基于多傳感器融合的機(jī)器人目標(biāo)物標(biāo)定.pdf

1、隨著傳感器技術(shù)和計算機(jī)科學(xué)的迅速發(fā)展，人們廣泛利用機(jī)器人在危險的環(huán)境或人類難以到達(dá)的地方執(zhí)行任務(wù)。移動機(jī)器人本身具有傳感器和處理器，可以自主進(jìn)行探測、判斷、決策并在到達(dá)目標(biāo)地點后執(zhí)行預(yù)先設(shè)定的任務(wù)。但由于未知環(huán)境的不確定性，單一的傳感器難以滿足復(fù)雜任務(wù)的要求，多傳感器數(shù)據(jù)融合技術(shù)能夠綜合各個傳感器的信息，進(jìn)而獲得更全面、更準(zhǔn)確的決策信息。
　　本文利用多傳感器數(shù)據(jù)融合技術(shù)，設(shè)計并開發(fā)了一套基于Khepera IV嵌入式機(jī)器人在未知

2、環(huán)境下的執(zhí)行目標(biāo)標(biāo)定任務(wù)系統(tǒng)。機(jī)器人在未知環(huán)境中移動，避開障礙物，并運(yùn)用自帶的攝像頭和超聲波傳感器尋找目標(biāo)物。首先對不同角度拍攝的目標(biāo)物的圖片進(jìn)行預(yù)處理，提取出目標(biāo)物的特征，存入上位機(jī)。機(jī)器人在運(yùn)動的過程中，運(yùn)用超聲波傳感器檢測周圍的物體，并拍照將照片上傳到上位機(jī)與目標(biāo)物的特征比對，判斷是否是目標(biāo)物。如果找到目標(biāo)物，則標(biāo)定出目標(biāo)物的位置。
　　研究內(nèi)容包括以下幾個方面：
　　1.利用zabbix開源軟件，在windows上位

3、機(jī)的虛擬機(jī)中搭建機(jī)器人監(jiān)控系統(tǒng)。對機(jī)器的實時狀態(tài)進(jìn)行監(jiān)控，包括機(jī)器人電池、CPU占用率和機(jī)器人的運(yùn)動軌跡等，存放在MySQL數(shù)據(jù)庫中，便于在機(jī)器人的運(yùn)動控制和數(shù)據(jù)融合的過程中的使用。同時，zabbix軟件中基于web的數(shù)據(jù)交互頁面可以直觀的顯示被監(jiān)控數(shù)據(jù)的變化情況。
　　2.建立機(jī)器人的運(yùn)動模型，并結(jié)合Khepera IV機(jī)器人的硬件配置，分析速度控制、位置控制、方向控制的方法，提出了在機(jī)器人在運(yùn)動過程中的模糊避障策略，并對避障策

4、略進(jìn)行了仿真，仿真結(jié)果表明所提出的模糊避障策略是有效的。
　　3.提出了基于機(jī)器學(xué)習(xí)和圖像處理的目標(biāo)物識別方法。首先對目標(biāo)物進(jìn)行預(yù)處理，提取目標(biāo)物的特征。在識別之前，運(yùn)用機(jī)器人的攝像頭在不同距離、不同視角拍攝目標(biāo)物的圖片，以200張含有目標(biāo)物的圖像作為正樣本，300張不含有目標(biāo)物的圖像作為負(fù)樣本，使用HOG特征提取算法提取特征，對正負(fù)樣本進(jìn)行標(biāo)記，利用線性SVM分類器進(jìn)行訓(xùn)練，得到一個二值分類器。然后在機(jī)器人搜索目標(biāo)物的過程中，拍