隨著當(dāng)今社會的迅速發(fā)展,信息融合技術(shù)已經(jīng)在許多領(lǐng)域得到了廣泛應(yīng)用。并且已經(jīng)應(yīng)用在移動機(jī)器人上,為機(jī)器人智能化水平的進(jìn)一步提高提供了理論支撐。定位和避障是自動導(dǎo)引小車（AGV）完成各項(xiàng)任務(wù)的重要保障,將多傳感器信息融合技術(shù)運(yùn)用于AGV（Automated Guided Vehicle）定位和避障系統(tǒng),可以為AGV在各種復(fù)雜、動態(tài)、不確定或未知的環(huán)境中工作提供一種有效的技術(shù)解決途徑。所以本文是以信息融合技術(shù)為研究重點(diǎn),對AGV定位方式及避障進(jìn)行研究。在AGV的定位方面,因?yàn)榭柭鼮V波只能解決線性系統(tǒng)模型,不適合非線性系統(tǒng)模型。但是在現(xiàn)實(shí)情況下,AGV是一個非線性系統(tǒng),因此采用卡爾曼濾波解決AGV的定位問題存在缺陷,所以本文采用擴(kuò)展卡爾曼濾波定位算法。首先設(shè)計(jì)了AGV的運(yùn)動模型以及傳感器的觀測模型,然后將里程計(jì)和超聲波傳感器采集的信息進(jìn)行融合。通過控制模型估計(jì)AGV的初步位姿,通過超聲波傳感器檢測周圍環(huán)境可以及時修正估計(jì)誤差,提高定位精度。最后通過仿真證明結(jié)合里程計(jì)和超聲波傳感器進(jìn)行信息融合可以有效消除AGV運(yùn)動過程中里程計(jì)的積累誤差,提高了AGV的定位精度。在AGV的避障方面,由于單傳感器... 

【文章來源】：河北科技大學(xué)河北省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-2分散性多傳感器信息融合結(jié)構(gòu)

傳感器原始信息信息融合中心圖 2-4 反饋型多傳感器信息融合結(jié)構(gòu)多傳感器信息融合技術(shù)的層次有以下三個。（1）數(shù)據(jù)層融合:在數(shù)據(jù)層融合中,每一個傳感器不僅僅要觀測物體還要將器的原始數(shù)據(jù)進(jìn)行組合，然后再進(jìn)行特征識別過程。這一過程的完成通常數(shù)據(jù)中提取出一個特征矢量,并根據(jù)這一特征做出決策。在信息融合中,必須據(jù)進(jìn)行匹配,例如:傳感器測量相同的物理現(xiàn)象，如兩個超聲波傳感器或者兩像;相反,當(dāng)傳感器不是同一類型時,它們必須要在特征層或決策層進(jìn)行融合。數(shù)據(jù)層融合，并且數(shù)據(jù)層融合需要很大的通訊帶寬。如圖 2-5 所示。

數(shù)據(jù)中提取出一個特征矢量,并根據(jù)這一特征做出決策。在信息融合中,必須據(jù)進(jìn)行匹配,例如:傳感器測量相同的物理現(xiàn)象，如兩個超聲波傳感器或者兩像;相反,當(dāng)傳感器不是同一類型時,它們必須要在特征層或決策層進(jìn)行融合。數(shù)據(jù)層融合，并且數(shù)據(jù)層融合需要很大的通訊帶寬。如圖 2-5 所示。圖 2-5 數(shù)據(jù)層融合（2）特征層融合:在特征層融合中,把每個傳感器從環(huán)境特征中得到的信息提取，再把提取的信息進(jìn)行數(shù)據(jù)融合，然后識別，最后得出結(jié)果。特征層點(diǎn)是需要的通訊帶寬較小,缺點(diǎn)是結(jié)果的精確性比較小,其主要原因是當(dāng)原成特征矢量時,信息同時也在丟失。如圖 2-6 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于無監(jiān)督學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的振動信號模態(tài)參數(shù)識別[J]. 方寧,周宇,葉慶衛(wèi),李玉剛.  計(jì)算機(jī)應(yīng)用. 2017(03)
[2]基于多傳感器信息融合的機(jī)器人姿態(tài)測量系統(tǒng)[J]. 楊丹,劉小平,胡凌燕.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(06)
[3]基于復(fù)雜環(huán)境非均勻建模的蟻群路徑規(guī)劃[J]. 卜新蘋,蘇虎,鄒偉,王鵬,周海.  機(jī)器人. 2016(03)
[4]多傳感器信息融合在輪式機(jī)器人運(yùn)動控制中的應(yīng)用[J]. 袁慶,朱毅.  電子技術(shù)與軟件工程. 2016(02)
[5]基于多傳感器信息融合的AGV避障算法[J]. 李沛,李新德.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2015(S1)
[6]機(jī)器人行業(yè)發(fā)展現(xiàn)狀綜述[J]. 單祥茹.  中國電子商情(基礎(chǔ)電子). 2015(09)
[7]基于多傳感器信息融合的機(jī)器人故障診斷[J]. 王秀青,侯增廣,曾慧,呂鋒,潘世英.  上海交通大學(xué)學(xué)報. 2015(06)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的雙層啟發(fā)式強(qiáng)化學(xué)習(xí)方法[J]. 劉智斌,曾曉勤,劉惠義,儲榮.  計(jì)算機(jī)研究與發(fā)展. 2015(03)
[9]基于遺傳算法的機(jī)翼壁板掃描路徑優(yōu)化[J]. 艾小祥,俞慈君,方強(qiáng),陳磊,方偉,沈立恒.  浙江大學(xué)學(xué)報(工學(xué)版). 2015(03)
[10]倉儲物流機(jī)器人集群的智能調(diào)度和路徑規(guī)劃[J]. 沈博聞,于寧波,劉景泰.  智能系統(tǒng)學(xué)報. 2014(06)

博士論文
[1]多傳感器數(shù)據(jù)融合問題的研究[D]. 王欣.吉林大學(xué) 2006
[2]移動機(jī)器人基于多傳感器數(shù)據(jù)融合的定位及地圖創(chuàng)建研究[D]. 莊嚴(yán).大連理工大學(xué) 2004

碩士論文
[1]機(jī)器人遠(yuǎn)程控制與避障系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 王雪彥.西安電子科技大學(xué) 2017
[2]基于多傳感器信息融合的迎賓機(jī)器人避障問題研究[D]. 蘇衍保.山東科技大學(xué) 2017
[3]基于多傳感器融合的無人機(jī)自動避障技術(shù)研究[D]. 邴麗媛.長春理工大學(xué) 2017
[4]基于機(jī)器視覺的四旋翼無人機(jī)避障控制系統(tǒng)設(shè)計(jì)[D]. 張巖輝.南京航空航天大學(xué) 2017
[5]基于多傳感器信息融合的機(jī)器人避障研究[D]. 陳奕君.東北石油大學(xué) 2014
[6]超聲波定位系統(tǒng)的設(shè)計(jì)[D]. 張婷.長安大學(xué) 2014
[7]視覺導(dǎo)引AGV的自動駕駛系統(tǒng)[D]. 王視鎏.復(fù)旦大學(xué) 2011
[8]基于多傳感器信息融合的移動機(jī)器人避障系統(tǒng)研究[D]. 高慧英.哈爾濱工業(yè)大學(xué) 2010
[9]基于多傳感器信息的移動機(jī)器人定位研究[D]. 王曉娟.浙江大學(xué) 2010
[10]室內(nèi)自主移動機(jī)器人的定位研究[D]. 于克.燕山大學(xué) 2009



本文編號：3061319