基于多传感器移动机器人避障.doc

基于多传感器移动机器人避障 ?万方数据?年第?期计算机系统应用物检测策略来确定机器人前方的障碍物信息。 由于机器人前方近处的物体和远处的物体相比?随着机器人?摄像机?的前行?其反应在图像上灰度变化更大?即产生的光流更大。 因此可以分别计算机器人前方左右两侧各像素点的光流矢量模的和?等价于计算左右两侧光流矢量模的和之差?们?川一?州凡下?荆?。 ?肛?其中?是左右光流差?是机器人前方某一侧的光流矢量模的和。 当?左侧障碍物比较密集?当?右侧障碍物比较密集。 ?避障策略避障策略的输入为红外线测距传感器反馈回白勺障碍物距离?通过避障规则表输出为移动机器人的行为?前进或旋转?。 其中避障规则表中的部分规则要根据上一节中光流法给出的障碍物信息来建立。 本文引入隶属度?去【?】来定义集合。 如对集合?该方法引入了集合?的隶属度函数?用表示?它是【?】上的一个连续函数?反映了论域中的元素?属于集合?的程度?若隶属度接近?表示?属于?的程度高?若隶属度接近?表示?属于?的程度低。 ?避障策略的输入红外线测距传感器的测距范围为?波束角大概是?度?移动机器人上摆放了两个红外线测距传感器?两个红外线测距传感器大致成?度角?朝前方。 避障策略的输入参数为两个红外线测距传感器反馈回的距离信号?分别代表左边障碍物的距离信息和右边障碍物的距离信息。 障碍物足巨离信号的集合为?近?中?远?。 输入隶属度函数如下图?所示?图中横坐标为距离信号?纵坐标是隶属度。 为了计算方便?采用了线性隶属度函数?提高数据处理速度?增强系统的实时性。 ?避障策略的输出避障策略的输出为移动机器人的行为?即前进或旋转?集合为?左转?微左转?前进?。 微右转?右转?。 隶属度函数如图?所示?横坐标为旋转的角度大小?向右为负方向?向左为正方向。 ?避障规则表本文中的避障规则是根据前面光流法得出的结果障物趾离?图?输入隶属函数图。 德?烈。 ?角度?图?输出隶属函数图和红外线测距传感器获得的结果给出的?如表?所示。 表?避障规则表?说?京?表?中的?表示方向由第?节中的光流法的结果给出?当?左侧障碍物比较密集?应该向右转?即表格中的?应为?。 当?右侧障碍物比较密集?应该向左转?即表格中的?应为?。 ?反模糊化表?中给出的控制量不是清晰的数字量?不能用来对精确的模拟或者数字系统进行控制?所以要把这些控制量非模糊化?转换成精确量才能执行?这个过程称为反模糊化。 本文中采用中心平均解模糊器来反模糊化。 相对于重心解模糊器?它计算简便?直观合理。 如下所示?一?气广一?应用技术?万方数据计算机系统应用?年第?期?实验结果本文实验中使用的是基于?单片机的?差分式移动机器人?如图?所示。 由于该移动机器人上的资源比较有限?本人在移动机器人上安放了一块?板?与机器人之间由?相连接?在?板上安装?摄像头和?无线网卡?可以实现视频图像的采集和传送以及网络控制命令的传送。 图?移动机器人示意图移动机器人实验的环境为实验室内?为了使实验结果有对比?同时给出了仅仅依靠红外线测距传感器避障的实验结果。 如图?所示。 图?左右图均为仅仅依靠红外线测距传感器避障图?中的左图为仅仅依靠红外线测距传感器的避障结果?避障规则表中的由光流确定旋转方向的两个?分别为?和?路径长?。 右图为仅仅依靠红外线测距传感器的避障结果?避障控制规则表中的由光流确定旋转方向的两个?分别为?和?路径长?。 图中虚线即移动机器人的前行路径。 图?光流法结合红外线测距传感器避障?应用技术?图?为光流法提供的障碍物信息结合红外线测距传感器的避障结果?避障规则表中的两个?由光流法确定?避障路径长?。 图中虚线即移动机器人的前行路径。 通过对比结果?光流法结合红外线测距传感器的避障方案?选择的避障路径比仅仅依靠红外线测距传感器避障的方案要短?路径更合理。 ?结语本文阐述了一种单目视觉结合红外线测距传感器共同避障的策略?对采集的图像序列信息使用光流法处理?获得移动机器人前方障碍物的信息?然后结合红外线测距传感器反馈的障碍物距离信息?使用避障策略实现移动机器人的避障。 通过实验证明该策略相对于仅仅使用红外线测距传感器的策略?选择的避障路径更短?更合理。 而对于仅仅依靠光流法提供的信息避障的策略?文献【?】使用的方法?则要求光照比较稳定?因为有可能引起图像灰度变化的是光照的明暗变化引起的?这在文献【?】中已有提到。 然而本文的方法加入了测距传感器反馈的障碍物信息?在一定程度上削弱了这种可能性。 因此比单一的依靠光流法避障的可靠性要高。 参考文献?刘先愿?赵学敏?李岩?等?基于多传感器的移动机器人路径规划?计算机工程?张幼明?尹怡欣?基于非线性函数的移动机器人模糊避障算法?计算机应用研究?江贵龙?金祥克?胡旭东?基于模糊算法的移动机器人导航?机电工程?万方数据基于多传感器的移动机器人避障作者?杨东勇?徐克立?浙江工业大学,软件学院,浙江,杭州,310023刊名?计算机系统应用英文刊名?PUTER SYSTEMS&APPLICATIONS年?卷(期)?xx?18 (10)引用次数?0次参考文献(7条)1.Souhila K.Karim AOptical flowbased robotobstacle avoidancexx (1)2.Gini GC.Marchi AIndoor robotnavigation withsingle cameravisionxx (1)3.刘先愿.赵学敏.李岩基于多传感器的移动机器人路径规划xx (8)4.张幼明.尹怡欣基于非线性函数的移动机器人模糊避障算法xx (11)5.江贵龙.金祥克.胡旭东基于模糊算法的移动机器人导航xx (2)6.Nara S.Takahashi SObstacle AvoidanceControl forMobile Robotsbased onVisionxx7.Mester GObstacle Avoidanceof MobileRobots inUnknown Environmentsxx相似文献(10条)1.会议论文何晓兰.杜尚丰移动机器人多传感器接口设计本文主要设计了应用于移动机器人多传感器系统的四转一串口通信模块,基于分时复用的原则,研究了其控制电路的实现方法.文中详细介绍了移动机器人导航与定位技术中环境建模的两种方法-势场法和栅格法,同时介绍了GPS传感器的原理和其数据的输出与接收格式.主要分析和研究了自主式移动机器人多传感器系统在单片机或DSP只有一个串行口时,如何分时接收多传感器如超声波传感器、GPS传感器、磁罗盘和里程计等遵守RS-232异步通信协议的串口数据,从而实现多传感器信息的融合,为移动机器人导航提供可靠信息.论文中完成了四转一串口通信模块的硬件电路设计和软件程序调试.实验结果证明了该模块的有效性和可行性。 2.学位论文陈辉基于多传感器的移动机器人定位导航系统的研究xx导航是移动机器人的基础,定位是导航的关键.围绕定位和导航,学者们进行了大量的研究工作,但多数研究主要侧重于办公室和工厂等已知的结构化环境.随着人们对移动机器人智能水平期望的日益提高,的动态环境下的定位和路径规划正在逐渐成为研究的重点.该课题的目的是构建一个具有多传感器的移动机器人平台,研究和开发适用于非结构化环境的定位导航系统,从而为多移动机器人协调控制提供一个运动载体和实验平台.论文主要内容如下:为满足机器人避障、定位和路径规划的需要,构建了由GPS(全球定位系统)终端、电子罗盘、码盘和超声波传感器组成的传感器系统.介绍了GPS、电子罗盘、超声波传感器的工作原理及传感器性能参数,实现了对GPS终端、电子罗盘数据的接收和处理,设计了超声波阵列,并采用分时工作的方法来减小各超声波传感器之间的干扰.以多传感器数据自适应加权融合估计算法为基础,提出了一种基于GPS、电子罗盘和码盘的多传感器信息融合策略,为移动机器人提供位置和方位角信息.实验证明,该融合策略显著提高了机器人的定位精度,为机器人在环境下的路径规划奠定了基础.介绍了模糊控制的基本原理,阐述了模糊控制用于机器人路径规划的优越性;提出了一种基于模糊逻辑的机器人导航和避障算法,在拓展的机器人与障碍物之间迫近度概念的基础上,充分利用了各传感器的距离信息以及机器人本身的运动速度信息,进行了局部路径规划仿真.结果表明,该模糊避障算法能够使机器人在复杂的动态的环境里进行实时避障与导航.设计了基于单片机的机器人硬件控制系统,实现了各功能部分的模块化接口,提供了友好的人机界面,从而构建了移动机器人模块化体系结构.该课题完成了一个基于多传感器信息的移动机器人的基本框架,为后续的多机器人协调研究工作提供了实验平台.3.期刊论文刘先恩.赵学敏.李岩.郝伟.闫连柱.赵瑞超.LIU Xian-en.ZHAO Xue-min.LI Yan.HAO Wei.YAN Lian-zhu.ZHAO Rui-chao基于多传感器的移动机器人路径规划-计算机工程xx,34 (8)提出一种基于多传感器的移动机器人路径规划策略.利用声纳传感器和CCD摄像机对环境进行探测,得到关于障碍物的信息,通过一种简单、快速的数据融合算法计算出障碍物相对于机器人的位置坐标.采用切线法进行路径规划,实现了移动机器人在不确定环境下的路径规划,使机器人可以很好地避开障碍物,并以局部最优或次最优路径到达指定位置.实验结果验证了该路径规划算法的良好性能.4.学位论文朱晓芸多传感器集成与信息融合及其在智能自主式移动机器人中的应用1997智能自主式移动机器人(IAMR)随着其应用领域的日益扩大,已受到人们的普遍关注.而多传感器集成和信息融合技术是智能自主式移动机器人系统中的一项关键技术.通过对多传感器获得信息的集成与融合,可以使机器人在的或动态的环境中工作时具有更高的适应能力和柔性,提高其智能水平.该文对多传感器集成和信息融合的理论以及它在智能自主式移动机器人中的应用作一个总结和进一步的深入研究.作者着重研究了多传感器集成系统模型和信息融合的方法,提出了基于神经网络的集成系统模型结构和信息融合的新算法,研制出了一台IAMR系统实验样机,并把多传感器集成与信息融合技术应用于其中,实现了IAMR的实时导航与控制.5.期刊论文应鹏.宫晨.YING Peng.GONG Chen开放式多传感器移动机器人硬件系统设计-机床与液压xx,37 (7)为提高多传感器移动机器人的控制性能,采用高性能工业计算机设计了一种嵌入式控制系统.该系统包括运动控制、视觉传感器、超声波传感器、激光传感器、无线通信系统等模块.对系统架构、组件设计、硬件调试进行分析和阐述.通过调试软硬件使系统达到了设计要求,实验表明该机器人控制系统有较强的稳定性和鲁棒性.6.学位论文邢国芬基于多传感器信息融合的移动机器人环境感知研究xx随着移动机器人应用领域的逐渐扩大?它们的工作环境也将复杂多样。 移动机器人的环境感知系统负责获取机器人内部状态和外部环境信息?是机器人进行决策规划的基础。 国内外许多研究人员正致力于移动机器人环境感知方面的研究?通过在移动机器人上安装多种传感器?并利用信息融合方法将所得信息融合?得到环境的一致性描述。 随着传感器和计算机技术的发展?基于多传感器信息融合的环境感知研究会更加深入?出现更多的成果。 本文在河北省自然科学基金项目“面向公共安全的移动机械手目标辨识与定位”?项目编号?Exx000030?支持下?以实验室自主研制的HEBUT-型移动机器人为研究对象?针对基于多传感器信息融合的移动机器人环境感知问题?从多个方面进行了深入的系统研究。 主要研究内容如下?1.介绍了由本实验室自行研制的HEBUT-型移动机器人的硬件体系结构和车体结构?并对其驱动系统和运动学特性进行了分析。 在对车体上的各种传感器简要概述的基础上?确定了HEBUT-型移动机器人的环境感知策略。 2.建立了移动机器人的路径跟踪摄像机模型?完成了逆模型变换。 并将基于HIS空间颜色阈值的区域分割法应用于移动机器人路面图像分割?该方法抗噪声能力强?所利用的信息量大?不受光照条件变化的影响?算法简单。 这些都有利于提高复杂路面图像分割的准确性和实时性?使路径信息成功地从图像空间中恢复出来。 根据模糊控制器的设计过程?设计了适合HEBUT-型移动机器人的模糊控制器?进行了移动机器人的路径识别跟踪实验?验证了方法的可行性。 3.介绍了多传感器信息融合的方法。 通过对它们的特点进行对比?将基于模糊神经网络的信息融合技术应用到移动机器人自主避障中将CCD摄像机和超声传感器信息进行融合。 在本实验室内?进行了HEBUT-型移动机器人自主避障实验?验证了该方法有效可行?实现了移动机器人的无冲突运行。 7.期刊论文杨传华.杨萍.周美艳.刘金利.YANG Chuan-hua.YANG Ping.ZHOU Mei-yan.LIU Jin-li自学习移动机器人在环境中的路径规划-机械设计xx,23 (2)通过对移动机器人在环境中的运动分析,结合多传感器信息,利用一种新的移动机器人在环境中的定位算法.该算法可根据移动机器人的运动过程,不断更新其位置状态,并能对下一步位置状态进行预估计,然后根据实测传感器信息对预估值进行修正,获得实际位置状态.并为移动机器人的路径规划提供基础,容纳后用遗传算法来获得机器人的最佳路径,最后用仿真试验验证了该方法的可行性.8.学位论文周华多传感器融合技术在移动机器人定位中的应用研究xx多传感器信息融合技术是近年来十分热门的研究课题?信息融合技术结合了控制理论、信号处理、概率和统计学、人工智能等诸多学科的发展。 多传感器信息融合技术综合了多个传感器的感知数据?产生更可靠、更准确或更精确的信息?经过融合的多传感器信息具有以下特性?信息的冗余性、信息的互补性、信息的实时性和信息的低成本性。 信息融合为机器人在各种复杂的、动态的、不确定或的环境中工作提供了一种技术解决途径。 本文以多传感器信息融合技术作为研究重点?结合它在机器人中的应用进行了理论和实践上的探讨。 论文首先介绍了国内外信息融合技术和移动机器人的发展动态和趋势?单一的传感器提供信息已经无法满足现代移动机器人的需求?多传感器信息融合技术开始在机器人领域广泛应用。 然后?对多传感器信息融合技术的基本原理、融合层次和融合方法进行了详细的分析?研究了现今机器人领域中多传感器信息融合的常用方法?目前移动机器人领域中常用的多传感器信息融合方法有加权平均法、Kalman滤波、Bayes估计、DempsterShaferi证据推理、模糊逻辑、神经网络等。 论文重点分析了基于概率的移动机器人定位技术?基于对当今移动机器人卡尔曼滤波、马尔可夫和粒子滤波等常用概率定位方法的优点和缺陷分析。 论文着重以卡尔曼滤波作为融合算法基础?设计了数据层和特征层的混合融合结构。 并对卡尔曼滤波进行了初步的仿真论证?卡尔曼滤波在通常情况下能实现机器人的自定位?但需要严格的运动模型匹配?要求机器人是线性的运动模型?但是现实情况下?机器人是一个非线性系统?因此采用经典卡尔曼滤波解决机器人定位存在缺陷?由此采用扩展卡尔曼系统解决机器人的非线性问题。 最后?引入RFID定位系统?详细分析了RFID定位算法和多传感器信息融合定位算法的优缺点?进行了仿真。 结果表明?融合了里程计、电子罗盘、超声波和RFID的自定位算法可以减少传统RFID定位的误差更新问题。 为了实现机器人在已知的结构环境中自主定位?以实验室自制机器人为平台在室内搭建试验环境并进行机器人实体实验。 9.期刊论文谢黎明.查富生.李国慧.杨建军.XIE Li-ming.ZHA Fu-sheng.LI Guo-hui.YANG Jian-jun在环境中作业移动机器人的定位算法-电机与控制学报xx,9 (5)针对移动机器人在环境中的定位问题,通过对移动机器人在环境中的运动分析,结合多传感器信息,提出了一种新的移动机器人在环境中的定位算法.该算法可根据移动机器人的运动过程,不断更新其位置状态,对下一步位置状态进行预估计,根据实测传感器信息对预估值进行修正,获得实际位置状态.仿真实验表明本算法的有效性.10.学位论文胡松基于多传感器融合的室内移动机器人设计与研究xx近年来,移动机器人的应用越来越广泛,对移动机器人的研究也