论文网
机器人类有关论文范文文献,与申请工学硕士学位文相关论文摘要
本论文是一篇机器人类有关论文摘要,关于申请工学硕士学位文相关大学毕业论文范文。免费优秀的关于机器人及算法及特征方面论文范文资料,适合机器人论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
初始值均为0).比如某栅格被检测到3次,那么其值则为.次数越多,表明该值的可靠性越高.同时在算法中,采用来加强合理值的影响.比如某一栅格具有合理值,值则为144,另一栅格具有噪音值,值则为9.可以看出,通过值来区分噪音似乎不是太明显,但是通过来判断的话,效果就好的多.然后可以通过设定阈值将噪音滤掉.5.2.2VFH算法阐述
VFH算法[54]构架如图5-3所示:
图5-3VFH算法构架
任意时刻机器人对外界环境的感知范围是有限的,并取决于所用传感器的有效测量范围.定义某一时刻机器人所能感知的最大范围为活动窗口(图5-4).它实际上是以机器人为圆心,声纳传感器所测范围为半径的圆形区域.但在本研究中,为方便算法的使用,将其简化为边长为的正方形区域.其中,是声纳传感器所能测的最远距离的两倍.
(一)栅格向量化
将活动窗口内的栅格向量化.该向量大小由下式确定:
而其方向取决于栅格与机器人中心点(VCP)
其中:,是正常数,
活动窗口内栅格的值
该栅格到机器人中心点(VCP)此刻机器人中心点(VCP)该栅格的绝对位置坐标
图5-4活动窗口说明
(二)活动窗口分区
若选择角分辨率,则分区后得到的区间总数.对于任意区间,有.其障碍密度可以由下式得出:.在本研究中.
由于值的离散性,可能导致障碍密度的过于稀散.因此要对其进行平滑处理:
(5-1)
(三)确定运动方向
通过式5-1可以得到活动窗口中每个分区的障碍密度.给定某一阈值,障碍密度低于该值的区域,称为"候选区".当有连续(实验中等于18)个候选区存在时,称它们为"宽谷",否则称之为"窄道".将这些连续候选区中最左边的一个区记为,最右边的一个区记为,则运动方向可以由下式子得出:
该文网址 http://www.sxsky.net/xie/070494975.html
5.2.3VFH+算法阐述
VFH+算法是在VFH算法基础上发展起来的[55],它充分考虑了机器人的大小尺寸对算法结果的影响.如图5-5所示,在VFH+中将栅格放大,取决于机器人的尺寸.为了进一步加强机器人运行的安全性,还要将机器人与障碍可以保持不碰撞的最短距离考虑在内.所以对于任意待研究的栅格其实际上被放大了,.
这样,扩大角满足:.对于任意分区,其在极坐标下的障碍密度为:.
当满足条件时,否则,.为了使机器人得到平滑的运动轨迹,像VFH中那样使用单一阈值来决定安全区域是不够的.在VFH+中,将采用与两个阈值.具体操作如下:
若,则,
若,则,
其他情况则.
图5-5障碍扩大示意图
在VFH+算法中,为了动态分析机器人的运动,将其轨迹分解成运动方向不变时的直线与方向改变时的弧线.该弧线取决于机器人的转动半径,与机器人的速度密切相关,速度越快,其旋转半径越大.如图5-6所示,假设机器人向左旋转时的转向半径为,右转时的转向半径为.A,B为两个障碍栅格.按上述方法将A,B扩大,假定A与机器人的左转向圆有重叠交叉,那么A与左转向圆覆盖的所有区域被认为是禁止通行区(blocked),B与转向圆无交叉现象所以只有其自身覆盖的区域为禁止通行区.在图5-6所示情况下,机器人将右转.
具体算法如下:
1)确定转向圆的圆心
2)计算障碍栅格到两转向圆心的距离
3)条件判断
若,机器人右方被阻,
若,机器人左方被阻.
图5-6算法示意图
通过对上述条件的对照比较可以得到两个极限角度,分布在机器人左右两侧.分别记为及.同时定义,表示机器人当前运动方向的反向.初始时刻令.对于活动窗口中任意栅格,在其值满足的情况下若位于左侧,右侧时,令,若位于左侧,右侧时,令.这样,根据及可以得到另一形式的柱状图(maskedpolarhistogram).该柱状图表明了机器人在当前速度下的可行方向.若且,表示该区域可行,其他情况下,表示该区域内不可行.
通常情况下,我们可以得到若干符合的组合.对于每个组合,记其左右边界分别为:和.若和间包含了以上个区间(为常量,本实验中取10),则称该区域为"宽域",否则称之为"窄域".窄域只提供一个候选方向且,转化为角度后为.而宽域可以提供三个候选方向:,以及.
,转化成角度为,
,转化成角度为,
此外,当目标方向满足时有,转化成角度为.
为选出最合适的运动方向,建立以下代价函数:
,其中:
,是用来计算两个区间和绝对角度差的函数.比如表示的是候选方向与目标方向间的差角,其值越大,机器人运动时偏离目标就越远,到达目的地的代价也就越高.表示的是候选方向与机器人行进方向间的角度差,该值越大,机器人转向变化越大.表示的是当前候选方向与前次所选方向间的角度变化,值越大,车轮转向变化越大,运动震荡越大.
所以权衡系数,及的选择至关重要,它们直接决定了算法的优越性.一般情况下应满足:.在本研究中,,.
注意到在上述讨论中主要是针对点障碍的.但是在有些场合下线特征更容易被提取,此时就需要考虑线状障碍.这样,在用VFH+算法时就应该做一些改动.
假定VFH+算法的主体思想不变,只是在对障碍物进行放大处理的时候做如下简单变动:
图5-7线障碍的扩大处理方式
如图5-7所示,将线障碍的端点看作时两个点障碍并按照原始的VFH+算法进行放大,然后整体考虑障碍将其放大.其中为该线障碍的长度.
5.3VFH+算法仿真
5.3.1仿真环境的创建
本研究过程中,分别对点障碍环境下以及线障碍环境下的VFH+算法进行了仿真实验.在Matlab环境下编制了用户界面来创建不同的仿真环境.
图5-8所示为创建点障碍环境的用户界面.表示为米的仿真环境.通过点击左侧"Type"下的按钮,用户可以随意设置起始点(startpoint),目标点(endpoint)以及环境中的点障碍(pointobstacle)如图5-9.在这个过程中,若需要对已有的特征等进行移动或删除处理,则需要先点击"Operation"下的"Move"或"Delete"按钮,然后做相应的处理.当起始点,目标点以及点障碍全部输入完毕之后,点击左下角的"Save"来保存.若想调用已存的仿真环境,点击左下角"Load"按钮即可.
图5-8点障碍环境创建界面
图5-9点障碍环境示例
图5-10所示为创建线状障碍环境的用户界面,同样表示为米的仿真环境.通过点击左侧"Type"下的按钮,用户可以随意设置起始点(startpoint),目标点(endpoint)以及环境中的线状障碍(landmarks)如图5-11所示.在这个过程中,若需要对已有的特征等进行移动或删除处理,则需要先点击"Operation"下的"Move"或"Delete"按钮,然后做相应的处理.当起始点,目标点以及线障碍全部输入完毕之后,点击左下角的"Save"来保存.若想调用已存的仿真环境,点击左下角"Load"按钮即可.
图5-10点障碍环境创建界面
图5-11线状障碍环境示例
5.3.2仿真结果说明
在如图5-9,图5-11所示仿真环境中运用VFH+算法,结果如图5-12,5-13所示.机器人从出发点到目的地的过程中,检测到障碍,然后运用VFH+算法避障后前行.
图5-12点障碍环境下仿真结果
图5-13线障碍环境下仿真结果
实验中发现:随着机器人的移动,传感器不断的采样,环境信息会越来越大,这不仅会溢出存储器容量,而且对环境信息的处理时间会越来越长,这将不能满足实时性的要求.因此必须对环境信息进行
机器人类有关论文范文文献,与申请工学硕士学位文相关论文摘要参考文献资料：