基于視覺的步行機器人定位系統(tǒng)分析與實現(xiàn).pdf

1、人工智能是計算機科學的一個分支，是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門學科。自主機器人的研究是目前國際人工智能的重要研究方向之一，而國際機器人足球比賽（RoboCup）已經(jīng)成為人工智能和機器人學新的標準問題，受到了眾多的著名大學和優(yōu)秀學者的關注。 自主移動機器人在動態(tài)不可測環(huán)境下的定位問題是機器人進一步執(zhí)行任務的基本條件之一，對機器人的性能有著舉足輕重的作用，也是當前國際上研究自主機器人的焦點之一。 本文對基于

2、貝葉斯濾波理論的概率定位方法進行了研究。對于幾種被廣泛使用的實現(xiàn)方法，研究了其適用范圍、可以解決的具體定位問題和優(yōu)缺點。接著以RoboCup四腿組機器人足球賽為背景，以SONY公司開發(fā)的四腿機器人AIBOERS-7為實驗平臺，研究了機器人在比賽環(huán)境中的定位技術，并實現(xiàn)了用于比賽系統(tǒng)的定位模塊。 本文將蒙特卡羅濾波算法實現(xiàn)于機器人自定位技術中，根據(jù)機器人的動作系統(tǒng)和視覺系統(tǒng)分別建立模型。通過動作信息更新粒子狀態(tài)。通過觀測信息更新粒

3、子權值，并根據(jù)比賽特點提出優(yōu)化方案，針對環(huán)境相似問題，運用局域地圖搜索減弱地圖的對稱性，大大降低特征粒子更新時的誤識別率。在重采樣環(huán)節(jié)中，給出了兩次篩選更新的步驟，并提出優(yōu)化粒子生成的算法。運用視覺系統(tǒng)得到的歷史觀測信息預測并生成新粒子點，使新的粒子有效概率加大，加快算法的收斂速度。 在系統(tǒng)中局部融合了卡爾曼濾波算法，1）在機器人的觀測模型中混合擴展卡爾曼濾波算法，通過視覺觀測信息改進粒子預測分布，使粒子向似然較高區(qū)域移動，減少