Obstacle detection of mobile robot based on data fusion

To study the problem of obstacle detection based on multi-sensors data fusion,the multi-target tracking theory and techniques are introduced into obstacle detection systems,and the exact position of obstacle can be determined.Data fusion problems are discussed directly based on achievable data from some sensors without considering the specific structure of each individual sensor.With respect to normal linear systems and nonlinear systems,the corresponding algorithms are proposed.The validity of the method is confirmed by simulation results.     

基于数据融合的拱泥机器人定位方法

救捞技术在海洋运输和海洋开发中具有极高的经济效益和社会效益。针对在沉船打捞中攻打千斤洞作业的关键技术——拱泥机器人定位进行了研究。通过对移动机器人定位方法的比较，结合拱泥机器人的结构与运动学分析，设计了拱泥机器人的定位系统，确定机器人的定位算法。利用卡尔曼滤波对机器人冗余的位置信息进行数据融合，对数据融合算法进行仿真，结果表明该方法能有效地提高定位精度，同时提高了定位系统的可靠性。     

基于视觉信息的移动机器人动态避障方法

为了提高自主移动机器人的动态避障能力,提出了一种基于视觉信息的拟人动态避障方法,以视觉信息为决策依据,利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射,在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式,无需考虑机器人和障碍物的运动速度和运动方向,仿真试验证明这种方法是可行而有效的．     

记忆运动方向的机器人避障算法

在一般的避障环境中,Tangentbug算法表现的非常鲁棒,但当避障环境中有对称障碍物的时候,Tangentbug算法容易产生路径的死循环,从而导致终点不可到达.然而在机器人避障过程中,对称障碍物是非常常见的.针对这个问题,提出了基于记忆机器人运动方向的Tangentbug算法.该算法中,机器人每经过一个位置点,就把当前位置点和选择的运动方向记录下来,为后面的更新运动方向做好准备.首先,机器人扫描到障碍物时计算出机器人与障碍物的相遇方向;其次,根据障碍物的边缘,统计局部地图信息,得到局部切线图,找到离终点和当前点距离和最近的点作为机器人的下一个目标点,得到机器人的运动方向;然后,在机器人绕行障碍物时结合记忆的运动方向和局部切线图产生的最小距离和更新下一步运动方向.在整个避障过程中,不停的更新相遇方向和运动方向,最终实现机器人的直行和绕行,从而到达终点.通过大量实验验证,实验结果表明该算法不仅可以实现机器人在对称障碍物环境中顺利到达终点,也可以在非对称障碍物环境中达到终点,验证了该算法的有效性和鲁棒性.     

机器人多传感器信息融合算法研究

定义可信度区间估计，建立关联阵及可信度阵以检验传感器测量值的误差．采用有向图描述传感器之间的关系，确定传感器数据的取舍，提出两种最优融合算法，仿真结果表明优化算法是有效的，优越于简单平均法．     

基于时延补偿的移动机器人动态避障方法

为提高自主移动机器人的动态避障能力,提出以视觉信息为决策依据,通过时延补偿提高机器人对障碍物定位精度局部动态避障方法．在避障过程中无需考虑障碍物的运动速度和运动方向,更加适用于机器人在未知或部分未知环境下的路径规划．实验表明,这种方法是可行而有效的．     

一种基于仿真比赛平台的足球机器人避障方法

研究了一种基于仿真比赛平台的足球机器人避障方法,机器人通过一段弧线智能地躲开前方的障碍物.通过改变左右轮速实现旋转,机器人在追球的过程中,要预测小球的位置,然后以最快的速度追球;机器人在避障过程中,寻找障碍物附近一点,当机器人到达这一点的过程中,保证无碰撞运动,然后再向目标点运动.整个运动过程中,机器人会走一条最佳弧线,保证运动的时间最短.仿真结果验证了该避障方法的正确性.     

基于多传感器数据融合的加工质量预测技术

多传感器数据融合技术已受到广泛关注．它的理论和方法已被应用到许多研究领域。基于多传感器数据融合技术,通过分析影响加工质量的多种因素．综合考虑铣削过程主轴电机电流信号、工件振动信号、主轴转速、进给速度、切削深度、切削宽度、顺,逆铣及刀具直径8种因素。以这8种因素作为神经网络输人,进行信息融合,以加工尺寸误差作为目标输出,建立了RBF神经网络加工尺寸误差智能预测模型。     

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.     

多敏感器智能信息融合卫星定姿新方法

为解决目前的卫星定姿系统没有考虑实际工作状态的变化,即缺乏剔除污染数据的故障规避模块,并简单采用固定的融合方法对所得数据进行处理,脱离定姿环境的实际情况的问题,提出了一种基于NFE模型的智能融合算法.该算法引入波门预处理技术对污染数据进行有效剔除,然后通过NFE模型计算定姿系统置信度,根据不同的实际情况选择相应融合方法...     

一种改进dueling网络的机器人避障方法

针对传统增强学习方法在运动规划领域,尤其是机器人避障问题上存在容易过估计、难以适应复杂环境等不足,提出了一种基于深度增强学习的提升机器人避障性能的新算法模型。该模型将dueling神经网络架构与传统增强学习算法Q学习相结合,并利用两个独立训练的dueling网络处理环境数据来预测动作值,在输出层分别输出状态值和动作优势值,并将两者结合输出最终动作值。该模型能处理较高维度数据以适应复杂多变的环境,并输出优势动作供机器人选择以获得更高的累积奖励。实验结果表明,该新算法模型能有效地提升机器人避障性能。     

基于融合边界信息的机器人路径选择方法研究

研究了机器人融合多元视觉边界信息检测障碍并选择可行路径实现导航的方法。针对检测到的视觉环境信息,研究了多元边界表示与提取算法,通过融合处理得到了实际环境中前进方向上的径向障碍分布(ROP),研究了相关的路径规划算法。对如何提高边界提取算法效率以及在机器人尺寸和实时速度约束条件下的规划等问题提出改进算法,实现了非结构化环境下机器人的局部导航控制。实际机器人在不同环境下的实验,验证了所研究算法的有效性。     

基于多传感器信息融合的人体姿态解算算法

针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。     

基于多目标遗传算法的机器人避障研究

提出了在势场法斥力场函数中引入目标点和障碍物的距离、障碍物和机器人的速度矢量及最小安全距离的一种新的动态势场(NDAPF)方法,建立了考虑运动路径长度、移动步数、动态相对距离的避障评价函数,进一步提出了根据遗传算法个体适应度不同情况下变异概率自适应调整的一个改进算法,利用多目标遗传算法(MOGA)对NDAPF。方法进行寻优．在一个移动机器人仿真平台中分别对传统的静态势场(TAPF)方法、无参数优化NDAPF和利用MOGA参数优化的NDAPF方法(MOGANDAPF)进行仿真实验,实验结果证明,MOGANDAPF方法可进一步应用于足球机器人避碰模型研究中．     

基于多传感器融合的鸡肉新鲜度检测方法

为了快捷、无损检测鸡肉新鲜度,建立了一套基于电子鼻和力学参数两种传感器以及神经网络识别技术的智能检测系统。根据鸡肉腐败机理,合理选择传感器。采用RBF神经网络作为模式识别方法。经理化试验证明系统检测鸡肉新鲜度准确率达93.65%,结果表明设计的融合系统检测鸡肉新鲜度是可行的。     

未知环境下机器人避障及动态目标追踪

针对传统人工势场法在避障及其动态目标追踪过程中产生的机器人陷入局部极小值点、无法到达目标、避障追踪路径产生震荡等问题,对传统人工势场法的引力公式和斥力分力方向进行了重新定义.在引力公式中加入速度差与加速度差因子,将斥力分力方向重新定义为与引力方向夹角不大于90°的方向,并且将该优化思想与现有的改进人工势场法进行了对比分析.结果表明,该算法可行且提高了机器人避障和动态目标追踪的灵活性以及对恶劣环境的适应能力.     

基于D-S证据理论的月球探测机器人的信息融合

为解决传统的D—S理论在判别传感器数据之间的相互关系时过于绝对化和经验化的问题，引入了互信因子的概念，用于表示不同证据间的相互支持程度，提高决策的可靠性．采用D—S证据理论实现了月球探测机器人的信息融合，并以障碍物检测为例进行了验证，实验结果表明了该方法的可行性和有效性。     

基于卡尔曼滤波的交通信息融合方法

基于卡尔曼滤波理论,针对交通信息采集过程中的多设备采集系统提出了两种对多种交通检测器检测信息的融合模型。基于该融合思想,建立了3种检测设备的融合模型,并利用3组检测设备的检测数据对该模型进行了验证。结果表明,这两种融合模型建立合理,可有效提高检测精度。     

基于运动发散分量的四足机器人步态规划

为了使四足机器人在出现较大的轨迹跟踪误差时仍然可以稳定运动,提出基于运动发散分量（DCM）的在线步态规划方法. 将四足机器人抽象成三维线性倒立摆模型（LIPM）,根据离线规划的落脚点,应用DCM方法论递推出保持DCM有界的参考轨迹;在满足步幅约束、零力矩点（ZMP）约束的条件下,步态规划运用宽松初始状态模型预测控制在线优化出可快速收敛到参考轨迹上的落脚点以及期望状态轨迹;全身运动控制器通过构建二次规划优化出满足运动约束、动力学约束、摩擦力约束等条件下跟踪期望状态轨迹的力矩. 通过仿真验证以上算法,仿真结果表明：与经典模型预测控制相比,宽松初始状态模型预测控制可以承受较大的轨迹跟踪误差,四足机器人可以在出现较大的轨迹跟踪误差时以troting步态稳定运动并尽快收敛到离线规划的轨迹上.     

基于模型的巡线机器人无碰避障方法研究

结合课题组所设计的巡线机器人,利用线路环境结构化的特点,通过霍尔接近传感器精确定位障碍物与机器人之间的位姿关系,采用D-H法构建巡线机器人运动学模型,将障碍物固连一个空间坐标系,最终可在与定位点固连的机器人基坐标系中空间重构障碍物及机器人越障手臂.在机器人越障手臂与障碍物空间位姿关系可测的情况下,并考虑到机器人越障时间短为实际需要,规划一条最短无碰越障路径.最后通过实验验证了基于模型的无碰避障的有效性.