自主跟隨機(jī)器人系統(tǒng)研究與實(shí)現(xiàn).pdf

1、機(jī)器人是現(xiàn)代傳感器技術(shù)、人工智能技術(shù)和自動(dòng)化技術(shù)發(fā)展的典型體現(xiàn),機(jī)器人技術(shù)的發(fā)展水平也代表一個(gè)國家制造技術(shù)的先進(jìn)性發(fā)展水平。其中,移動(dòng)機(jī)器人的發(fā)展最為迅速,已經(jīng)大規(guī)模實(shí)現(xiàn)商業(yè)化應(yīng)用?；诠ぷ髦袑?shí)際應(yīng)用領(lǐng)域的不同,各種類型機(jī)器人采用的技術(shù)也各不相同。本文提出和開發(fā)了一種基于引導(dǎo)節(jié)點(diǎn)位置的自主跟隨機(jī)器人(類似于美國BigDog的輪式機(jī)器人),使得機(jī)器人跟隨引導(dǎo)對(duì)象自主規(guī)劃路徑避障前行。該機(jī)器人在高爾夫球場、病人看護(hù)、物流基地和軍事運(yùn)輸?shù)确矫?/p>

2、有著重要應(yīng)用。本文以基于RSSI的無線低頻定位、計(jì)算機(jī)雙目立體視覺障礙物檢測為研究方向重點(diǎn),結(jié)合路徑規(guī)劃技術(shù),對(duì)引導(dǎo)節(jié)點(diǎn)相對(duì)于移動(dòng)機(jī)器人的精確定位、機(jī)器人運(yùn)動(dòng)場景下的障礙物檢測和機(jī)器人的路徑規(guī)劃等問題進(jìn)行了深入研究。主要工作如下:
　　首先,對(duì)各種定位方法進(jìn)行分析,考慮其各自的優(yōu)缺點(diǎn),選擇出適合于本文特定應(yīng)用的基于無線信號(hào)強(qiáng)度(Received Signal Strength Indicator,簡稱為 RSSI)的無線近場低頻定

3、位技術(shù)。該技術(shù)無需額外硬件,是一種定位精度高、功耗低、成本低、反應(yīng)速度快的高性價(jià)比無線定位技術(shù)。在已知機(jī)器人定位模塊低頻發(fā)射基站的發(fā)射信號(hào)強(qiáng)度情況下,引導(dǎo)模塊根據(jù)實(shí)際接收到的信號(hào)強(qiáng)度,利用本文提出的自由空間傳播模型和離線BP神經(jīng)網(wǎng)絡(luò)算法將傳輸中的信號(hào)強(qiáng)度損耗轉(zhuǎn)化為距離,再利用三邊測量法計(jì)算引導(dǎo)模塊的空間三維坐標(biāo)。由于無線信號(hào)傳播易受多徑、噪聲、遮擋等因素的影響,RSSI穩(wěn)定性較差,本文多處采用改進(jìn)型高斯濾波來減小 RSSI測量誤差和定位

4、誤差。經(jīng)過實(shí)驗(yàn)驗(yàn)證比較,基于 RSSI的無線低頻定位模塊可達(dá)到良好的定位精度。
　　在機(jī)器人移動(dòng)過程中,機(jī)器人自主檢測障礙物,自我學(xué)習(xí)和規(guī)劃路徑來避開障礙物安全移動(dòng)是移動(dòng)機(jī)器人的必備要求。當(dāng)前的許多研究將視覺避障和視覺導(dǎo)航應(yīng)用到移動(dòng)機(jī)器人的移動(dòng)控制中,但由于圖像數(shù)據(jù)量大和視覺處理算法較復(fù)雜等原因,在具體應(yīng)用中存在算法實(shí)時(shí)性較差、障礙物檢測和導(dǎo)航精度不夠理想、適用的場景模型單一等缺點(diǎn)。本文在前人的基礎(chǔ)上,改進(jìn)和提出了新的雙目立體視覺

5、障礙物檢測算法。
　　該算法有特征點(diǎn)深度計(jì)算和特征點(diǎn)聚類分割兩部分。特征點(diǎn)深度計(jì)算中,首先使用Canny算子進(jìn)行特征點(diǎn)提取,然后采用基于AdaptWeight自適應(yīng)權(quán)重匹配算法進(jìn)行特征點(diǎn)局部初始匹配,再在此基礎(chǔ)上采用基于動(dòng)態(tài)規(guī)劃的全局匹配算法進(jìn)行全局精確匹配,算法實(shí)現(xiàn)了較高的匹配精度。根據(jù)雙目立體視覺理論計(jì)算出特征點(diǎn)三維坐標(biāo)后,采用聚類分析方法分割出障礙物對(duì)象,并進(jìn)行優(yōu)化處理,最終得到各個(gè)障礙物的阻擋區(qū)域和角度,實(shí)現(xiàn)障礙物檢測和避