【摘 要】
：
随着第四次工业革命浪潮的到来,智能产品已经进入人们的视野。移动机器人是机器人的重要组成部分之一。在移动机器人所涉及的关键技术中,一个重要的问题是机器人导航。其中,在未知的复杂环境中,SLAM（Simultaneous Localization and Mapping,同时定位与地图构建）技术在机器人工程中发挥着至关重要的作用。由于单个传感器只能检测到有限的信息,它们在智能产品中的应用仅限于发出简单
论文部分内容阅读
随着第四次工业革命浪潮的到来,智能产品已经进入人们的视野。移动机器人是机器人的重要组成部分之一。在移动机器人所涉及的关键技术中,一个重要的问题是机器人导航。其中,在未知的复杂环境中,SLAM（Simultaneous Localization and Mapping,同时定位与地图构建）技术在机器人工程中发挥着至关重要的作用。由于单个传感器只能检测到有限的信息,它们在智能产品中的应用仅限于发出简单的指令,无法实现真正的智能。同时,移动机器人通过使用多种传感器技术,可以更准确地感知周围环境。这种协同工作模式在移动机器人导航中起着至关重要的作用,已成为目前研究的热点。（1）针对单一传感器完成地图构建时,存在构建地图效果不佳。通过使用多种传感器和对Fast SLAM2.0粒子滤波器的改进,采用了一种新的自适应重采样技术,可以通过模糊逻辑实现粒子的动态调整,从而获得更精确的地图结果和高精度的地图。（2）定位准确性较差。通过优化Fast SLAM2.0算法来提高移动机器人的定位精度。（3）针对采样算法RRT（Rapidly-Exploring Random Trees,快速扩展随机树）的存在并不能保证得到的可行路径是相对最优的。采用一个椭圆采样方式来代替全局均匀采样。为了更好地满足移动机器人采样需求,应用A*算法的搜索策略,椭圆式搜索方法,可以实现更高效的结果处理,快速获得最优路径。（4）狭窄的空间使机器人很难找到路径,导致在寻找路径的过程中花费了大量的时间,RRT*算法对自由空间进行均匀采样,搜索树上会生成很多冗余的分支。对RRT*算法的采样过程进行改进,Informed-RRT*算法是对RRT*的采样过程进行优化得到的算法,通过精心设计的搜索流程和精确的路径规划,可以提高导航效率,获得更精确的最优解,最终到达预期目标位置。最后,设计了基于多传感器的移动机器人导航系统。通过软件模拟和实际测试,我们发现采用该方法可以提供更准确、更流畅的预测结果。将Informed RRT*算法与基于采样的局部路径规划算法有效结合,构建出更优的全局路径,使机器人更有效地自动避障,提高其安全性和效率,并通过实验验证了该方案的可行性和有效性,构建地图的精度约4cm,导航的精度提升0.20432282,希望通过提供可靠的参考依据,促进机器人技术的发展。
其他文献
社会保险作为社会保障制度的重要组成部分,与每个人的生活息息相关。而随着互联网的发展,人们对社会保险的关注度越来越高。如何在纷繁杂乱的数据海洋中快速获取社会保险知识成为人们迫切需要解决的问题。最近的研究中,知识图谱由于能够直观便捷的构建结构化知识体系而备受关注。而实体关系抽取能够从非结构化的文本中抽取结构化的知识表示,所以在知识图谱的构建过程中具有重要意义。因此,基于实体关系抽取的社保领域知识图谱构
随着数字化技术的发展,使用手术导航系统协助医生便捷精准地进行手术已经成为了一种重要的发展趋势。而注册技术是实现手术导航精准定位的关键,通过注册技术可以获得真实患者空间与虚拟图像空间的转换关系,使两者坐标系得到统一,实现虚实结合。目前,手术导航的注册方式主要分为:基于标记点和基于无标记点。其中,基于标记点的注册方式存在着标志物掉落、遮挡、无法识别等问题。为了避免以上缺陷,本文在研究方法上采用了基于无
复杂背景下红外目标检测是基于红外图像,对多种复杂场景进行分析与理解,获取兴趣目标类别与方位的计算机视觉技术。当前,复杂背景下红外目标检测主要面临两方面的问题,一是缺少相关数据集,二是模型收敛速度慢、检测精度低。针对上述问题,本课题采用深度学习方法对复杂背景下的红外目标检测技术进行了深入研究,主要工作如下:（1）构建了针对红外目标检测的网络模型。检测网络以YOLO系列模型为框架,采用CSPDark
近年来,区块链技术经历了飞速发展,从最初仅用于数字货币领域,到现如今为金融、医疗、教育、工业等多个领域带来全新的解决方案和发展机遇,区块链技术目前在全球范围内受到认可和深入研究。共识机制作为区块链技术的核心组成部分之一,是确保系统安全和可靠性的基石。共识算法性能的高低直接决定了整个系统的效率和可用性。因此,设计一个高效的共识机制对于提升区块链系统的性能和保障安全可信具有至关重要的意义。本文对区块链
图像着色的目标是将灰度图像中每个像素分配适当的颜色,以生成视觉信息更加丰富的彩色图像。该技术在数字艺术、医学成像和影视制作等领域具有广泛的应用前景。灰度图像在同一灰度值可对应多种颜色,这使得图像着色问题具有不确定性。如何生成合理的彩色图像是计算机视觉领域中一项具有挑战性的任务。随着计算机图像处理能力的提高和技术的不断进步,基于深度学习的图像着色研究也在生成图像的效率和颜色效果方面取得了进展。然而,
工业相机的成像元件大多是以电荷耦合元件（Charge Coupled Device,CCD）与互补金属氧化物半导体（Complementary Metal Oxide Semiconductor,CMOS）为主的传感器。此类传感器不具备颜色恒常性功能,在图像采集过程中,会因红外光线的串扰导致图像呈现出不正常的红色状态。现有的解决办法是在图像采集装置的镜头前端加一个红外截止滤光片,以此来消除图像采集
人类通信的本质是进行知识交换的过程。1953年Weaver提出了技术、语义、效能三层次通信模型,为现代通信系统的设计奠定了理论基础。随着人工智能的快速发展,通信设备的智能化水平和通信设备对外界的认知能力不断提高,为深入开展Weaver提出的第2层次的语义通信难题研究提供了可能,智能体语义通信也逐渐成为通信领域的一大研究趋势。现有的智能体通信工作主要集中在第1个层次,即通信符号如何准确传输,部分学者
随着深度学习与人工智能技术的不断发展,人机交互在当前已经不再是一个陌生的话题,为了有更好的体验,人脸表情识别成为一个新的研究热点。深度学习的出现取代了传统手工提取人脸表情特征的方式,使得人脸表情识别技术得到了飞速提升,残差网络的提出使人脸表情识别的表现更上一层楼,但是如何设计一个好的残差网络,以便更有效地提取人脸表情识别所需的特征,从而提高其准确性,仍然是当前研究的重点。针对上述问题,本文选用Re
通常要进行三维场景的构建需要真实环境的支持,室内环境的三维场景重建一般由激光雷达或视觉传感器完成,由于激光雷达成本高花费大,重建出来的结果缺少彩色信息,因此选用视觉传感器和SLAM系统,然而SLAM系统重建出来的地图依然是稀疏的场景地图,跟进工作无法继续。为了解决上述问题,本文主要利用多源传感器（深度传感器和IMU惯性传感器）融合的室内环境稠密三维重构方法,从而补充了缺失的室内环境数据,保证了正常
随着现代医学模式的转变和人们对健康概念的更新,人们也越来越关注口腔健康和口腔美观,如何快速培养合格的年轻外科医生是一项非常紧迫的任务。因此,本文所开发的基于力反馈的口腔临床虚拟教学系统（Oral Clinical Virtual Teaching System,OCVTS）可以缩短口腔医生手术训练周期,有利于缓解现阶段口腔医生短缺的局面,为满足人们对美好生活的需要具备重要的现实意义。本文研究内容如