多传感器机器人数据采集与融合系统研究

根据多传感器机器人控制器数据采集量大、数据融合算法复杂、系统实时性强的特点 ,提出了基于ADμC812和TMS32 0F2 0 6的双CPU结构的机器人信息采集与数据融合系统结构 .介绍了该系统的硬件组成、基本工作原理以及接口电路 ,并给出了ADμC812子系统程序流程图 .     

基于主观贝叶斯多传感器数据融合的AGV精确定位研究

针对室内自动导引运输车（Automated Guided Vehicle,AGV）定位偏差大、精度不足的问题,提出了一种基于主观贝叶斯网络的传感器数据融合定位方法. 该方法首先结合卡尔曼滤波模型,对不同传感器的数据进行滤波处理,并通过主观贝叶斯网络模型计算信息增益大小,从而自主地选择传感器数据;再将选择的传感器数据进行融合;最后根据融合后的传感器信息进行AGV位置状态更新,获得更精确的AGV位姿信息. 仿真实验结果表明,在室内实验环境中,主观贝叶斯网络融合算法能够实现多传感器的数据互补. 与RUKF算法相比,该方法的均方根误差缩小到了0.17 m,定位精度提高了43.6%,定位时间缩短了0.071 s,效率提高了4.5%,数据稳定性提高了47.8%,其定位偏差明显小于单传感器的定位偏差,证明了该方法的有效性.     

多传感器数据融合在切割机器人系统中的应用

为了对造船中所用型材变形进行在线检测,在高精度划线切割机器人系统中,建立了多传感器检测系统,引入基于小波变换和虚拟噪声自适应卡尔曼滤波的多分辨率最优多传感器数据融合方法,实现了对噪声统计量缺乏先验知识和模型参数不确切的多分辨率多传感器的数据融合。实验结果表明,多传感器数据融合可以有效地实现变形型材的在线检测,提高系统的测试精度和可靠性。     

机器人中的多传感器信息融合技术

针对单一传感器在信息采集时所受的限制,该文利用多传感器信息融合的特点,分析了该技术在机器人中的应用。     

AS-UII足球机器人多传感器信息融合研究

为了提高足球机器人的运动性能,本文分析了AS-UII足球机器人多传感器数据融合技术,介绍了系统所选用的碰撞、红外、光敏、麦克风、光电编码器等传感器。     

基于多传感器融合的机器人导航系统设计

随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络。在机器人避障和导航控制中,本文采用了基于模糊逻辑的多传感器信息融合算法。通过对多传感器的信息进行融合能较好地实现机器人在未知环境中的自主避障与导航,并对这种控制方法进行了MATLAB仿真。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,该信息融合算法是优于传统信息融合算法的。     

机器人多传感器测距系统的数据融合

针对机器人工作环境的特点,提出了采用超声波与红外线传感器共同测距的方法,弥补了单一使用超声波传感器带来的缺陷.应用自适应加权数据融合技术,实现两种传感器在功能上的互补.实验结果表明,系统提高了整体测距精度,得到了被测距离更加准确的估计.     

基于多传感器信息融合的机器人故障诊断

提出一种新型的多传感器信息融合方法,并将此方法与支持向量机相结合,针对生产装配线上机械手在向抓握物体位置行进时遇到的机械手受阻、前方碰撞、除前方外其他方向碰撞3种故障形式进行诊断;通过适当融合向量的选取、支持向量机模型参数的寻优,成功地对3种故障进行了诊断;同时,对多传感器信息融合方法中的融合向量属性数量的选择进行了分析.结果表明,在传感器测量数据一定的条件下,融合数据属性数量的选取对融合向量样本的数量、分类的准确率均有影响.     

多传感器数据融合模型综述

多传感器数据融合的关键问题是模型设计，数据融合模型主要包括功能、结构和数学模型。根据数据融合功能层次性和信息流通方式及传输形式，把数据融合功能模型分为五级，即检测级、跟踪级、属性级、态势级和威胁级。这种划分方法更有利于数据融合技术的研究。在此基础上，详细讨论了前三个级别的系统结构模型、数据融合系统的组成、相关数据流、系统与外部环境的界面及各种结构模型的优缺点和应用范围，并同时介绍了有关的融合算法。     

一种基于障碍物群的移动机器人数据融合方法

首先给出了一种通过融合多个超声波传感器和一台激光全局定位系统的数据建立机器人环境地因的方法，并在此基础上，首次提出了机器人在非结构环境下识别障碍物的一种新方法，即基于障碍物群的方法．该方法的最大特点在于它可以更加简洁、有效地提取和描述机器人的环境特征，这对于较好地实现机器人的导航、避障，提高系统的自主性和实时性是至关重要的．大量的实验结果表明了该方法的有效性．     

基于无需校准激光雷达曲线与RGB-D图像的数据融合方法

激光雷达和RGB-D摄像机是在各种机器人导航任务中广泛使用的两种传感器。尽管通过图像校准能够降低传感器中存在的噪声,但由于外部复杂环境的影响,融合数据中仍会有空洞和毛刺。为此,本文提出一种无需校准激光雷达曲线与RGB-D图像的数据融合方法。该方法利用激光雷达曲线和RGB-D图像数据在格式上存在显著差异但在深度信息上紧密相对的特点,通过时间配准和相关性分析,将激光雷达曲线在高度上与RGB-D图像配准。同时,即使在不进行校准的情况下,该方法也能将RGB-D图像在高度上的相应线条自动配准到激光雷达曲线在宽度上的范围。使用室内开放式机器人导航数据集Robot@Home中的数据对本文方法进行评估,结果表明,该方法可同时为激光雷达曲线和RGB-D图像的原始数据去噪。该方法已在真实的导航环境中得到了验证,可扩展应用于机器人导航的更精确的二维地图构建中。     

基于多源融合式SLAM的机器人三维环境建模

为有效处理移动机器人三维环境地图创建过程的不确定误差,提高所建地图的准确性、完整性和一致性,本文提出了一种基于传感器信息融合和Rao-Blackwellised粒子滤波(RBPF)的移动机器人三维同时定位与地图创建 (SLAM)方法. 在建立传感器不确定性概率模型的基础上,通过贝叶斯滤波实现传感器数据的去噪,将激光与视觉传感器获取的环境信息在一定的规则下融合,在SLAM框架下实现具有纹理映射的三维环境地图创建. 实验结果表明所用方法的有效性. 多源融合式自主SLAM提供了更为丰富、完备、准确的环境模型.      

基于地图的移动机器人定位技术新进展

综述了基于地图的移动机器人定位技术的研究现状,总结了定位过程中遇到的各种不确定性因素的成因,根据使用地图类型和推理手段对当前的定位方法进行归纳,并具体分析了几种典型方法的实现思想和各自的优缺点,阐述了移动机器人定位问题中存在的一般问题,指出了今后的发展方向。     

基于GPS的移动机器人多传感器定位信息融合

构建了基于GPS的移动机器人定位系统,利用多传感器数据自适应加权融合估计算法对GPS、方位传感器、光码盘的信息进行数据融合.通过实验证明,该系统在短距离、路面平整的条件下,具有较高的准确性和稳定性,能够满足移动机器人定位的需要.     

Localization and navigation using a novel artificial landmark for indoor mobile robots

This paper presents a practical topological navigation system for indoor mobile robots,making use of a novel artificial landmark which is called MR code.This new kind of paper-made landmarks can be easi- ly attached on the ceilings or on the walls.Localization algorithms for the two cases are given respective- ly.A docking control algorithm is also described,which a robot employs to approach its current goal .A simple topological navigation algorithm is proposed.Experiment results show the effectiveness of ...     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

引入数据融合的WSN定位算法

理论分析指出,一些不基于测距的WSN定位算法往往需要节点间进行大量的信息交互,存在大量的突发性通信,降低了网络工作效率,浪费了WSN中宝贵的能量。针对此问题,在定位算法中引入数据融合技术,通过仿真验证,引入数据融合的定位算法可以有效的减少执行定位算法所需的无线分组个数和总的通信量。     

一种基于多信息融合的环境探测方法

阐述了一种用于移动机器人导航的采用多信息融合技术进行环境探测的方法,讨论了这种方法的容错能力,并给出了计算机仿真结果．