论文部分内容阅读
近年来，移动机器人的应用越来越广泛，移动机器人的一个重要方向是实现自主导航和有效地避开障碍物。要想使移动机器人在行走的过程中避开障碍物，应先检测障碍物的类型。本文提出了基于多传感器信息融合技术的障碍物识别。在天津市自然科学基金“面向复杂任务的移动机器人系统技术研究”(课题编号：003601211)和河北省攻关计划“用于物料自动传输的自主车精确导航的研究”(课题编号：00547001D-18)两项基金的支持下，开展了基于多传感器信息融合技术在移动机器人自主导航中的应用研究，本论文的主要研究内容如下： 介绍了由本研究室自行研制的HEBUT-Ⅰ型移动机器人的车体结构并对驱动系统和运动学特性进行了分析。 设计了HEBUT-Ⅰ型移动机器人视觉系统和声纳系统。建立了移动机器人的摄象机模型，从而完成了世界坐标系到摄象机坐标系的转换，使障碍物信息成功地转换到摄像机坐标系，完成了不同坐标系之间的统一。对各种图象分割方法进行了实验，将基于HSI空间颜色阈值的区域分割法应用于移动机器人障碍物图象分割，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，运算简单，提高了复杂路面图象分割的准确性和实时性。然后介绍了声纳传感器的原理和在移动机器人上的布置。 提取了障碍物图象的有效特征和移动机器人离障碍物距离。由于通常所用的融合方法有许多缺点。在本文中，利用基于神经网络的信息融合方法的实时处理大量数据的能力、知识泛化能力以及结构的容错性等优点，把CCD摄像机摄取的障碍物图象，进行预处理并且提取有效特征，同时有超声波传感器组来提供其第三维的距离信息。对这些信息用神经网络进行信息融合来识别障碍物的类型，且与障碍物的位置无关。经过实验表明，上述方法是可行的，识别率良好。为以后的移动机器人避障和提高其智能化程度打下良好的基础。