多传感器信息融合在移动机器人障碍物检测中的应用
发布时间：2021-02-07 19:39
传感器、计算机、自动控制、人工智能等相关技术的发展推动了机器人技术的进步。技术进步与市场竞争促进了机器人的应用日益广泛,其中移动机器人因为具有环境检测、动态决策与控制等功能而在工业、农业、医疗和智能安防等领域获得广泛应用。因此,移动机器人的研究与应用日益得到世界各国的普遍关注。在实际应用中,移动机器人检测障碍物的能力是一项重要指标。为了能够更加准确、全面和实时地获取到障碍物的信息,本课题采用了多传感器信息融合技术进行移动机器人的障碍物检测,从而实现对障碍物信息的准确评估,为进一步的避障和任务的完成打好基础。衡量机器人智能化程度的一个重要指标就是处理不确定性信息的能力。从不确定信息因素入手分析,基于多传感器信息融合技术,对移动机器人周围的障碍物信息进行研究和分析。本文首先阐述了移动机器人的系统结构和运动学模型。通过构建移动机器人的运动学模型,可以比较直观地获取到移动机器人自身所属的位置和姿态,以及相对于周边障碍物的方位角。其系统结构又很好地展示了移动机器人各个层次模块的功能属性以及构造布局。然后通过采用超声波、激光和视觉传感器来对未知环境中障碍物进行距离的测量。分析超声波和激光传感器的信...
【文章来源】：河南科技学院河南省
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题的研究背景及意义
1.2 课题研究现状
1.2.1 移动机器人国内外研究现状
1.2.2 多传感器信息融合技术国内外研究现状
1.2.3 多传感器信息融合在移动机器人中应用的研究现状
1.3 本文的主要研究内容与技术路线
1.3.1 论文的主要研究内容
1.3.2 论文的整体框架和技术路线
1.4 本章小结
第二章 移动机器人的系统结构和运动学分析
2.1 移动机器人的系统结构
2.1.1 移动机器人总体架构
2.1.2 移动机器人无线控制模块
2.1.3 移动机器人电机驱动模块
2.1.4 移动机器人电源供给模块
2.2 移动机器人的运动学分析
2.2.1 移动机器人运动模型建立
2.2.2 运动学模型分析
2.3 本章小结
第三章 多传感器信息融合技术
3.1 多传感器信息融合技术概述
3.2 超声波传感器障碍物检测
3.3 激光传感器障碍物检测
3.4 视觉传感器障碍物检测
3.5 本章小结
第四章 卡尔曼滤波在多传感器信息融合中的应用
4.1 典型的信息融合算法
4.2 卡尔曼滤波信息融合算法
4.2.1 卡尔曼滤波的基本原理
4.2.2 线性卡尔曼滤波
4.2.3 扩展卡尔曼滤波
4.3 本章小结
第五章 移动机器人障碍物检测的实验与结果分析
5.1 超声波测距实验分析
5.2 激光测距实验分析
5.3 视觉测距实验分析
5.4 多传感器信息融合实验分析
5.5 本章小结
第六章 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
致谢
攻读学位期间取得的研究成果
【参考文献】：
期刊论文
[1]基于双目视觉的泊车机器人障碍物检测系统[J]. 王帅,杨建玺. 智能计算机与应用. 2019(04)
[2]苹果园区作业机器人障碍物识别研究[J]. 杨茜,窦辉,张建锋. 农机化研究. 2019(11)
[3]基于视觉的机器人自主定位与障碍物检测方法[J]. 丁斗建,赵晓林,王长根,高关根,寇磊. 计算机应用. 2019(06)
[4]基于图像处理的机器人柔性作业方法研究[J]. 贺冬冬,张良安,王晨晨. 制造技术与机床. 2017(10)
[5]关于工业机器人多传感器数据融合技术路径的探讨[J]. 李胡. 职业. 2017(26)
[6]基于多传感器信息融合的机器人障碍物检测[J]. 王中立,牛颖. 中国测试. 2017(08)
[7]基于动态和静态环境对象观测一致性约束的移动机器人多传感器标定优化方法[J]. 伍明,张国良,李琳琳,付光远,李承剑. 兵工学报. 2017(08)
[8]基于深度图像检测的机器人碰撞避免方案[J]. 姚湘,徐平平,王华君. 控制工程. 2017(07)
[9]基于ROS的机器人导航系统架构设计[J]. 李胜. 电脑知识与技术. 2017(20)
[10]一种多传感器数据融合的智能捡球机器人结构设计[J]. 马飞. 内蒙古师范大学学报(自然科学汉文版). 2017(04)
博士论文
[1]基于多传感器融合的室内机器人自主导航方法研究[D]. 张文.中国科学技术大学 2017
[2]机器人视觉导航中的图像处理问题研究[D]. 胡凯.东南大学 2015
硕士论文
[1]移动机器人的手势识别运动控制设计[D]. 赵航.电子科技大学 2017
[2]移动机器人图像处理关键技术研究与实现[D]. 张昊龙.电子科技大学 2017
[3]基于多传感器信息融合的移动机器人控制[D]. 罗彬.东华大学 2016
[4]移动机器人卡尔曼滤波定位技术的研究[D]. 党宇.东北大学 2015
本文编号：3022725
【文章来源】：河南科技学院河南省
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题的研究背景及意义
1.2 课题研究现状
1.2.1 移动机器人国内外研究现状
1.2.2 多传感器信息融合技术国内外研究现状
1.2.3 多传感器信息融合在移动机器人中应用的研究现状
1.3 本文的主要研究内容与技术路线
1.3.1 论文的主要研究内容
1.3.2 论文的整体框架和技术路线
1.4 本章小结
第二章 移动机器人的系统结构和运动学分析
2.1 移动机器人的系统结构
2.1.1 移动机器人总体架构
2.1.2 移动机器人无线控制模块
2.1.3 移动机器人电机驱动模块
2.1.4 移动机器人电源供给模块
2.2 移动机器人的运动学分析
2.2.1 移动机器人运动模型建立
2.2.2 运动学模型分析
2.3 本章小结
第三章 多传感器信息融合技术
3.1 多传感器信息融合技术概述
3.2 超声波传感器障碍物检测
3.3 激光传感器障碍物检测
3.4 视觉传感器障碍物检测
3.5 本章小结
第四章 卡尔曼滤波在多传感器信息融合中的应用
4.1 典型的信息融合算法
4.2 卡尔曼滤波信息融合算法
4.2.1 卡尔曼滤波的基本原理
4.2.2 线性卡尔曼滤波
4.2.3 扩展卡尔曼滤波
4.3 本章小结
第五章 移动机器人障碍物检测的实验与结果分析
5.1 超声波测距实验分析
5.2 激光测距实验分析
5.3 视觉测距实验分析
5.4 多传感器信息融合实验分析
5.5 本章小结
第六章 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
致谢
攻读学位期间取得的研究成果
【参考文献】：
期刊论文
[1]基于双目视觉的泊车机器人障碍物检测系统[J]. 王帅,杨建玺. 智能计算机与应用. 2019(04)
[2]苹果园区作业机器人障碍物识别研究[J]. 杨茜,窦辉,张建锋. 农机化研究. 2019(11)
[3]基于视觉的机器人自主定位与障碍物检测方法[J]. 丁斗建,赵晓林,王长根,高关根,寇磊. 计算机应用. 2019(06)
[4]基于图像处理的机器人柔性作业方法研究[J]. 贺冬冬,张良安,王晨晨. 制造技术与机床. 2017(10)
[5]关于工业机器人多传感器数据融合技术路径的探讨[J]. 李胡. 职业. 2017(26)
[6]基于多传感器信息融合的机器人障碍物检测[J]. 王中立,牛颖. 中国测试. 2017(08)
[7]基于动态和静态环境对象观测一致性约束的移动机器人多传感器标定优化方法[J]. 伍明,张国良,李琳琳,付光远,李承剑. 兵工学报. 2017(08)
[8]基于深度图像检测的机器人碰撞避免方案[J]. 姚湘,徐平平,王华君. 控制工程. 2017(07)
[9]基于ROS的机器人导航系统架构设计[J]. 李胜. 电脑知识与技术. 2017(20)
[10]一种多传感器数据融合的智能捡球机器人结构设计[J]. 马飞. 内蒙古师范大学学报(自然科学汉文版). 2017(04)
博士论文
[1]基于多传感器融合的室内机器人自主导航方法研究[D]. 张文.中国科学技术大学 2017
[2]机器人视觉导航中的图像处理问题研究[D]. 胡凯.东南大学 2015
硕士论文
[1]移动机器人的手势识别运动控制设计[D]. 赵航.电子科技大学 2017
[2]移动机器人图像处理关键技术研究与实现[D]. 张昊龙.电子科技大学 2017
[3]基于多传感器信息融合的移动机器人控制[D]. 罗彬.东华大学 2016
[4]移动机器人卡尔曼滤波定位技术的研究[D]. 党宇.东北大学 2015
本文编号：3022725
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3022725.html
