RFID在智能捡球机器人球体定位中的研究

发布时间：2017-09-21 10:04

  本文关键词：RFID在智能捡球机器人球体定位中的研究

  更多相关文章： 捡球机器人 RFID室内定位 LANDMARC算法 参考标签

【摘要】：随着生活水平、科技水平的不断提高,智能机器人已逐渐进入人们的生活。目前,越来越多的人注重身体健康,在闲暇之余进行体育锻炼已成为现代人生活的一部分。室内乒乓球、网球等运动受到了更多人的青睐,这类运动用时少、锻炼效果好,但随之而来的问题就是人们在运动之余不得不去捡取散落在球场各处的球体,费时费力。为了解决这个问题,设计出了基于视觉识别和多传感器数据融合的智能捡球机器人来代替人工捡球,但因其视觉范围较小,定位时间较长,因此,找出一种快速精准的定位方法势在必行,而RFID室内定位技术是定位领域研究的热点。目前,基于RFID的室内定位技术主要采用LANDMARC算法,通过引入辅助参考标签来确定待定位标签的物理位置,在室内环境下具有较为理想的定位精度。然而,LANDMARC算法仍然存在一些不足,其定位精度与近邻参考标签个数和参考标签的部署密度有关。因此,在实验分析的基础上,对基于LANDMARC算法的球体定位技术进行了深入研究,主要包括以下两个方面:(1)针对LANDMARC算法的定位精度与近邻参考标签个数有关的问题,在选取的近邻参考标签中引入加权思想来改进算法。传统的算法仅仅局限于在小范围定位环境中选取3-5个参考标签,而在较大的定位环境中,距阅读器较远的相邻参考标签存在干扰近邻参考标签选取的情况,需要选取较多的参考标签来辅助定位,但定位误差会随着选取参考标签数量的增加而增大。基于加权因子的LANDMARC算法优化了计算过程中权重的分配,降低了系统误差,提高了定位精度。仿真实验结果表明,改进后的算法在选取较多参考标签的情况下基本达到了捡球机器人所需定位精度。(2)针对LANDMARC算法的定位精度也与参考标签部署密度有关的问题,通过引入虚拟参考标签的方法来进一步提高定位精度。在实际中,参考标签之间存在着信号干扰,并不允许大量部署,部署越密集其影响程度越高。而虚拟参考标签与真实参考标签拥有相同的特性,其收信场强值可以根据路径损耗模型做出推算。因此,在定位过程中,采用基于虚拟参考标签的定位算法与改进的LANDMARC定位算法相结合的方式进行两次定位。仿真实验结果表明,基于虚拟参考标签的定位算法进一步提高了定位精度,且对于单个待定位标签,改善效果显著,使球体定位精度由分米级提高到厘米级。
【关键词】：捡球机器人 RFID室内定位 LANDMARC算法 参考标签
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.44;TP242.6
【目录】：

• 摘要7-8
• ABSTRACT8-12
• 第一章 绪论12-17
• 1.1 课题意义12-13
• 1.2 国内外RFID机器人研究现状13-14
• 1.3 RFID定位技术研究现状14-15
• 1.4 本文内容与结构15-17
• 第二章 智能捡球机器人系统设计17-23
• 2.1 智能捡球机器人系统组成17-18
• 2.2 捡球机器人模块设计18-20
• 2.2.1 视觉定位系统18-19
• 2.2.2 避障系统19
• 2.2.3 动力系统19
• 2.2.4 捡球计数系统19-20
• 2.2.5 信息处理系统20
• 2.3 捡球机器人捡球方法设计20-22
• 2.4 本章小结22-23
• 第三章 RFID技术概述及常用定位算法23-35
• 3.1 RFID系统概述23-26
• 3.1.1 RFID系统的基本组成23-25
• 3.1.2 RFID系统的特点25
• 3.1.3 RFID的工作流程25-26
• 3.2 RFID系统的分类26-28
• 3.3 常用定位算法分类28-33
• 3.3.1 基于测距的定位算法28-31
• 3.3.2 基于非测距的定位算法31-33
• 3.4 基于RSSI和KNN的LANDMARC定位系统33-34
• 3.5 本章小结34-35
• 第四章 基于加权因子的改进LANDMARC算法研究35-46
• 4.1 基本LANDMARC算法35-36
• 4.2 LANDMARC算法的优缺点36
• 4.3 LANDMARC算法仿真分析36-37
• 4.4 加权因子改进37-38
• 4.5 仿真与分析38-45
• 4.5.1 仿真与分析一38-40
• 4.5.2 仿真与分析二40-41
• 4.5.3 仿真与分析三41-43
• 4.5.4 仿真与分析四43-45
• 4.6 本章小结45-46
• 第五章 基于虚拟参考标签的定位算法研究46-54
• 5.1 参考标签部署密度对定位精度的影响46-47
• 5.2 定位精度评价指标47-49
• 5.3 基于虚拟参考标签的定位算法49-53
• 5.3.1 VIBE算法简介49-50
• 5.3.2 基于虚拟参考标签的改进方案50-51
• 5.3.3 仿真与分析51-53
• 5.4 本章小结53-54
• 总结与展望54-56
• 参考文献56-61
• 致谢61-62
• 附录A 攻读学位期间所发表的学术论文目录62

【相似文献】

中国期刊全文数据库 前10条

1 韩浩;董砚秋;张娟;;基于湖面清扫机器人的图像识别技术研究[J];科技资讯;2006年33期

2 Joseph Ogando;;让机器人放松“肌肉”[J];工业设计;2007年11期

3 ;《机器人技术与应用》全年总目次[J];机器人技术与应用;2010年06期

4 郭健;;机器人在涂装车间的应用[J];科技视界;2012年31期

5 王伟;;日本农用机器人的研究成果与趋势[J];农业机械;1994年11期

6 董雅萍;有视觉的机器人[J];世界制造技术与装备市场;2001年01期

7 梁冰,洪炳昒,曙光;基于视觉与行为模型的机器人目标跟踪[J];通信学报;2004年01期

8 张彦铎,鲁统伟;基于航迹关联的足球机器人视觉系统的改进[J];哈尔滨工业大学学报;2004年07期

9 高峥;拟人机器人视觉系统的软件设计[J];计算机工程与设计;2004年11期

10 靳晔;施釉机器人视觉系统设计[J];河北省科学院学报;2005年03期

中国重要会议论文全文数据库 前9条

1 陈卫东;曹其新;贾建强;罗真;王磊;黄永志;缪寿洪;张卫星;徐化;栾楠;付庄;张彭涛;孙英杰;张飞;张春裕;包贤捷;;面向动态与竞争环境的多机器人团队[A];马斯特杯2003年中国机器人大赛及研讨会论文集[C];2003年

2 张春龙;黄小龙;刘卫东;张妍;李南;张俊雄;李伟;;基于机器视觉的锄草机器人信息获取方法研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

3 张亚静;乔军;刘刚;李民赞;;水果采摘机器人视觉系统的发展现状研究[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

4 雍超;竺长安;杜华生;;基于视觉和超声技术的机器人视觉系统[A];第六届全国计算机应用联合学术会议论文集[C];2002年

5 徐大宏;;基于彩色识别的足球机器人视觉系统研究与实现[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

6 高瑞;刘刚;司永胜;刘兆祥;;苹果采摘机器人视觉系统研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

7 袁波;徐科军;盛磊;;基于TMDXEVM642的机器人视觉系统[A];第三届全国信息获取与处理学术会议论文集[C];2005年

8 张汝波;张亮;张子迎;;基于立体视觉的机器人目标识别与跟踪[A];2007年中国智能自动化会议论文集[C];2007年

9 汤修映;张铁中;;黄瓜收获机器人避碰轨迹规划[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（上册）[C];2008年

中国重要报纸全文数据库 前2条

1 青岛日报、青报网记者 林刚;高端机器人装备年产400台[N];青岛日报;2014年

2 本报记者 徐光;全球增速第一 国内机器人产业快速崛起[N];中国证券报;2012年

中国博士学位论文全文数据库 前10条

1 马爽;具有自主发育能力的机器人感知与认知方法研究[D];吉林大学;2016年

2 陈浩耀;面向多机器人编队的基于视觉定位系统研究[D];中国科学技术大学;2009年

3 瞿心昱;基于仿人脑认知计算模型的机器人视觉学习方法[D];浙江工业大学;2012年

4 王勇;棉花收获机器人视觉系统的研究[D];南京农业大学;2007年

5 张正涛;乒乓球机器人视觉测量与控制[D];中国科学院研究生院（自动化研究所）;2010年

6 陈四杰;面向数控机床群的上下料机器人视觉识别定位研究[D];江苏大学;2013年

7 王海青;黄瓜收获机器人视觉系统的研究[D];南京农业大学;2012年

8 张健;220kV/330kV高压带电清扫机器人视觉系统的研究[D];上海交通大学;2009年

9 吕小莲;基于四自由度西红柿采摘机器人视觉系统的研究[D];沈阳农业大学;2008年

10 陈华斌;运载火箭动力系统五通连接器机器人GTAW质量控制系统[D];上海交通大学;2009年

中国硕士学位论文全文数据库 前10条

1 张皓然;四足除草机器人的静态步行及稳定性研究[D];昆明理工大学;2015年

2 李晶路;基于人工路标的室内机器人自定位算法研究[D];长安大学;2015年

3 霍美杰;基于动态结构网络的机器人发育机制研究[D];华北理工大学;2015年

4 宗鹏程;基于NAO机器人的视觉目标检测与跟踪[D];华北电力大学;2015年

5 黎嘉文;基于行为的多机器人协同研究与实现[D];扬州大学;2014年

6 王宁扬;面向服务机器人的蜂巢气动网络软件执行器研究[D];中国科学技术大学;2016年

7 严帅;基于GPU加速的机器人人脸检测系统的设计与实现[D];北京交通大学;2016年

8 张永恒;轮足结合清洁机器人轮行控制与路径规划研究[D];燕山大学;2016年

9 陶威;机器人3D视觉传感器设计与实现[D];西南交通大学;2016年

10 杨胜男;仿人头像机器人人工鼻—肺系统及气味识别算法研究[D];哈尔滨工业大学;2016年

，

本文编号：893857