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、人類對于未知環(huán)境探索主要借助于移動機器人,而提高移動機器人對所處環(huán)境的適應(yīng)能力至關(guān)重要,因此移動機器人的地面分類成為當(dāng)今研究的熱點。當(dāng)前地面分類方法主要基于激光雷達和視覺,二者對于表面有覆蓋物的地面的識別能力較差,特別是基于視覺方法對于光線的要求較高。在光線不足的情況時,基于振動的地面分類依然能夠真實地反應(yīng)地面的特性,這對提高移動機器人的自主移動性能十分重要。所以本文將從地面特征提取和分類器設(shè)計兩方面展開研究。
首先,搭建實驗
2、數(shù)據(jù)采集平臺,采集移動機器人以六種速度勻速穿越五種地面時相互作用所產(chǎn)生的振動信號,對采集到的原始振動信號進行分段,為下一步的地面特征提取和分類做準備。
其次,本文采用小波包變換對振動信號進行處理,主要考慮到小波包變換在處理局部信號細節(jié)有較好的效果;應(yīng)用小波包主成分法和小波包對數(shù)能量熵法提取地面特征,其中小波包主成分法主要采用特征評估法對幅值特征進行評估以及主成分分析。
最后,對于一對一SVM多分類,當(dāng)所得票數(shù)最多的類
3、別超過兩種以上時,存在無法分類問題;對于有向無環(huán)圖SVM(DAGSVM)多分類,存在錯誤向下積累問題,良好的分類路徑是解決該問題的關(guān)鍵。針對存在的問題,本文采用SVM與k-近鄰法(kNN)聯(lián)合算法,有效地解決一對一SVM和DAGSVM存在的不足,提高二者的實用性。采用基于小波包的兩種特征提取方法、kNN算法以及 SVM與kNN聯(lián)合分類算法分別對五種地面進行分類,并對分類結(jié)果進行比較與分析。
所采集數(shù)據(jù)的分類結(jié)果驗證了本文所提特
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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(dān)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。
最新文檔
- 基于EMD與ELM的機器人地面分類研究.pdf
- 基于SVm-KNN的文本分類系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于案例推理和SVM-KNN的電能質(zhì)量擾動分類方法研究.pdf
- 基于振動信號的輪式機器人地面分類方法研究.pdf
- 基于改進的SVM-KNN算法的中文網(wǎng)頁層次式分類.pdf
- 基于網(wǎng)格尋參優(yōu)化SVM-KNN算法的老人跌倒檢測研究.pdf
- 基于SVM-KNN的商業(yè)銀行信用風(fēng)險模型研究.pdf
- 基于半監(jiān)督的SVM-KNN及其在入侵檢測中的應(yīng)用.pdf
- 基于KNN-SVM的指紋分類方法研究.pdf
- 雙臂手移動機器人地面行走的研究.pdf
- 基于小波變換和SVM的織物疵點檢測與分類.pdf
- 空間機器人地面遙操作的關(guān)鍵技術(shù)研究.pdf
- 移動機器人地形分類的視覺方法研究.pdf
- 基于小波變換與SVM分類器的人臉識別方法研究.pdf
- 應(yīng)用于心電圖分類的KNN和SVM分類器研究.pdf
- 基于激光測距的機器人地圖創(chuàng)建與定位研究.pdf
- 雙臂空間機器人地面氣浮仿真系統(tǒng)的位姿控制.pdf
- 基于小波與SVM技術(shù)的皮鞋缺陷分割.pdf
- 空間艙內(nèi)機器人地面實驗平臺的總體設(shè)計與控制技術(shù)研究.pdf
- 雙臂手移動機器人地面行走運動控制研究.pdf
評論
0/150
提交評論