基于多傳感器的移動機器人自主定位與地圖構(gòu)建技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、今天,移動機器人在助老助殘、家庭清潔、醫(yī)療康復(fù)、多媒體娛樂等領(lǐng)域扮演著日益重要的角色。而移動機器人通常工作于家庭或辦公室等室內(nèi)環(huán)境,這類環(huán)境結(jié)構(gòu)相對復(fù)雜,需要移動機器人實現(xiàn)自主定位和構(gòu)建地圖,為實現(xiàn)移動機器人服務(wù)功能打下基礎(chǔ)。
  本文根據(jù)國內(nèi)外機器人導(dǎo)航的相關(guān)領(lǐng)域研究現(xiàn)狀,以多傳感器數(shù)據(jù)融合技術(shù)應(yīng)用為核心,來展開對移動機器人自主定位和室內(nèi)環(huán)境地圖構(gòu)建及動態(tài)更新等問題的研究工作。針對室內(nèi)環(huán)境的復(fù)雜性,本課題提出了基于里程計、激光傳

2、感器、RFID、慣導(dǎo)模塊等多傳感器數(shù)據(jù)融合技術(shù)的室內(nèi)環(huán)境柵格地圖自主構(gòu)建方法,這樣可以防止出現(xiàn)單傳感器存在的無法克服的容錯能力差等弊端。針對所使用的多個傳感器各自的特點,本文提出了基于BAYES數(shù)據(jù)融合算法和D_S證據(jù)理論的數(shù)據(jù)融合算法,這是實現(xiàn)數(shù)據(jù)融合的最優(yōu)算法。本課題首先實現(xiàn)了基于粒子濾波的RFID標簽定位,并設(shè)計了位置匹配和參數(shù)匹配算法。
  為了實現(xiàn)移動機器人自主定位,充分利用分布在室內(nèi)環(huán)境中的靜態(tài)RFID標簽提供的位置信

3、息,本文設(shè)計了基于多傳感器融合數(shù)據(jù)的機器人定位方法。為了確定標簽相對于機器人的方向,本文采用模糊推理方法對建立的天線概率模型進行處理。為了實現(xiàn)移動機器人精確地自主定位,本文設(shè)計并且使用了在室內(nèi)設(shè)置多個特殊節(jié)點來進行多傳感器數(shù)據(jù)融合之后修正里程計的方法,通過使用BAYES數(shù)據(jù)融合算法和D_S證據(jù)理論,對得到的傳感器數(shù)據(jù)信息進行可信度評價,從而得到不同的可信度權(quán)值,融合多個傳感器返回的數(shù)據(jù)。最后通過實驗對所用算法進行實驗驗證,不斷修正權(quán)值,

4、最后得到最優(yōu)的定位結(jié)果。
  根據(jù)移動機器人定位信息和激光傳感器返回的周圍障礙信息,掃描得到不同障礙點后通過直線擬合構(gòu)成封閉區(qū)域。然后轉(zhuǎn)化為對應(yīng)的柵格來表示出周圍無障礙局部區(qū)域。同時,機器人可以在特殊節(jié)點處通過把不同的局部柵格地圖的直線線段進行擬合來融合為全局柵格地圖。根據(jù)半動態(tài)物品的位置信息完成了全局柵格地圖中的半動態(tài)物品節(jié)點更新和語義信息庫更新。由于本文語義地圖的更新只是對可能移動的半動態(tài)物品更新,因此大大提高了柵格地圖構(gòu)建之

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論