<menuitem id="37pxx"></menuitem>

        <b id="37pxx"><delect id="37pxx"><th id="37pxx"></th></delect></b>

        <menuitem id="37pxx"><delect id="37pxx"></delect></menuitem>

        机器人未知环境如何使用单目次优视差进行多模滤波目标跟踪算法

        资料大?。?/em> 0.73 MB

        所需积分: 0

        下载次数:

        用户评论: 0条评论,查看

        上传日期: 2019-03-28

        上 传 者: 易水寒他上传的所有资料

        资料介绍

        标签:卡尔曼滤波(88)算法(1009)机器人(8766)

          在未知环境下基于单目视觉的机器人同时定位、地图构建和目标追踪的耦合问题(SLAMOT)中,需要足够的视差才能满足目标跟踪的可观性条件。同时,针对目标运动的不确定性以及系统对于目标运动方式的未知性,提出一种基于次优视差的多模滤波目标跟踪算法。首先,采用目标不确定性椭球投影面积变化最大的方向为次优视差方向,并将其作为机器人视差控制方向;然后,采用多模滤波算法计算目标各种运动方式的概率;其次,对各运动方式的目标状态进行估计,最后根据各运动方式的概率加权估计出目标状态。另外,考虑到工程应用中应减小能耗,因此,在满足目标跟踪要求的条件下,降低视差速度。仿真实验表明:视差速度为0.3 m/s时,次优视差算法的残差均值为0.16m,而启发式算法、多模滤波算法、传统扩展卡尔曼滤波(EKF)算法的残差均值为0.25 m、0. 06 m和0.16 m。在视差速度较低时,所提算法也能满足目标跟踪的可观性条件,具有较强的工程应用价值。

          随着计算机和感知技术的不断发展,机器人领域逐渐成为学者们研究的热点。未知环境下机器人目标跟踪是指移动机器人在陌生环境中对运动目标的空间状态进行估计的过程。而目标状态估计是以移动机器人自身状态估计为基础的,要在未知环境中实现移动机器人自身状态估计,实际就是解决同时定位与地图构建( Simultaneous Localization andMapping, SLAM)问题。实际就是解决机器人SLAM问题。因此,未知环境F机器人目标跟踪所研究的是机器人同时定位、地图构建与目标跟踪( Simultaneous LocalizaTIon, Mappingand Object Tracking, SLAMOT) 问题,它能够实现机器人对自身状态、环境状态和目标状态的同时估计。

        用户评论

        查看全部 条评论

        发表评论请先 , 还没有账号?免费注册。

        发表评论

        用户评论
        技术交流、我要发言! 发表评论可获取积分! 请遵守相关规定。
        上传电子资料
        荣耀彩票