多传感器信息融合技术及其在机器人中的应用

多传感器信息融合技术是近年发展起来的一门新兴技术,在机器人领域有着广阔的应用前景。通过融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。主要论述了多传感器信息融合的一般方法,并对其在机器人领域的应用进行了介绍。最后指出多传感器信息融合技术在微传感器、智能传感器和自适应融合等方面的发展方向。     

机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。     

基于信息融合的机器人路径智能决策的研究

基于机器人未知环境探索的智能行为,以先锋Pioneer3-DX移动机器人为对象,构建了基于多传感器信息融合的机器人智能行为系统以实现其路径规划行为。构建了一个双层信息融合路径规划智能行为系统,数据层融合采用基于联邦kalman滤波融合的信息融合方法,通过多传感器融合降低信息的不确定性,为机器人提供更可靠和更准确的环境信息;决策层融合采用模糊推理方法,根据数据层融合结果作为模糊控制器的输入,构建基于模糊推理的决策层融合模块,其设计思想是模仿人的智能行为进行决策,使其不仅决策出机器人的行走方向,同时决策出机器人的行走速度,实现了动态路径规划。基于Matlab的仿真实验,验证了方法的可行性。     

基于多传感器信息融合的移动机器人导航系统的设计与实现

概述多传感器信息融合技术的原理与方法，通过实例描述了多传感器信息融合在移动机器人导航中的应用。在能力风暴机器人平台建立了基于多传感器信息融合的导航体系结构，并通过具体的实验和结果表明了多传感器信息融合方法在导航中的有效性。     

多传感器信息融合在移动机器人上的应用

多传感器信息融合技术在科研领域已迅速发展起来 ,它包含了控制理论、信号处理、人工智能和数理统计等方面的知识。在机器人领域的应用越来越多 ,使得机器人更加智能化。文中对多传感器信息融合的方法进行了概括 ,并列举了近年来其在移动机器人领域的应用。最后展望了多传感器信息融合的发展     

基于多传感器信息融合的避障循迹机器人设计

目前循迹机器人在多传感器信息融合、多行为冲突等问题的解决上尚存缺陷,不能准确识别U形等复杂障碍并智能选择最优避障路径.设计以QT89S52单片机作为轮式机器人的MCU,使用红外和超声波传感器采集周围环境信息,综合优先级裁决方法和模糊行为融合法处理多传感器信息,控制轮式机器人的运行状态,较好地处理循迹过程中存在的各种行为以及行为冲突,更准确地检测识别标志信息,以最优路径避开U形等复杂障碍并保证循迹的快速性和准确性.将所提出的方法应用在轮式机器人上,结果验证了其有效性.     

机器人传感器定位中的模糊性干扰消除仿真

研究机器人准确定位问题.机器人装备的传感器数量较多,不同类型数据采集传感器对环境中突变性因素的敏感程度不同,造成用于定位的传感器信息反馈到终端后融合,结果存在偏差,出现了传感定位信息的模糊性.传统的传感信息融合方法多是根据先验信息进行信息融合,但是机器人传感器采集的多是随机信息,大大增加了融合后定位信息模糊性的可能,造成定位不准.提出了一种机器人定位模糊性寻优遗传算法.通过固定较大小的基因位来改善遗传算法的机器人位置寻优性能,每次基因位的固定都能改变机器人定位的寻优空间,对寻优位置进行细化,消除融合中带来的特征模糊性干扰.后期的仿真结果表明,改进方法可以改善机载机器入的定位能力,定位准确性大幅提高.     

除冰机器人的多传感器高效融合障碍测距方法研究

障碍物测距是高压输电线路自主除冰机器人的关键技术之一;针对220 kV输电线路除冰机器人的结构特点,提出了一种基于障碍物距离信息融合检测方法;首先根据障碍物分布情况设计了除冰机器人多传感器检测系统的结构,建立了障碍物信息融合系统模型.然后根据障碍物信息状态模型的非线性特点,对传感器获取的异步测量数据进行同步处理,再应用改进的多传感器信息进行滤波和融合,并与单个传感器的结果相比较,实验结果研究表明:该方法能有效地融合不同传感器的信息,具有更高的测距精度和更快的收敛速度.     

除冰机器人的多传感器融合障碍测距方法研究

障碍物测距是高压输电线路自主除冰机器人的关键技术之一。针对220 kV输电线路除冰机器人的结构特点,提出了一种基于扩展卡尔曼滤波的障碍物距离信息融合检测方法。首先根据障碍物分布情况设计了除冰机器人多传感器检测系统的结构,建立了障碍物信息融合系统模型。然后根据障碍物信息状态模型的非线性特点,对传感器获取的异步测量数据进行同步处理,再应用改进的扩展卡尔曼滤波对多传感器信息进行滤波和融合,并与单个传感器的结果相比较,实验结果研究表明：该方法能有效地融合不同传感器的信息,具有更高的测距精度和更快的收敛速度。     

全自主机器人足球系统的全局地图构建研究

研究和讨论了如何通过多机器人的协作,实现全局地图的构建．在单个机器人通过自身携带的多传感器进行局部地图构建的基础上,研究了前向单目视觉传感器的建模方法,在此观测模型的基础上,用极大似然融合算法对球的位置信息进行融合,而对于多机器人返回的对方机器人位置信息,使用基于密度的空间聚类算法（DBSCAN）进行信息融合,从而实现全局地图构建．实验结果表明,通过多机器人的协作,可以准确地构建出全局地图,弥补了单个机器人自身传感器的有限感知范围,本文研究的方法完全满足全自主机器人足球比赛中动态环境地图构建的需要．     

基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

基于模糊控制信息融合方法的机器人导航系统

本文提出了一种基于模糊控制和信息融合的自主式移动机器人导航系统的实现方法。采用表格查询的模糊控制方法,对导航系统中的多传感器信息进行融合,实现了机器人的路径跟踪和自动纠偏的功能。该系统具有实现简单、响应快、鲁棒性好等特点,仿真实验和实际运行结果表明了该系统在具有引导线的环境中能有效实现自主式移动机器人的导航。     

基于RBF网络的信息融合在机器人足球中的应用

机器人足球系统是综合性的人工智能研究平台。决策在机器人足球比赛中起着至关重要的作用。通过对机器人足球系统的分析,论证了信息融合应用于机器人足球系统的可行性。针对机器人足球比赛决策中的实际问题,提出了基于径向基函数(RBF)神经网络的信息融合方法,并设计了足球机器人射门实验。实验结果证明该方法有助于提高整个系统决策的准确性。     

多传感器的联合标定方法

在智能机器人的视觉导航技术中，为了提高信息的可信度，可以采用多传感器数据融合技术，为了进行融合首先必须进行传感器的标定，即进行各种传感器坐标系之间的转换，本文针对一个实际的智能机器人系统，提出了一种简单、实用、准确的联合标定方法，取得了满意的效果。     

信息融合算法在机器人足球系统中的应用

最优信息融合Kalman滤波算法给出了实时动态环境中线性方差最小的融合估计。采用该算法对机器人足球系统中的小球进行状态估计和预测,并给出了信息融合处理结构和该算法的具体实现步骤。实验结果表明,该算法可以克服单一视觉传感器采集的数据含有较大噪声等局限性,实现了对小球精确的状态估计和预测,具有可行性和优越性,并且在某一机器人视觉传感器出错时,系统仍具有良好的容错性和鲁棒性。     

基于多传感器融合的全地形机器人系统设计

针对因强降雨、堤防溃决、暴雨增水等因素导致的水位突然上升而泛滥和山洪暴发,形成复杂多变灾后的地形环境。设计了以FPGA为控制器的多传感器融合机器人,提高灾后救援效率。该机器人通过GPS为机器人作业划定区域,生命特征仪、力矩仪和空气质量仪等传感器采集环境数据,搭建非线性全地形机器人动态模型,利用六轴陀螺仪和霍尔传感器获取机器人状态,数据经过扩展卡尔曼滤波算法融合以及航迹算法推算后,获得机器人在灾后环境中的实际信息,使得机器人能够按要求进行搜救作业。实验结果表面,多传感器融合的机器人系统,能够在灾后环境完成信息采集与传输,具有较高的稳定性及准确性。     

基于多传感器信息融合的移动机器人快速精确自定位

通过分析全向视觉、电子罗盘和里程计等传感器的感知模型,设计并实现了一种给定环境模型下移动机器人全局自定位算法.该算法利用蒙特卡罗粒子滤波,融合多个传感器在不同观测点获取的观测数据完成机器人自定位.与传统的、采用单一传感器自定位的方法相比,它把多个同质或异质传感器所提供的不完整测量及相关联数据库中的信息加以综合,降低单个...