基于信息融合的机器人目标探测与识别研究

论文摘要

随着计算机技术的迅速发展和普及,机器人技术已成为一门跨学科的综合信息处理技术,目前,移动机器人的不确定性分析能力已成为衡量机器人智能的一个重要因素。本文来源于国家863计划“服务机器人”重点项目“智能敏捷家庭助理机器人综合平台”,以及国家“863”计划专题课题“面向住院病人巡护的智能空间技术及机器人巡视系统”,针对移动机器人的信息融合技术展开了研究。本文从不确定性信息分析方法入手,以信息融合为中心,对移动机器人的目标探测和目标识别信息融合等方面进行研究论文的研究工作有以下几个方面：首先本文介绍了课题的研究背景和移动机器人国内外信息融合以及目标识别的研究发展状况,同时对信息融合的不同定义方法进行了介绍。其次本文对不确定性信息分析方法进行了概述,分析了移动机器人工作中存在的不确定性信息的原因,同时对本文的主要的研究内容进行了介绍。第三,针对移动机器人工作中存在的不确定性信息,在移动机器人目标探测中,对超声波测距传感器进行了电路设计,同时对超声波测距数据的结果进行了标定,通过数学推导,给出了超声波传感器测距的线性回归模型,同时给出了模型的显著性检验；由于单独采用超声传感器不能满足机器人对障碍物的精确识别,有必要结合其他传感器提高障碍物的测量精度,文中又对红外接近传感器的测距进行了硬件和软件的设计,给出了红外传感器的上位机通讯程序设计。同时,本文进行了超声波与红外传感器数据融合的实验,结果表明两种传感器具有互补性。第四,在探测到目标后,本文对多传感器的目标识别信息融合概况进行了综述,分析了移动机器人目标识别中存在的困难。本文将相关系数的概念扩充到机器人目标识别中,建立了机器人目标识别的相似性系数数学模型。同时提出了基于最大后验概率的目标识别融合算法,并且对算法进行了实验验证,表明该算法可以提高系统的识别率和可靠性。第五,针对机器人的目标识别,本文在利用D-S证据理论进行目标识别融合时,基于大量的实验研究,提出了D-S证据理论中基本概率函数的一种构造方法,该方法对决策的结果起着至关重要的作用。第六,本文改进了D-S理论在目标识别融合中的应用,提出了采用时空数据两级融合的思想,再与D-S证据理论相结合,得到时域、空域以及时空的数据的融合算法,这将在移动机器人中的目标识别中大大提高识别的效果,使我们的移动机器人系统具有很好的容错的能力。同时本文还提出了基于模糊综合的目标识别融合算法,对目标识别融合具有较好的效果。最后,本文对研究成果进行了总结,提出了论文研究中存在的问题,同时阐述了下一步将要研究的工作。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的来源和研究背景
• 1.2 国内外移动机器人信息融合及目标识别研究发展概况
• 1.3 信息融合的定义
• 1.4 不确定性信息分析概述
• 1.4.1 不确定性信息分析研究的主要内容
• 1.4.2 不确定性信息推理的基本问题
• 1.4.3 不确定信息推理方法分类
• 1.4.4 移动机器人的不确定性分析
• 1.5 本文研究的主要内容
• 第2章 基于多传感器的移动机器人目标探测
• 2.1 前言
• 2.2 远距离目标探测
• 2.3 近距离目标探测
• 2.4 非接触近距离目标探测
• 2.5 超声波传感器测距
• 2.5.1 超声波测距的工作过程
• 2.5.2 超声波传感器的硬件电路设计
• 2.5.3 超声波传感器测距数据的结果和标定
• 2.6 红外传感器测距的应用
• 2.6.1 红外传感器介绍
• 2.6.2 红外传感器探测系统芯片电路介绍
• 2.6.3 红外传感器探测系统硬件电路设计
• 2.6.4 红外传感器探测系统软件设计
• 2.6.5 红外传感器探测系统与上位机通讯的程序设计
• 2.7 超声波与红外传感器数据融合实验及结果分析
• 2.7.1 自适应加权融合算法
• 2.7.2 超声波与红外传感器数据融合实验
• 2.7.3 实验结果分析
• 第3章 基于多传感器信息融合的目标识别技术概论
• 3.1 数据融合的功能模型
• 3.2 数据融合的结构体系
• 3.2.1 集中式融合
• 3.2.2 分布式融合
• 3.2.3 混合式融合
• 3.3 数据融合的层次结构
• 3.3.1 数据层融合
• 3.3.2 特征层融合
• 3.3.3 决策层融合
• 3.4 融合过程
• 3.5 融合算法
• 3.6 目标识别的困难
• 3.7 目标身份识别信息融合结构
• 第4章 基于多传感器的目标识别融合算法
• 4.1 基于相似性系数的目标识别模型
• 4.1.1 目标识别的相似性数学模型
• 4.1.2 相似性数学模型的特点
• 4.1.3 决策
• 4.1.4 实验及结果分析
• 4.2 基于最大后验概率的目标识别融合
• 4.2.1 实验及结果分析
• 4.3 基于D-S证据理论的目标识别融合
• 4.3.1 D-S证据理论
• 4.3.2 基本概率分配函数的构造法
• 4.3.3 证据理论决策融合规则
• 4.3.4 实验及结果分析
• 4.4 改进的D-S证据理论的目标识别融合
• 4.4.1 互不相容数据结构的递归目标识别的时域融合
• 4.4.2 传感器的空域递归目标识别融合
• 4.4.3 相容数据结构的目标识别时/空融合
• 4.4.4 改进的D-S证据理论实验及结果分析
• 4.5 基于模糊综合的目标识别融合
• 4.5.1 目标识别的决策模型
• 4.5.2 数据融合算法
• 第5章 总结与展望
• 5.1 研究成果回顾
• 5.2 存在的问题
• 5.3 研究方向展望
• 附录
• 附录A 超声波上微机通讯电路图
• 附录B 红外传感器测距电路图
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文、获奖及参与项目
• 学位论文评阅及答辩情况表