基于視覺與超聲信息的移動機器人定位研究.pdf

1、定位是移動機器人研究中一項重要的內(nèi)容，也是實現(xiàn)導航等其他功能的前提和保證。在移動機器人定位中，較多采用的傳感信息是視覺與超聲信息。前者具有信息量大，后者具有處理速度較快的特點。但是，二者都存在容易受環(huán)境噪聲干擾的缺點，從而降低了定位算法的魯棒性。針對該問題，考慮到機器學習具有良好泛化能力的特點，本文從機器學習的角度對基于視覺與超聲信息的移動機器人定位進行了研究，主要內(nèi)容如下： 首先，對移動機器人的發(fā)展和傳感系統(tǒng)、機器學習在移動機

2、器人定位中的作用以及定位方法進行了綜述，同時給出了本文的選題背景、主要研究內(nèi)容和研究意義。 其次，對于移動機器人視覺而言，圖像分割算法需要適應(yīng)機器人工作環(huán)境、光線、視覺傳感器角度等因素帶來的圖像采集質(zhì)量的變化。一般情況下，在彩色空間中出現(xiàn)頻率較高的像素點，其各顏色分量在分量軸上也有較高的統(tǒng)計值?；诖丝紤]，在灰度圖像自適應(yīng)閾值分割的基礎(chǔ)上，提出了基于分量直方圖的模糊熵圖像自適應(yīng)分割方法；并將所獲得的分割結(jié)果作為后續(xù)聚類分割的初始

3、類中心。 第三，在數(shù)據(jù)聚類中，傳統(tǒng)競爭學習需要在學習前正確地指定數(shù)據(jù)集的類數(shù)目，否則分類效果很差。為解決此問題，在OPTMC及OPTOC學習策略的基礎(chǔ)上，本文提出MPTOC策略，以及基于此策略的競爭-分裂學習算法。同時，以基于分量直方圖的模糊熵方法的分割結(jié)果作為初始類中心，采用該方法實現(xiàn)了移動機器人視覺圖像的自適應(yīng)聚類分割。 第四，以上述視覺圖像分割方法為基礎(chǔ)，在我們開發(fā)的移動機器人實驗平臺CASIA-1上實現(xiàn)了室內(nèi)環(huán)境