基于信息融合的AGV定位方式及避障研究
发布时间：2021-03-03 13:08
随着当今社会的迅速发展,信息融合技术已经在许多领域得到了广泛应用。并且已经应用在移动机器人上,为机器人智能化水平的进一步提高提供了理论支撑。定位和避障是自动导引小车（AGV）完成各项任务的重要保障,将多传感器信息融合技术运用于AGV（Automated Guided Vehicle）定位和避障系统,可以为AGV在各种复杂、动态、不确定或未知的环境中工作提供一种有效的技术解决途径。所以本文是以信息融合技术为研究重点,对AGV定位方式及避障进行研究。在AGV的定位方面,因为卡尔曼滤波只能解决线性系统模型,不适合非线性系统模型。但是在现实情况下,AGV是一个非线性系统,因此采用卡尔曼滤波解决AGV的定位问题存在缺陷,所以本文采用扩展卡尔曼滤波定位算法。首先设计了AGV的运动模型以及传感器的观测模型,然后将里程计和超声波传感器采集的信息进行融合。通过控制模型估计AGV的初步位姿,通过超声波传感器检测周围环境可以及时修正估计误差,提高定位精度。最后通过仿真证明结合里程计和超声波传感器进行信息融合可以有效消除AGV运动过程中里程计的积累误差,提高了AGV的定位精度。在AGV的避障方面,由于单传感器...
【文章来源】：河北科技大学河北省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图2-2分散性多传感器信息融合结构
传感器原始信息信息融合中心图 2-4 反馈型多传感器信息融合结构多传感器信息融合技术的层次有以下三个。（1）数据层融合:在数据层融合中,每一个传感器不仅仅要观测物体还要将器的原始数据进行组合，然后再进行特征识别过程。这一过程的完成通常数据中提取出一个特征矢量,并根据这一特征做出决策。在信息融合中,必须据进行匹配,例如:传感器测量相同的物理现象，如两个超声波传感器或者两像;相反,当传感器不是同一类型时,它们必须要在特征层或决策层进行融合。数据层融合，并且数据层融合需要很大的通讯带宽。如图 2-5 所示。
数据中提取出一个特征矢量,并根据这一特征做出决策。在信息融合中,必须据进行匹配,例如:传感器测量相同的物理现象，如两个超声波传感器或者两像;相反,当传感器不是同一类型时,它们必须要在特征层或决策层进行融合。数据层融合，并且数据层融合需要很大的通讯带宽。如图 2-5 所示。图 2-5 数据层融合（2）特征层融合:在特征层融合中,把每个传感器从环境特征中得到的信息提取，再把提取的信息进行数据融合，然后识别，最后得出结果。特征层点是需要的通讯带宽较小,缺点是结果的精确性比较小,其主要原因是当原成特征矢量时,信息同时也在丢失。如图 2-6 所示。
【参考文献】：
期刊论文
[1]基于无监督学习卷积神经网络的振动信号模态参数识别[J]. 方宁,周宇,叶庆卫,李玉刚. 计算机应用. 2017(03)
[2]基于多传感器信息融合的机器人姿态测量系统[J]. 杨丹,刘小平,胡凌燕. 计算机工程与设计. 2016(06)
[3]基于复杂环境非均匀建模的蚁群路径规划[J]. 卜新苹,苏虎,邹伟,王鹏,周海. 机器人. 2016(03)
[4]多传感器信息融合在轮式机器人运动控制中的应用[J]. 袁庆,朱毅. 电子技术与软件工程. 2016(02)
[5]基于多传感器信息融合的AGV避障算法[J]. 李沛,李新德. 华中科技大学学报(自然科学版). 2015(S1)
[6]机器人行业发展现状综述[J]. 单祥茹. 中国电子商情(基础电子). 2015(09)
[7]基于多传感器信息融合的机器人故障诊断[J]. 王秀青,侯增广,曾慧,吕锋,潘世英. 上海交通大学学报. 2015(06)
[8]基于BP神经网络的双层启发式强化学习方法[J]. 刘智斌,曾晓勤,刘惠义,储荣. 计算机研究与发展. 2015(03)
[9]基于遗传算法的机翼壁板扫描路径优化[J]. 艾小祥,俞慈君,方强,陈磊,方伟,沈立恒. 浙江大学学报(工学版). 2015(03)
[10]仓储物流机器人集群的智能调度和路径规划[J]. 沈博闻,于宁波,刘景泰. 智能系统学报. 2014(06)
博士论文
[1]多传感器数据融合问题的研究[D]. 王欣.吉林大学 2006
[2]移动机器人基于多传感器数据融合的定位及地图创建研究[D]. 庄严.大连理工大学 2004
硕士论文
[1]机器人远程控制与避障系统设计与实现[D]. 王雪彦.西安电子科技大学 2017
[2]基于多传感器信息融合的迎宾机器人避障问题研究[D]. 苏衍保.山东科技大学 2017
[3]基于多传感器融合的无人机自动避障技术研究[D]. 邴丽媛.长春理工大学 2017
[4]基于机器视觉的四旋翼无人机避障控制系统设计[D]. 张岩辉.南京航空航天大学 2017
[5]基于多传感器信息融合的机器人避障研究[D]. 陈奕君.东北石油大学 2014
[6]超声波定位系统的设计[D]. 张婷.长安大学 2014
[7]视觉导引AGV的自动驾驶系统[D]. 王视鎏.复旦大学 2011
[8]基于多传感器信息融合的移动机器人避障系统研究[D]. 高慧英.哈尔滨工业大学 2010
[9]基于多传感器信息的移动机器人定位研究[D]. 王晓娟.浙江大学 2010
[10]室内自主移动机器人的定位研究[D]. 于克.燕山大学 2009
本文编号：3061319
【文章来源】：河北科技大学河北省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图2-2分散性多传感器信息融合结构
传感器原始信息信息融合中心图 2-4 反馈型多传感器信息融合结构多传感器信息融合技术的层次有以下三个。（1）数据层融合:在数据层融合中,每一个传感器不仅仅要观测物体还要将器的原始数据进行组合，然后再进行特征识别过程。这一过程的完成通常数据中提取出一个特征矢量,并根据这一特征做出决策。在信息融合中,必须据进行匹配,例如:传感器测量相同的物理现象，如两个超声波传感器或者两像;相反,当传感器不是同一类型时,它们必须要在特征层或决策层进行融合。数据层融合，并且数据层融合需要很大的通讯带宽。如图 2-5 所示。
数据中提取出一个特征矢量,并根据这一特征做出决策。在信息融合中,必须据进行匹配,例如:传感器测量相同的物理现象，如两个超声波传感器或者两像;相反,当传感器不是同一类型时,它们必须要在特征层或决策层进行融合。数据层融合，并且数据层融合需要很大的通讯带宽。如图 2-5 所示。图 2-5 数据层融合（2）特征层融合:在特征层融合中,把每个传感器从环境特征中得到的信息提取，再把提取的信息进行数据融合，然后识别，最后得出结果。特征层点是需要的通讯带宽较小,缺点是结果的精确性比较小,其主要原因是当原成特征矢量时,信息同时也在丢失。如图 2-6 所示。
【参考文献】：
期刊论文
[1]基于无监督学习卷积神经网络的振动信号模态参数识别[J]. 方宁,周宇,叶庆卫,李玉刚. 计算机应用. 2017(03)
[2]基于多传感器信息融合的机器人姿态测量系统[J]. 杨丹,刘小平,胡凌燕. 计算机工程与设计. 2016(06)
[3]基于复杂环境非均匀建模的蚁群路径规划[J]. 卜新苹,苏虎,邹伟,王鹏,周海. 机器人. 2016(03)
[4]多传感器信息融合在轮式机器人运动控制中的应用[J]. 袁庆,朱毅. 电子技术与软件工程. 2016(02)
[5]基于多传感器信息融合的AGV避障算法[J]. 李沛,李新德. 华中科技大学学报(自然科学版). 2015(S1)
[6]机器人行业发展现状综述[J]. 单祥茹. 中国电子商情(基础电子). 2015(09)
[7]基于多传感器信息融合的机器人故障诊断[J]. 王秀青,侯增广,曾慧,吕锋,潘世英. 上海交通大学学报. 2015(06)
[8]基于BP神经网络的双层启发式强化学习方法[J]. 刘智斌,曾晓勤,刘惠义,储荣. 计算机研究与发展. 2015(03)
[9]基于遗传算法的机翼壁板扫描路径优化[J]. 艾小祥,俞慈君,方强,陈磊,方伟,沈立恒. 浙江大学学报(工学版). 2015(03)
[10]仓储物流机器人集群的智能调度和路径规划[J]. 沈博闻,于宁波,刘景泰. 智能系统学报. 2014(06)
博士论文
[1]多传感器数据融合问题的研究[D]. 王欣.吉林大学 2006
[2]移动机器人基于多传感器数据融合的定位及地图创建研究[D]. 庄严.大连理工大学 2004
硕士论文
[1]机器人远程控制与避障系统设计与实现[D]. 王雪彦.西安电子科技大学 2017
[2]基于多传感器信息融合的迎宾机器人避障问题研究[D]. 苏衍保.山东科技大学 2017
[3]基于多传感器融合的无人机自动避障技术研究[D]. 邴丽媛.长春理工大学 2017
[4]基于机器视觉的四旋翼无人机避障控制系统设计[D]. 张岩辉.南京航空航天大学 2017
[5]基于多传感器信息融合的机器人避障研究[D]. 陈奕君.东北石油大学 2014
[6]超声波定位系统的设计[D]. 张婷.长安大学 2014
[7]视觉导引AGV的自动驾驶系统[D]. 王视鎏.复旦大学 2011
[8]基于多传感器信息融合的移动机器人避障系统研究[D]. 高慧英.哈尔滨工业大学 2010
[9]基于多传感器信息的移动机器人定位研究[D]. 王晓娟.浙江大学 2010
[10]室内自主移动机器人的定位研究[D]. 于克.燕山大学 2009
本文编号：3061319
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3061319.html
