已知狭窄空间地形图建立的多层融合算法研究 | |
刘国良 ; 孙增圻 ; Liu Guoliang ; Sun Zengqi | |
2010-07-15 ; 2010-07-15 | |
会议名称 | 2005年中国智能自动化会议论文集 ; 2005年中国智能自动化会议 ; 中国青岛 ; CNKI ; 中国自动化学会智能自动化专业委员会、中国科学院自动化研究所 |
关键词 | 已知狭窄空间 地形图 信息融合 超声波传感器 移动机器人 Known Confined Space,Map,Information Fusion,Ultrasonic Sensor,Mobile Robot TP242 |
其他题名 | Multi-layer Fusion Algorithm for Building Map for Mobile Robot in Known Confined Space |
中文摘要 | 移动机器人利用超声波传感器在狭窄空间中导航,超声波传感器的镜面反射问题非常严重,使移动机器人不能正确地认识周围的环境。针对已知狭窄空间,本文在移动机器人进行导航之前使用超声波传感器来建立一个准确的环境地形图,然后让移动机器人记住这个地形图。这个地形图在移动机器人完成规定任务时,例如路径规划、避障等,能够提供可靠的周围环境信息,不需要机器人随时检测周围环境的情况,从而节省了处理器的时间,并避免了现场局部检测的不确定性问题。在建立地形图过程中使用了一种多层融合算法,该算法通过在数据层融合中使用D-S证据理论,在决策层融合中使用意见一致性理论,有效地减少了由于超声波传感器镜面反射所引起的不确定性。最后,实验证明了新方法的有效性。; When mobile robots navigate in a confined space, the problem arising from specular reflection of ultrasonic sensors is so serious that mobile robots can’t recognize their surrounding environment correctly. If the environment is known, we build its map with ultrasonic sensors in advance before navigation is performed, and then let mobile robot memorize this map. This map can provide reliable information about the environment and mobile robots don’t need to sense the environment any longer when mobile robots perform tasks. A multi-layer fusion algorithm is proposed for building maps. Uncertainties arising from specular reflection of ultrasonic sensor are successfully reduced by using Dempster-Shafer evidence theory into data-level fusion and by using consensus theory into decision-level fusion in this algorithm. The experiment results indicated that the multi-layer fusion algorithm improved the performance of ultrasonic sensors.; 国家高技术发展计划(2003AA118402); 国家重点基础研究基金(G2002cb312205); 国家自然科学基金(60174018,60305008,60334020,90205008)联合资助 |
语种 | 中文 ; 中文 |
内容类型 | 会议论文 |
源URL | [http://hdl.handle.net/123456789/69066] ![]() |
专题 | 清华大学 |
推荐引用方式 GB/T 7714 | 刘国良,孙增圻,Liu Guoliang,等. 已知狭窄空间地形图建立的多层融合算法研究[C]. 见:2005年中国智能自动化会议论文集, 2005年中国智能自动化会议, 中国青岛, CNKI, 中国自动化学会智能自动化专业委员会、中国科学院自动化研究所. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论