基于多信息融合的轮式移动机器人定位导航技术研究

论文摘要

随着智能化和信息化社会的发展,移动机器人的研究引起了国内外众多专家学者的广泛关注。机器人通过传感器获取其自身的状态信息和外部环境信息,依赖这些信息实现自主移动并完成一定的作业任务。由于单一传感器难以获得系统所需的全部信息,多传感器的信息融合就成为机器人实现自主决策的关键。随着传感器技术、人工智能、计算机信息技术的发展,移动机器人的定位导航系统变得越来越复杂,对多信息融合技术的研究变得越来越重要。本文以无人平台轮式移动机器人为研究对象,在移动机器人定位信息和环境信息的获取、障碍物规避等问题上,针对基于多传感器信息融合技术,从多方面进行了深入的系统研究。主要研究内容如下:(1)以轮式移动机器人为载体建立运动学模型,选择适合轮式移动机器人定位导航系统的传感器用以获取机器人的自身信息和外部环境信息,建立系统模型。(2)介绍了多信息融合技术的特点,常用的信息融合结构等,设计了轮式移动机器人定位导航系统的多传感器信息融合模型,选择了混合型的结构作为轮式移动机器人定位导航系统的融合结构。(3)通过比较常用的多信息融合方法的特点及优势,选择卡尔曼滤波和人工神经网络的方法做轮式移动机器人定位导航系统中不同层次的信息融合。(4)设计基于多信息融合的轮式移动机器人定位导航系统的原型架构,并把卡尔曼滤波和人工神经网络的方法应用于无人平台轮式移动机器人,并通过实验证明信息融合方法的有效性。本文提出一种应用于轮式移动机器人定位导航系统的多信息融合模型,把用于描述系统状态的定量信息和用于系统决策的定性信息的融合过程做了有机的分离。分别为不同类型的数据融合选择了合适的多信息融合方法,即用卡尔曼滤波做系统定量信息的数据层融合,用人工神经网络的方法做系统定性信息的决策层融合。最后,本文在无人平台轮式移动机器人的定位导航系统中实现了多信息融合模型,并用实验证明多信息融合方法带来的系统性能上的提升。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 移动机器人的定位导航技术
• 1.1.1 移动机器人定位技术
• 1.1.2 移动机器人路径规划技术
• 1.2 基于多信息融合的轮式移动机器人定位导航技术
• 1.2.1 概述
• 1.2.2 国内外研究概况
• 1.2.3 发展趋势
• 1.3 论文主要工作及组织结构
• 第2章 轮轮式移动动机器人运运动学模模型的建建立和传感器的选选择
• 2.1 轮式移动机器人人运动学模模型
• 2.2 传感器的选择
• 2.2.1 定位部分
• 2.2.2 障碍物识别部分
• 2.3 本章小结
• 第3章 轮式移动机器人多传感器信息融合模型的建立
• 3.1 多信息融合技术
• 3.1.1 多信息融合的概念
• 3.1.2 多传感器信息融合的结构
• 3.2 轮式移动机器人多信息融合模型
• 3.2.1 传感器信息的分类
• 3.2.2 传感器信息分层处理模型
• 3.3 轮式移动机器人传感器信息融合结构
• 3.3.1 传感器信息的分组处理
• 3.3.2 轮式移动机器人的自主决策
• 3.4 本章小结
• 第4章 传感器信息处理和信息的融合
• 4.1 信息预处理
• 4.1.1 信息归一化
• 4.1.2 信息一致性检验
• 4.2 多传感器信息融合的方法
• 4.3 基于卡尔曼滤波的定位信息融合
• 4.3.1 卡尔曼滤波原理
• 4.3.2 定位系统卡尔曼滤波器的设计
• 4.4 基于神经网络的移动机器人避障行为
• 4.4.1 神经网络的原理
• 4.4.2 移动机器人避障控制网络设计
• 4.4.3 网络学习
• 4.5 本章小节
• 第5章 移动机器人系统架构设计与实现
• 5.1 轮式移动机器人定位导航系统组成
• 5.1.1 硬件设备
• 5.1.2 系统的软件体系结构
• 5.1.3 系统运行环境
• 5.2 定位导航系统软件的功能与实现逻辑
• 5.2.1 模块功能划分
• 5.2.2 程序处理流程
• 5.3 多信息融合技术的应用
• 5.3.1 卡尔曼滤波实验
• 5.3.2 神经网络避障实验
• 5.4 本章小结
• 结论
• 参考文献
• 致谢