1. 河南科技大学机电工程学院
2. 智能数控装备河南省工程实验室
纸质出版:2023
移动端阅览
桂林, 颉潭成, 徐彦伟, 等. 基于多模态信息融合的四足机器人避障研究[J]. 传感器与微系统, 2023,(9):65-67+76.
桂林, 颉潭成, 徐彦伟, 等. 基于多模态信息融合的四足机器人避障研究[J]. 传感器与微系统, 2023,(9):65-67+76. DOI: 10.13873/J.1000-9787(2023)09-0065-03.
DOI:
为了准确判断跟随过程中的障碍物距离,提高四足机器人在复杂环境下的跟随能力,提出了一种基于卡尔曼滤波(KF)和多模态信息融合的四足机器人避障方法。首先,对传感器采集到的数据进行KF
降低数据中包含的噪声;然后,通过融合算法处理滤波后的数据;最后,将融合后的数据与实际的距离数据进行比较。仿真分析结果表明:传感器采集到的数据经过滤波和融合算法处理后,同真实距离的最大差值为0.5 cm
比融合前的数据更接近于真实距离值。所提出的四足机器人避障方法对含有噪声的数据有良好的处理作用,处理后的数据波动更小,能满足四足机器人的检测要求。
基于ROS的液压四足机器人避障规划研究[D]. 张宇涵.哈尔滨理工大学,2019(08)
基于多传感器数据的多场景机器人地图构建技术的研究与实现[D]. 童哲航.国防科技大学,2017(02)
分布式传感器采集传输系统的同步方法研究[D]. 王玉琼.东南大学,2017(12)
多模态数据融合的研究[D]. 戎翔.南京邮电大学,2012(07)
面向自动驾驶目标检测的深度多模态融合技术[J]. 张新钰;邹镇洪;李志伟;刘华平;李骏.智能系统学报,2020(04)
基于机器视觉的目标识别追踪算法及系统设计[J]. 杨宇;刘宇红;彭燕;孙雨琛;张荣芬.传感器与微系统,2020(04)
面向深度学习的多模态融合技术研究综述[J]. 何俊;张彩庆;李小珍;张德海.计算机工程,2020(05)
智能机器人的超声波避障技术研发及应用[J]. 吴翩卉;卢杜晓;罗忠辉;莫玲;肖苏华.机床与液压,2019(09)
多模态深度学习综述[J]. 刘建伟;丁熙浩;罗雄麟.计算机应用研究,2020(06)
自主移动机器人避障技术研究现状[J]. 晋晓飞;王浩;宗卫佳;王鹏程;王策.传感器与微系统,2018(05)
多传感器信息融合在四足机器人避障中的应用[J]. 张天;杨晨曦;朱颖;宋明辉;张地.传感器与微系统,2015(05)
基于传感器融合技术的电动汽车自动驾驶系统的开发[J]. 赵炯;王伟.制造业自动化,2013(09)
高精度传感器信息采集中的误差消除算法仿真[J]. 纪乃华;王颖洁;姚惠萍.计算机仿真,2013(04)
基于均方误差最小的卡尔曼滤波实用算法[J]. 齐公玉;邱卫宁.测绘通报,2009(07)
0
浏览量
327
下载量
2
CSCD
关联资源
相关文章
相关作者
相关机构