RoboCup標準平臺下NAO機器人目標識別與自定位研究.pdf

1、智能移動機器人的研究課題在近年來越來越受到國內(nèi)外各大科研機構(gòu)和研究學者們的青睞，其中，目標識別和自主定位問題是實現(xiàn)機器人智能化和全自主的主要任務(wù)。各種識別算法和定位算法層出不窮，算法的魯棒性、可靠性和實時性才是我們追求的目標。為此，本文分別對機器人的目標識別和自主定位方法進行研究，比較各種算法的性能，重點介紹了基于概率框架的蒙特卡洛粒子濾波定位方法。結(jié)合標準平臺組比賽的不確定性因素和算法本身的性能，對算法中的樣本退化現(xiàn)象和粒子貧瘠問題分

2、別進行改進，并將改進算法用到NAO機器人上。
　　首先，基于視覺的移動機器人的目標識別問題的核心是圖像處理。本文首先根據(jù)NAO機器人的觀測圖像，對顏色進行學習分類并創(chuàng)建色表;接著將圖像處理分成兩個階段:區(qū)域創(chuàng)建和特征提取，并分別提出了區(qū)域創(chuàng)建算法和分段聚類算法;最后詳細介紹了圖像中的關(guān)鍵特征的提取，即比賽中的三個主要目標邊線、球門和球的識別問題。
　　然后，詳細討論了NAO機器人的自主定位方法并分析其優(yōu)缺點，從傳統(tǒng)的特征匹配

3、定位算法到當前比較主流的基于概率估計的定位算法。結(jié)合比賽實際情況，界定了NAO機器人的定位問題是一個非線性的多峰概率分布問題，而且機器人的“綁架”問題還會帶來非高斯問題，據(jù)此選擇了蒙特卡洛粒子濾波算法作為定位方法，并重點介紹了該算法的基本理論思想和流程。
　　接著，對基本蒙特卡洛粒子濾波算法進行分析，討論了實際執(zhí)行過程中出現(xiàn)的樣本退化現(xiàn)象?；谒惴ǖ挠嬎銖?fù)雜度和樣本的數(shù)量之間的矛盾的考慮，針對這種現(xiàn)象，使用重要性采樣重采樣技術(shù)，但