基于梯度自适应极值搜索算法的趋光控制研究

源定位已成为国内外研究的热点问题,为了在实验室环境下研究移动机器人的趋光性,对源定位理论方法进行了研究,设计了地面移动机器人光源定位平台,通过该平台来验证趋光理论的可行性。首先,利用对角线控制策略和梯度自适应极值搜索算法分别进行趋光实验,完成移动机器人对光源的定位。其次,使用MeanShift目标跟踪算法跟踪移动机器人的运动轨迹。最后,绘制出光源强度分布等值线并分析了移动机器人的运动轨迹。相比于对角线控制策略,梯度自适应极值搜索算法根据当前区域梯度值自适应调整反馈增益参数,提高了源定位效率,并在光源定位平台验证了该算法的有效性和稳定性。     

基于克里金预测的机器人源定位方法

传统的基于梯度的算法对机器人底层控制及性能要求高,限制了源定位工作的效率与成功率.为此结合统计学方法和场的分布特点,在简化机器人底层控制的基础上,设计一种场探索的方法.在基于ROS的机器人平台上实现,通过设计机器人的遍历搜索算法使机器人能够按照预先定义的路径运动,得到数据后利用克里金法对整个光源强度分布进行预测.在真实实验场景下,验证了场探索方法的有效性,实验结果表明,该算法的成功率更高、稳定性更好,并直观地预测出了场的分布等值线,便于进一步分析与研究.