信息采集智能车系统设计与实现

在现代社会生活中,信息采集智能车在环境监测、生态研究、地质勘探等诸多领域发挥着重要作用。该文基于ESP32微处理器设计和开发具有自动避障和语音控制功能的信息采集智能车系统,通过在智能车系统搭载多传感器信息采集模块,实现不同位置环境信息的实时采集、传输与显示。经过实际测试,验证系统功能完善,易于使用与扩展。

基于产生式规则多传感器数据融合方法的移动机器人避障

在分析机器人多传感器数据融合技术的基础上,采用基于产生式规则的分布式多传感器数据融合方法,设计了面向多路不同类反射式传感器的数据融合规则库和移动机器人的避障决策规则库,并利用VisualC++编程实现了二级规则库及推理机制,在移动机器人平台上进行了实验。设计了不同场景的室内环境,结果机器人都能有效避免碰撞。实验表明多传感器信息融合能够在不提高单个传感器性能要求的情况下较好地改善移动机器人的自主避障能力。

基于传感器数学模型的数据融合方法及避障研究

文章介绍了超声波传感器测距中存在的问题,提出了基于传感器数学模型的数据融合方法,在此基础上建立基于信息融合的移动机器人导航系统;结合模糊逻辑控制的方法,设计了符合人类驾驶经验的模糊控制器,以实现移动机器人在障碍物环境下的自主导航;最后用MATLAB模糊工具箱对该模糊控制器进行了仿真,结果表明,机器人能够自主避开障碍物,到达目的地。

多传感器数据融合在小车避障上的应用

介绍了多传感器数据融合技术的基本原理,研究了它在小车自主探测避障上的应用,并给出了基于六个超声波检测模块的自主探测避障小车的硬件设计以及软件设计。经过实物测试反映,该方案能够满足小车自主探测避障的需求,精准度更高。

基于多传感器数据融合的智能小车避障的研究

针对智能小车避障问题,提出了一种将模糊逻辑和神经网络相结合的融合方法—Takagi-Sugeno(T-S)模糊神经网络方法。基于此方法的数据融合算法应用在智能小车避障运动中,采用多只超声波传感器和红外线传感器探测障碍物的距离和方向,采集的各种数据利用T-S模糊神经网络进行融合。通过实验仿真表明:此方法能够使智能小车对障碍物的灵活避障和导航行进。

无人机巡检架空输电线路自主避障导航算法研究

随着无人机技术的发展,无人机被广泛应用于高压输电线路进行巡检,但受到环境因素的影响作业人员对无人机的控制难度较大,甚至导致无人机撞向输电导线或者铁塔引发电力事故。因此,提高无人机的自主巡航能力是无人机巡检高压输电线的重要技术,基于此,本文提出一种基于模糊神经网络多传感器数据融合方法,实现无人机对架空输电线路的自主避障导航。该方法首先将需要巡检的输电线路的坐标信息输入无人机飞控系统,实现通过铁塔坐标对无人机进行全局导航,而在局部则采用虚拟势场法实现对无人机自主避障。对于多传感器数据分析,本文将模糊神经网络结合模糊聚类的方法进行改进提出一种多传感器数据融合算法,实现对无人机周围环境的准确采集,从而实现对无人机巡线的自主避障导航。最后构建仿真实验平台,对无人机寻线自主避障导航进行模拟实验,从而验证了该算法的可行性。

基于多传感数据的多移动机器人协同避障算法

移动机器人按照规划轨迹运行时,机器人容易碰撞障碍物,避障路径运行时间较长。为提高避障成功率,提出基于多传感数据的多移动机器人协同避障算法。转换传感器坐标系至机器人坐标系,配准传感器信息时间和空间。融合多传感器量测数据,采用蚁群算法规划多机器人协同避障路径,执行最优避障路径。生成多个器人运行空间地形图,实现多机器人协同避障。实验结果表明,该方法提高了多机器人协同避障成功率,缩短了避障路径运行时间。

基于多数据融合的智能定位传感器避障算法研究

在智能定位传感器内增加避障算法,可使机器人拥有自动躲避障碍的能力,该文基于多数据融合设计智能定位传感器避障算法。设置激光雷达测距和超声波测距作为多传感器障碍检测的方法,获取机器人当前位置与障碍点坐标的相对几何关系,计算机器人与障碍点位置的距离,定位路面障碍点,对2种传感器收集到的数据进行多元障碍定位信息的加权融合。设置智能机器人避障轨迹目标函数以及约束条件,设计机器人避障算法,得到基于定位传感器的机器人避障方法。实验结果表明,在简单环境及复杂环境下机器人均未与障碍物相撞。在运行轨迹中随机放置障碍物,机器人能够及时完成运行轨迹的变化。由此可见,该避障算法具备较好的应用前景,可应用于各种智能机器人中。

基于STM32智能小车集成控制系统设计与实验研究

设计开发基于STM32F103ZET6嵌入式微处理器的智能小车控制系统。阐述集成控制系统的硬件总体框架、各模块电路设计、软件程序工作流程和相应控制程序,并利用Matlab/Simulink工具箱进行小车运动控制算法仿真实验,以确保系统的稳定性和可行性。避障实验结果表明,智能小车样车的集成控制系统可以实现自主避障。

无人机在室内环境中自主飞行与避障

为使无人机在室内、密林等无GPS或弱GPS信号环境下实现自主飞行并避开飞行过程中的障碍物,基于无迹卡尔曼滤波的方法实现多种机载传感器数据融合,获得无人机飞行状态及周围环境信息;通过信息融合与单目摄像机目标检测等算法,使无人机避开飞行过程中的障碍物并按照顺序穿越特定障碍圈,实现无人机自主飞行与避障功能。在Airsim仿真平台随机生成的场景与现实环境中进行实验。结果表明,在仿真环境中无人机可在560s左右完成自主起飞,准确避开障碍物,依次成功穿越10个障碍圈并自主降落;在现实世界中,当环境发生变化时需调节参数,无人机才可完成穿越障碍圈的任务。

基于多数据融合的智能定位传感器避障方法研究

针对传统小车定位传感器控制效果差,导致小车避障能力不佳的问题。提出基于T-S模型模糊神经网络多数据融合的智能定位传感器避障方法。首先设计一个智能小车控制系统;然后将超声波传感器和红外传感器相结合应用于小车避障控制中,采用基于T-S模型神经网络信息融合算法对避障控制器的数据进行融合处理,以此提升智能小车避障控制效果。实验结果表明,对比于单一传感器,提出的多数据融合传感器的探测距离更加接近真实障碍物。基于T-S模型的模糊神经网络控制器的避障控制精度最高可达97.6%,避障精度较高,说明提出方法具备较好的控制效果,设计的智能小车能够准确安全地避开障碍物,具有一定的有效性和可靠性。