE毫米波雷达与摄像机进行多传感器融合,机器人端与远程PC端采用局域网进行通信,本地PC端对机器人进行远程控制时功能主要有两个,第一个是根据现场作业环境实时控制机器人移动,第二个是在PC端选择目标对象后让机器人生成行驶路径后自动跟踪目标对象,路径跟踪控制器采用的是线性二次型调节器(LQR),这种基于传感器融合的机器人远程控制系统设计方法,具有高效、智能、可靠、精确等优点,可以应用于各种需要机器人协助完成的任务中,如无人巡检、智能交通等领域。     

基于多传感器数据融合的机器人里程计设计与实现

设计并实现了一种基于FPGA和多光电鼠标的高精度机器人里程计。多个PS/2光电鼠标传感器测量位移数据,利用FPGA解析PS/2协议并完成数据融合,得出高精度机器人里程计结果。针对传统Luo一致性数据融合算法的缺陷进行改进,并通过归一化特征值加权法得到每个传感器测量值被系统综合支持的程度,完成多传感器测量数据融合。实验结果表明:该数据算法计算步骤固定,方便在FPGA上实现;该里程计在有异常数据干扰情况下,能够达到较高的测量精度。     

煤矿井下探测搜救机器人地形感知系统及路径规划方法研究

针对常规机器人导航系统采用单一类型地形识别传感器,观察维度单一等问题,对煤矿井下探测搜救机器人地形感知系统进行研究,使用远近感知系统数据融合,提高机器人避障能力。由激光扫描仪采集的二维点云数据建立远距离地形信息,由Kinect相机采集的地形深度信息建立近距离地形信息。基于PCL模型,应用像素遍方法,实现观测信息的采集与云图像的构建。使用2.5维栅格地图构建方法得到近距离环境地形信息。使用Dijkstra算法进行了路径规划研究,建立了融合路径长度和地面危险度等级的目标函数。通过仿真研究验证了本文提出的最优路径减小机器人行走过程的俯仰角、侧倾角的波动幅度。     

移动机器人多传感器高精确度数据融合的算法研究

基于模糊贴近度数据融合算法,研究了移动机器人使用的多传感器高精度数据融合算法。模糊了测量值和估计值,同时计算了模糊格贴近程度,在测量中各传感器的权重通过格贴近度进行描述,借助于融合公式求出融合的具体结果。该算法能够提高机器人导航系统的测量技术,使其通用性、可靠性和测量稳定性更强。     

机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。     

基于多传感器数据融合的管道机器人精确定位技术

针对自主管道检测机器人的管内定位问题,提出了一种能够提高定位精度的多里程仪测量数据一致性融合方法.首先基于置信距离测度概念构造了多里程仪测量数据之间的置信距离矩阵和关系矩阵,然后利用有向图方法剔除含有较大误差的或错误的测量数据,最后采用极大似然估计法求解多里程仪测量数据的最优融合值.在管道机器人智能控制器上使用C语言编程实现文中算法.在机器人的自主爬行实验过程中,通过测量模拟油气管道的焊缝间距验证了该算法的有效性.     

吸尘机器人系统设计与避障算法研究

基于Cortex-M0微控制器设计超声波、红外和碰撞等多传感器硬件系统感知机器人工作环境,应用模糊神经网络对采集的数据进行信息融合处理,输出结果用来控制吸尘机器人的定位与避障。实验证明,多传感器硬件系统和基于模糊神经网络的避障算法大大提高了吸尘机器人的定位与避障精度,对不同的工作环境也具有良好的鲁棒性。     

自主柔性变形蛇形机器人控制系统设计

针对搜救机器人对多信息获取与处理、远程监控与运动控制的实时高性能需求,设计了以ARM微处理器STM32为核心、多传感器融合的自主柔性变形蛇形机器人控制系统,实现了机器人的远程监控与运动控制、多传感器环境信息采集等功能。整个控制系统具有良好的扩展性、硬件可裁剪性。通过模拟灾难废墟场景实验,结果表明：蛇形机器人控制系统可实现多信息的实时准确无线通信,在不同的环境中,具有良好的多步态运动稳定性和自主移动性能。     

蛇形搜救机器人前端传感器设计与实现

设计了一种新型蛇形搜救机器人前端传感器。蛇形搜救机器人灵活的躯体结构适用于废墟环境下的搜救,为机器人设计安装一个多传感器模块全面获取搜救信息,提高搜救效率扩大搜救范围。采用嵌入式技术设计前端传感器,安装在蛇形搜救机器人前端,实现视频、温度、二氧化碳等传感器信息的通信,并且提供LED照明和双向语音对话。通过在模拟废墟环境下的实验,验证了此前端传感器的性能效果。     

多传感器融合改进的机器人定位决策

在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题在粒子滤波器移动机器人SLAM算法的基础上,利用多传感器融合对算法进行改进,将观测信息进行特征级融合,充分利用各种传感器采集的冗余信息,并将融合后的观测信息分别用来估计机器人路径和环境特征的后验概率分布。仿真试验表明,改进后的算法在SLAM定位精度及可靠性上都有较大的提高,证明了该种方法的可行性。     

基于多传感器融合的移动机器人定位

针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, ...     

信息融合在移动机器人轨迹模糊跟踪中的应用

在机器人轨迹跟踪过程中,机器人自动跟踪的精度直接影响跟踪效果;以3自由度移动机器人为研究对象研究了机器人轨迹模糊跟踪系统,且在该系统中,采用多个传感器同时对移动机器人进行跟踪检测,并利用融合算法对其进行融合,将融合后的结果作为模糊控制器的输入;计算机仿真结果表明,在3自由度移动机器人轨迹跟踪中,采用多传感器信息融合是合理的、可行的;且可以减少跟踪过程中由传感器引起的误差对跟踪精度的影响,提高控制精度.     

Sensor Fusion System Using Recurrent Fuzzy Inference

In robotic and manufacturing systems, it is difficult to measure the state of systems accurately because of many uncertain factors and noise, and it is very important to estimate the state of systems. We must measure the phenomena of systems by multiple sensors and estimate the state of systems by acquiring information of sensors. However, we can not acquire all of sensor information synchronically, because each sensor has particular sensor information and measuring time. For estimating the state of systems by multiple sensors, a multi-sensor fusion system fusing various sensory information is needed. In this paper, we propose a Recurrent Fuzzy Inference (RFI) with recurrent inputs and apply it to a multi-sensor fusion system for estimating the state of systems. The membership functions of RFI are expressed by Radial Basis Function (RBF) with insensitive ranges. The shape of the membership functions can be adjusted by a learning algorithm. The learning algorithm is based on the steepest descent method and incremental learning which can add new fuzzy rules. The effectiveness of the multi-sensor fusion system using RFI will be shown through a numerical experiment of moving robot and estimation of surface roughness in grinding process.     

汽车仪表系统中的数据融合技术研究

探讨汽车仪表系统中适用的数据融合技术。运用算术平均值算法与分批估计相结合的融合算法,提高单传感器数据的测量精度;提出的汽车仪表系统中基于最大隶属度的多传感器数据融合方法,则提供了安全决策辅助,增加了仪表系统的新功能。测量实例证明了这些方法在汽车仪表系统中应用的有效性和准确性。     

基于多传感器信息融合的移动机器人快速精确自定位

通过分析全向视觉、电子罗盘和里程计等传感器的感知模型,设计并实现了一种给定环境模型下移动机器人全局自定位算法.该算法利用蒙特卡罗粒子滤波,融合多个传感器在不同观测点获取的观测数据完成机器人自定位.与传统的、采用单一传感器自定位的方法相比,它把多个同质或异质传感器所提供的不完整测量及相关联数据库中的信息加以综合,降低单个...