傳感器、計算機、自動控制、人工智能等相關(guān)技術(shù)的發(fā)展推動了機器人技術(shù)的進步。技術(shù)進步與市場競爭促進了機器人的應(yīng)用日益廣泛,其中移動機器人因為具有環(huán)境檢測、動態(tài)決策與控制等功能而在工業(yè)、農(nóng)業(yè)、醫(yī)療和智能安防等領(lǐng)域獲得廣泛應(yīng)用。因此,移動機器人的研究與應(yīng)用日益得到世界各國的普遍關(guān)注。在實際應(yīng)用中,移動機器人檢測障礙物的能力是一項重要指標。為了能夠更加準確、全面和實時地獲取到障礙物的信息,本課題采用了多傳感器信息融合技術(shù)進行移動機器人的障礙物檢測,從而實現(xiàn)對障礙物信息的準確評估,為進一步的避障和任務(wù)的完成打好基礎(chǔ)。衡量機器人智能化程度的一個重要指標就是處理不確定性信息的能力。從不確定信息因素入手分析,基于多傳感器信息融合技術(shù),對移動機器人周圍的障礙物信息進行研究和分析。本文首先闡述了移動機器人的系統(tǒng)結(jié)構(gòu)和運動學模型。通過構(gòu)建移動機器人的運動學模型,可以比較直觀地獲取到移動機器人自身所屬的位置和姿態(tài),以及相對于周邊障礙物的方位角。其系統(tǒng)結(jié)構(gòu)又很好地展示了移動機器人各個層次模塊的功能屬性以及構(gòu)造布局。然后通過采用超聲波、激光和視覺傳感器來對未知環(huán)境中障礙物進行距離的測量。分析超聲波和激光傳感器的信... 

【文章來源】：河南科技學院河南省

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的研究背景及意義
    1.2 課題研究現(xiàn)狀
        1.2.1 移動機器人國內(nèi)外研究現(xiàn)狀
        1.2.2 多傳感器信息融合技術(shù)國內(nèi)外研究現(xiàn)狀
        1.2.3 多傳感器信息融合在移動機器人中應(yīng)用的研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容與技術(shù)路線
        1.3.1 論文的主要研究內(nèi)容
        1.3.2 論文的整體框架和技術(shù)路線
    1.4 本章小結(jié)
第二章 移動機器人的系統(tǒng)結(jié)構(gòu)和運動學分析
    2.1 移動機器人的系統(tǒng)結(jié)構(gòu)
        2.1.1 移動機器人總體架構(gòu)
        2.1.2 移動機器人無線控制模塊
        2.1.3 移動機器人電機驅(qū)動模塊
        2.1.4 移動機器人電源供給模塊
    2.2 移動機器人的運動學分析
        2.2.1 移動機器人運動模型建立
        2.2.2 運動學模型分析
    2.3 本章小結(jié)
第三章 多傳感器信息融合技術(shù)
    3.1 多傳感器信息融合技術(shù)概述
    3.2 超聲波傳感器障礙物檢測
    3.3 激光傳感器障礙物檢測
    3.4 視覺傳感器障礙物檢測
    3.5 本章小結(jié)
第四章 卡爾曼濾波在多傳感器信息融合中的應(yīng)用
    4.1 典型的信息融合算法
    4.2 卡爾曼濾波信息融合算法
        4.2.1 卡爾曼濾波的基本原理
        4.2.2 線性卡爾曼濾波
        4.2.3 擴展卡爾曼濾波
    4.3 本章小結(jié)
第五章 移動機器人障礙物檢測的實驗與結(jié)果分析
    5.1 超聲波測距實驗分析
    5.2 激光測距實驗分析
    5.3 視覺測距實驗分析
    5.4 多傳感器信息融合實驗分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究展望
參考文獻
致謝
攻讀學位期間取得的研究成果


【參考文獻】：
期刊論文
[1]基于雙目視覺的泊車機器人障礙物檢測系統(tǒng)[J]. 王帥,楊建璽.  智能計算機與應(yīng)用. 2019(04)
[2]蘋果園區(qū)作業(yè)機器人障礙物識別研究[J]. 楊茜,竇輝,張建鋒.  農(nóng)機化研究. 2019(11)
[3]基于視覺的機器人自主定位與障礙物檢測方法[J]. 丁斗建,趙曉林,王長根,高關(guān)根,寇磊.  計算機應(yīng)用. 2019(06)
[4]基于圖像處理的機器人柔性作業(yè)方法研究[J]. 賀冬冬,張良安,王晨晨.  制造技術(shù)與機床. 2017(10)
[5]關(guān)于工業(yè)機器人多傳感器數(shù)據(jù)融合技術(shù)路徑的探討[J]. 李胡.  職業(yè). 2017(26)
[6]基于多傳感器信息融合的機器人障礙物檢測[J]. 王中立,牛穎.  中國測試. 2017(08)
[7]基于動態(tài)和靜態(tài)環(huán)境對象觀測一致性約束的移動機器人多傳感器標定優(yōu)化方法[J]. 伍明,張國良,李琳琳,付光遠,李承劍.  兵工學報. 2017(08)
[8]基于深度圖像檢測的機器人碰撞避免方案[J]. 姚湘,徐平平,王華君.  控制工程. 2017(07)
[9]基于ROS的機器人導航系統(tǒng)架構(gòu)設(shè)計[J]. 李勝.  電腦知識與技術(shù). 2017(20)
[10]一種多傳感器數(shù)據(jù)融合的智能撿球機器人結(jié)構(gòu)設(shè)計[J]. 馬飛.  內(nèi)蒙古師范大學學報(自然科學漢文版). 2017(04)

博士論文
[1]基于多傳感器融合的室內(nèi)機器人自主導航方法研究[D]. 張文.中國科學技術(shù)大學 2017
[2]機器人視覺導航中的圖像處理問題研究[D]. 胡凱.東南大學 2015

碩士論文
[1]移動機器人的手勢識別運動控制設(shè)計[D]. 趙航.電子科技大學 2017
[2]移動機器人圖像處理關(guān)鍵技術(shù)研究與實現(xiàn)[D]. 張昊龍.電子科技大學 2017
[3]基于多傳感器信息融合的移動機器人控制[D]. 羅彬.東華大學 2016
[4]移動機器人卡爾曼濾波定位技術(shù)的研究[D]. 黨宇.東北大學 2015



本文編號：3022725