《基于人工神经网络多传感器融合技术的机器人研制(共12页).doc》由会员分享，可在线阅读，更多相关《基于人工神经网络多传感器融合技术的机器人研制(共12页).doc（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上项目类别学科代码项目编号图象处理510.8050南京工程学院科研基金项目项 目 申 请 书 学 科 门 类： 电子、通信与自动控制技术 项 目 名 称： 基于人工神经网络多传感器信息融合技术 的机器人研制 项目 负责人： 陈 巍 所 在 部 门： 工程基础实验与训练中心 填 表 日 期： 2011年9月10日 南京工程学院制填 表 说 明1.申请书为南京工程学院科研基金项目的主要文件，一经批复，即作为立项依据。各项内容须认真填写，表内栏目不能空缺，无此项内容时填“/”或“0”。2.申请书各项内容应实事求是，表达要明确、严谨。外来语要同时用原文和中文表达，第一次出现的缩
2、写词，须注出全称。“项目名称”字数不超过25个字。3“学科代码”，请使用国家技术监督局于1992年11月1日发布的学科分类与代码（GB/T13745-92）。4.封面上的学科门类填该项目所属的一级学科， 项目基本信息表上所属学科填该项目所属的学科领域，即三级学科，没有三级学科的填到二级学科。封面右上角的项目类别和学科代码与项目基本信息表相同。封面右上角的项目类别和学科代码由申请者填写。5.人才计划指获得校级及以上人才工程培养计划者。6.申请书及附件等书面材料均用A4纸双面打印，左侧2钉装订，封面装订为纸质，请勿用其它封面及装订形式。 专心-专注-专业一、项目基本信息：项目概况项目名称基于人工神
3、经网络多传感器信息融合技术的机器人研制项目类别AA.创新基金项目 B.青年基金重点项目C.青年基金一般项目D 引进人才科研启动基金项目研究类别BA.基础研究B.应用基础申请经费6.9万元学科代码510.8050学科名称机器人控制起止年限2011年10月至2013年10月项目负责人姓 名陈 巍性 别男出生年月1970年9月身份证号x学 位硕 士学位授予学校/时间复旦大学/2006年职称副教授人才计划联系电话（手机）E-mailChenwei-nj所在学科/研究方向电子技术/自动控制技术所在单位所在部门工程基础实验与训练中心参加单位工程基础实验与训练中心/项目组总人数高级中级初级博士生硕士生参加单
4、位数8260171主要参加人员姓 名职 称学 位学科专业工作单位项目分工签 名殷埝生副教授硕士自动化实训中心系统设计优化王善华讲 师硕士自动化实训中心视觉图像处理 童 桂讲 师博士机电技术实训中心模板匹配算法冯 虎高 工硕士机电技术实训中心机械本体设计钱厚亮讲 师硕士自动化实训中心视觉定位算法陈国军实验师硕士自动化实训中心实验调试陆欣云讲 师硕士电子技术实训中心场地构图卢松玉讲 师硕士电工技术实训中心人机交互系统设计与制作主要研究内容及技术指标本项目拟研制一台应用人工神经网络的多传感器信息融合技术的自主导航移动机器人，该机器人通过基于全景摄像头的视觉系统提供大量的场景信息，其它传感器(如激光雷
5、达，红外测距，超声波阵列等)提供大量的距离、范围及障碍物信息，通过采用人工神经网络算法将信息融合处理后给出更可靠的环境识别信息，完成自主导航从而实现动态决策与规划、行为控制与执行等一系列的功能。该机器人使用上下位机结构，上位机为 ARM9，下位机为 AVR 单片机，上下位机通过 UART 通讯。主题词（不超过3个）神经网络 信息融合 自主导航 二、立项依据（包括项目研究意义，国内外研究现状、水平和发展趋势，并附主要参考文献及出处）研究意义：动态决策与规划、行为控制与执行等一系列能力是自主导航机器人正常工作所必须具备的能力，而自主导航功能依赖于机器人对外部环境信息的获取，传统自主导航机器人一般通
6、过摄像头或者激光传感器等单一传感器获得机器人环境识别信息。随着机器人应用领域的不断变化，机器人所工作的环境与外部自然环境越来越接近，环境干扰越来越多，单一传感器获得的信息量不足已经给机器人自主导航造成了极大的困难，而随着各种各样传感器在机器人领域的运用，各传感器获得的信息量巨大，所包含的信息类型丰富，但是却难于有效提取，处理速度慢，噪声信息多，常常不得不降低处理的精度和可靠性，处理过程本身是非线性的而用线性逼近的方法存在很多困难，例如在图像复原处理上存在很多的病态逆矩阵。人工神经网络（artificial neural network，ANN）是由大量简单神经元广泛相互连接而成的非线性映射或自
7、适应动力系统，是在神经及脑科学的研究成果指导下建立起来的从结构上模拟人脑运行机理的物理模型，将此模型应用到进行机器人自主导航多传感器信息融合算法中不失为一个很好的选择。同时这种基于人工神经网络的导航技术将会催生具有高实时性匹配算法，该算法可用于其他实时性要求较高的应用场合，如卫星遥感图像特征匹配、行人人脸识别，网络重点特性图像识别，无人驾驶智能车，无人机等领域。国内外研究现状：当前机器人多是基于电子罗盘、超声波测距仪，红外传感器，里程计等提供的方向及位移等特征信息从而完成自身位置及环境信息的采集，该方法的优点是实时性好，易于处理但缺点是涉及的传感器多，噪声信息大，各传感器信息孤立，机器人不能自
8、主学习，出现错误后无法自己修正。所以近年来，国外部分研究机构开始尝试多传感器信息融合技术的研究，进而实现机器人错误的自我修正和自主导航。水平和发展趋势：移动机器人全景视觉的出现为机器人的自主导航开辟一条新路，但是全景视觉的分辨率不够和顶部的圆锥形反射镜采集远处物体的图像会有畸变等问题给机器视觉的实现带来了极大的难度基于全景视觉的机器人导航技术尚处于逐渐成熟与完善当中，在国内该技术尚未运用于实际的机器人的导航，同时由于计算机运算能力的局限及可视信息的不完整，目前多传感器融合技术还存在计算耗时较长和鲁棒性欠佳的情况。此项研究的进行，将注重于导航的实时性及神经网络算法多传感器信息融合技术研究。参考文
9、献： 1杨晶东 杨敬辉 洪炳镕 移动机器人视觉图像特征提取与匹配算法 第26卷第9期 计算机应用研究 2 HARR IS C, STEPHENS M. A combined corner and edge detectorC / / Proc of the 4 th Alvey Vision Conference. Manchester, UK: s. n , 1988: . 3 CROWLEY J L, PARKER A C. A rep resentation for shape based on peaks and ridges in the difference of low2pass
10、 transform J . IEEE Tran s o n Pa tte rn Ana lys is and Ma ch ine Inte lligence , 1984, 6(2) : . 4 LOWE D G. Districtive image features from scale2invariant keypoints J . In te rna tiona l Jou rna l o f Comp ute r Vis io n, 2004, 60 ( 2 ) :. 5 MUTCH J, LOWE D G. Object class recognition and localiza
11、tionusing sparse features with limited recep tive fields J . In te rna tio na l Jou rna l o f Compu te rVis ion, 2008, 80 (1) : 45257. 6 LOWE D G. Object recognition from local scale2invariant featuresC / / Proc of International Conference on Computer Vision. Wa2shington DC: IEEE Computer Society, 1
12、999: .三、研究目标、研究内容和拟解决的关键问题研究目标： （1）分析不确定环境中各种地理变化（轨道弯曲度，坡度变化，各种障碍物的形状变化），以此为基础完成识别上述变化的传感器的选择；（2）定量分析各传感器数据并建立数据库同时进行动态误差分析，其中着重研究机器人视觉系统，对全景视觉系统非线性全景畸变图像进行矫正，建立动态不确定环境下机器人的控制系统模型；（3）根据智能控制系统要求和传感器信息融合的形式，选择其拓扑结构；完成移动机器人的机械本体和电路的设计；（4）将各传感器的输入信息综合处理为一总体的输入函数，并将此函数映射定义为相关单元的映射函数，积极寻找相匹配的函数关系；（5）通过神经网
13、络与环境的交互作用把环境的统计规律反映网络本身结构；对传感器输出信息进行学习，理解，确定权值的分配，完成知识的获取信息融合，进而对输入模式做出解释，将输入数据向量转换成高层逻辑符号概念，完成实际不确定环境下机器人的自主导航。研究内容：（1）建模 通过分析环境的各种地理变化信息类型进行传感器的选择，并为各传感器建立动态数据库同时进行误差分析，研究机器人视觉系统，对全景视觉系统进行图像校正，在上述基础上建立不确定环境下的控制系统模型。（2）控制系统理论模型的研究 根据控制系统模型控制要求和传感器信息融合的形式，研究拓扑结构，进行实际的机械本体和电路结构设计。（3）自主导航算法的研究 将各传感器的输
14、入信息综合处理为一总体的输入函数，积极寻找相匹配的函数关系；通过神经网络对传感器输出信息进行学习，理解，确定权值的分配，完成知识的获取信息融合，从而确立具体算法完成实际不确定环境下机器人的自主导航。（4）实际物理研究 在自主导航算法的研究基础上，在完成机械本体和电路结构设计的基础上进行实际机器人的导航实验。研究各种不同的外部环境对机器人的影响。拟解决的关键问题：（1）全景图像处理：对非线性畸变的全景视觉图像进行矫正；对全景视觉里特征信息的提取；干扰噪声对图像影响的分析并采用一定算法进行噪声的去除，上述研究为机器人视觉实现的基础。（2）多传感器信息量大：多传感器采集的信息数据量是巨大的，与实时处
15、理和微处理器速度过慢产生了极大的矛盾；处理好上述矛盾成为设计的关键所在。（3）多传感器噪声处理算法：环境的不确定性和环境噪声对传感器的影响极大，各传感器如何预先除去环境噪声是神经网络算法的基础，各传感器输入综合处理的映射函数关系是否相互匹配也成为自主导航的关键。（4）神经网络的算法选择：人工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。目前，已有近40种神经网络模型，其中有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机、适应谐振理论等。进行人工神经网络算法的合理选择也是成功的基础。四、课题的研究方法、技术路线、实验方案及可行性分析研究方法及技术路线：总体上采
16、取理论分析，仿真检验及实际实验相结合的研究方法。在技术路线上由简单到复杂。个体模型由简单动力学方程到复杂动力学方程，由无物理尺寸到有物理尺寸；个体之间的作用由全部两两相互影响到只受部分临近个体影响，通讯结构由固定拓扑到动态拓扑，环境模型由静态到动态，由只有单一要素到多种要素并存。具体如下： （1）以控制系统理论作为研究的主要理论工具之一。目前已经有国内外学者应用了控制系统模型完成机器人控制系统的设计，取得了丰富的成果，但一般都局限在分析方面。申请者本人在以往的研究成果中已经积累了相当丰富的系统分析的成果。（2）针对多传感器信息融合问题。先研究单一传感器信息处理问题，再研究多传感器信息信息处理问
17、题；先研究质点模型，再研究刚体模型。（3）针对环境建模问题，先研究环境和所有个体传感器全局同步相互作用的情形，再研究环境和个体局部地异步相互作用的情形；先研究静态要素，例如固定环境情形，再研究动态要素如变化环境情形；先研究只有单一要素的情形，再研究同时包含多种要素，比如环境弯曲度和坡度变化情形。（4）针对物理实验研究，在实验室原有机器人的技术基础上改进外观设计，并编写适当的机器人控制算法进行实际物理实验的研究，以上方案是基于项目组以往积累的复杂动态系统研究成果，以及研发的智能机器人成果，并结合本项目的文献调研和先期初步工作结果的启示所形成的。实验方案： 总体实验方案神经网络分类算法图像处理实验
18、方案可行性分析： 五、项目创新点人工神经网络算法处理对多传感器信息融合的应用对机器人的实时不确定环境的自主导航是本项目的创新点，多传感器应用到机器人的自主导航中可以极大的提高机器人的环境识别的精度，但是会造成处理速度的变慢，不利于机器人的实时性，而人工神经网络的应用可以解决好上述的矛盾。本项目基于机器人机载全景摄像头所采集的视频图像，运用图像矫正方法及模板匹配技术，依靠多传感器的信息融合进行图像的识别也是本项目的一大创新。六、申请人及主要成员近三年以来与本课题有关的主要研究成果（含项目、获奖、论著等）本项目组负责人于2009年自动化技术杂志上发表悬挂物体运动控制系统一篇，该论文以51 单片机为
19、控制核心，采用层次化和模块化的设计方法，通过两只电机控制悬挂载荷在面板上完成特定的运动。使用安装在悬挂载荷上的阵列反射式红外光电传感器对面板上给定的曲线进行PID闭环跟踪，为机器人定位提供了一种方法。本项目组负责人于2009年电脑与电信上发表基于MATLAB的数字信号处理实验的开发总结了用软件进行仿真的实验方法，为机器人视觉定位提出了仿真的方法。本项目组负责人在mechatronic systes and automation systes (EI检索)发表论文designing of solar cell panel sun chasing system on basis of MSP430
20、 micropower single chip microcomputer 该论文主要研究了机器人舵机在风能发电方面的应用。本项目组成员在科技信息杂志上发表时滞系统鲁棒性IMC-PID控制器的研究，该论文针对无精确性模型情况下的FOPDT对象，将内模控制算法引入PID控制器的设计，得到了很好的时效性。本项目负责人在2009年结题的我校校级课题基于pc平台的脑血管血流分析仪的研制过程中也积累了大量的理论和电路设计的经验，该项目在2009年我校结题的科研项目中获得优秀的等级。（见附件2）七、项目具备的研究工作条件和基础（包括前期研究工作基础，已有研究成果，现有的主要仪器设备、研究技术及协作条件等）
21、前期研究工作基础和已有的研究成果：本项目组负责人在2010年完成擂台赛竞赛机器人群的设计和制作，该机器人群采用各种传感器（检测自身位置、检测对手位置、检测自身姿态、检测擂台边缘等等）、多个控制器（控制整个机器人的行为和策略），多个执行器（行走、击打、辅助等）。并且根据比赛规则，通过机械、电子、策略等各方面的创新设计，来达到在对抗竞赛中压倒对手的目的。该机器人群在2010 年中国机器人竞赛中获得冠军称号。现有的主要仪器设备、研究技术及协作条件：机器人创新实验室已有100M示波器10台，电脑10台，机器人模拟舵机和数字舵机以及总线式舵机多个，机器人控制板2块（基于AVR和基于ARM的控制板各一），
22、同时我校的机器人实验室正在进行中，应该可以为本项目提供物质上的保证。实验室把机器人控制作为重要发展方向，项目组所在团队属于是实验室骨干科研团队。本机器人创新实验室 2010年获得校级建设40万元的自主经费支持，用于机器人相关课题的前期研究工作。从 2011 年开始，学校将持续保持相当力度的支持。 本项目要进行物理实验研究，要进行机器人的设计和制作，室内外物理实验，包括过程的数据采集记录，事后分析等工作。八、项目进度安排、达到的目标和预期进展2011年10月-2011年12月进行环境分析及全景摄像头等传感器的选型和全景图像处理分析和研究；2011年12月-2012年3月矫正非线性畸变的全景视觉图
23、像；2012年3月-2012年6月传感器误差分析及数据库的构建；2012年6月-2012年10月机械本体和电路设计的完成；2012年10月-2013年4月多传感器融合及人工神经网络算法的研究2013年4月-2013年7月完成神经网络算法的优化，使该方法能投入实际的机器人的设计和制作，并研究在不同环境下的机器人的自主导航。本项目组希望能在机器人的自主导航算法中获得突破，希望经过2年的研究将不确定环境下的机器人导航技术能在国内处于较为领先的水平。并希望能该项目的理论和实践应用到其他的领域，例如无人驾驶智能车或者是无人飞机的领域中。九、预期研究成果、考核目标1、将该项研究成果用于实际机器人的设计和制
24、作，制作一台自主导航机器人。2、发表SCI检索期刊论文1篇及EI检索期刊论文3篇。省部级以上论文2篇。3、发明专利1项。4、将该项研究成果用于竞赛机器人的设计和制作，获得国家级竞赛一等奖10项。 十、经费概算： 支 出 科 目金 额计 算 根 据 及 理 由高精度摄像头2.2购买2只工业级高精度摄像头机器人本体机械结构设计制作和电路设计制作2.8机械结构设计制作和控制核心板的设计制作外校调研0.2激光雷达、超声波阵列等传感器1.5其他0.2总经费6.9万元，其中申请经费 6万元，自筹0.9万元所在部门意见（课题的意义、课题负责人及成员的学术水平，填报内容的真实性，完成本课题的条件，履行项目承担单位的管理职责等） 部门（盖章） 负责人（签名）： 年 月 日 专家评审组意见： 专家评审组负责人： 年 月 日学校意见： 年 月 日项目负责人承诺我确认本申请书及附件内容真实、准确。如果获准立项，我将严格按照本申请书的规定，认真履行项目负责人职责，积极组织开展研究工作，合理安排研究经费，按时报送有关材料并接受检查。若申请书内容失实或在项目执行过程中违反有关规定，本人将承担全部责任。 负责人签字： 20 年 月 日