EDN China > 设计实例 > 工业电子 > 检测与传感 > 正文
? 2016博客大赛-不限主题,寻找电子导师,大奖升级??

四足机器人中多传感器信息融合的应用

张天?? 杨晨曦?? 朱颖?? 宋明辉?? 张地?? 北京理工大学 传感器与微系统?? 2015年07月08日 ?? 收藏1

4 仿真实验与结果分析

在完成上述准备工作后,笔者在Matlab 软件中进行仿真实验,仿真实验流程如图3 所示。

图3 仿真实验流程图
图3 仿真实验流程图

根据仿真实验流程图,在Matlab 中先对模拟出的目标位置信息进行卡尔曼滤波处理,如图4 和图5 所示,这里的目标指的是所测障碍物。首先,从图4 和图5 可以看出: 经卡尔曼滤波处理后的目标位置的估计值在前2 s 偏离真实值较远,从第4 s 以后,无论观测值如何波动,估计值曲线均能很好地跟踪真实值曲线,说明卡尔曼滤波算法起到了良好的滤波效果。

将融合处理前后,目标位置的估计值曲线和目标位置估计值的方差曲线分别置于同一幅图中,如图6 所示,通过对比反映STF 融合算法的优点。从图6( b) 中可以看出: 融合处理后,目标位置估计值的方差变小,说明融合处理后对目标位置的估计更加准确。从图6 中可以发现,融合曲线介于双目视觉传感器的估计值曲线和超声测距传感器的估计值曲线之间,且更加靠近准确度高的超声测距传感器的估计值曲线。

在本文所引文献中,实验验证环节均在具体的应用场景下进行,实验结果是移动机器人能够进行无碍行走,文中均未给出具体的测量精度。本文仿真实验的结果表明: 融合处理后,测量精度可达4.6 cm,满足了仿生四足机器人对测距的精度要求。

图4 双目视觉传感器系统的卡尔曼滤波
图4 双目视觉传感器系统的卡尔曼滤波

图5 超声测距传感器系统的卡尔曼滤波
图5 超声测距传感器系统的卡尔曼滤波

图6 融合前后目标位置估计值曲线和方差曲线的对比
图6 融合前后目标位置估计值曲线和方差曲线的对比

5 结论

为提高仿生四足机器人在复杂、动态环境下对障碍物位置信息的感知能力,本文针对仿生四足机器人在结构化路面上以Walk 步态行走的情况,将双目视觉传感器和超声测距传感器获取的障碍物距离信息进行融合研究。仿真实验结果表明: 滤波后的距离信息的估计值曲线很好地跟踪了真实值曲线,说明卡尔曼滤波算法发挥了出色的滤波作用; 与融合前相比,融合处理后的距离信息的估计值的方差明显减小,说明融合处理后获得的障碍物的位置信息更加准确,且测量精度为4.6 cm,满足了机器人的应用要求。

【分页导航】


上一页123下一页
?? ?? ??


打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

1.扫描左侧二维码
2.点击右上角的分享按钮
3.选择分享给朋友
?? ??

四足机器人? 多传感器信息融合? 卡尔曼滤波算法? 机器人避障?

相关文章

我来评论
美国的游客
美国的游客 ??? (您将以游客身份发表,请登录 | 注册)
?
有问题请反馈