基于多传感器信息的移动机器人路径规划关键技术的研究

《基于多传感器信息的移动机器人路径规划关键技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨工业大学工学硕卜学位论文摘要在移动机器人的研究中，应用多传感器的融合信息对机器人的非结构动态环境进行物体检测和目标识别，构建机器人移动环境下的场景信息网络模型，作出行为决策，实现具有实时性和鲁棒性的路径规划系统，是智能移动机器人的关键技术。本课题是863计划资助项目“移动式作业型智能服务机器人”中的一部分，并作为基于多传感器信息融合的移动机器人路径规划系统的基础研究课题，主要研究工作如下:构建了基于单目CCD，超声波传感器阵列及光电传感器阵列的机器人视觉系统。在CCD的小孔畸变成像模型下，利用了径向排列约束(RAC)和径向畸变投影不变形，设计了一种零假设先知条件下的CCD标定

2、算法。实现了在机器人视觉环境下的数字图像处理技术。开发了一套有效地抑制噪声、突出目标特征的图像增强和图像分割的方法及流程，提取了图像中具有较高定位精度的目标边缘和轮廓。在机器人静止时，采用了改进累计差算法和改进的差图像方法，以实现运动物体的边缘检测和轮廓提取。分析了机器人视觉识别过程中的特征提取、选择和分类决策函数设计两个重要环节。针对目标图形，提取目标的边心距特征向量和几何特征向量;针对目标图像，提取目标的不变矩特征向量，建立了典型目标图形知识库。选择了较为成熟的线性最小距离分类器，对输入目标模式进行分类决策。定义并设计了基于超声波阵列的环境模型知识库。开发了在半己知环境下采集多

3、传感器信息，借助先验知识库的监督，探测并识别场景状态和典型目标、作出行为决策的移动机器人规划系统软件。本文的研究工作为基于多传感器信息融合的移动机器人路径规划系统的研究建立了一个基本的框架，也为智能作业型移动式服务型机器人的中央系统级的规划机制提供了一个实验平台。关键词CCD标定;数字图像处理;特征提取;视觉识别;规划机制哈尔滨工业大学工学硕士学位论文AbstractAreal-timeandpathplanningsystemisthekeyofmobileintelligentrobot.Inunstructureddynamicenvironment,amultisensor

4、-basedobstacledetectionandobjectrecognitionisutilizedtoobtainsurroundingsinformationnetworkmodelanddetermineaction.Thisresearchisapartofresearchprojectofmobileintelligentoperationservicerobotandit'salsothekeyresearchofthepath-planningsystemofmobilerobotbasedonfusingdatafrommulti-sensor.Themain

5、contentsareasfellow:ThevisionsystembasedonamonocularCCDcamera,aringofultrasonicsensorsandaringofphotoelectricsensorsisdesigned.UnderthesmallholeimagingmodelofCCDcamera,acalibrationalgorithmwithoutpriorconditionsispresentedbasedonradialalignmentconstraint(RAC)andinvariantofcenterperspectivewith

6、radialdistortion.Thedigitalimageprocessingtechniqueisstudiedinviewoftherobotmovingenvironment.Asetofmethodsandprogramonimageenhancementandimagesegmentationisdevelopedtodetectedgeandcontour.Themethodscanfilternoiseandsharpthefeaturesoftheobject.Themethodsalsohasgooddetectionprecision.Whentherob

7、otstops,inordertodetecttheedgeandcontourofmovingobject,achangedaccumulateddifferenceimagemethodandachangeddifferenceimagemethodareproposed.Thepaperanalyzesthetwosectionsoffeatureextractionandclassificationdesigninthefieldofpatternrecogn