未知環(huán)境中移動機(jī)器人目標(biāo)搜索方法的研究.pdf

1、機(jī)器人技術(shù)體現(xiàn)了當(dāng)代科學(xué)技術(shù)的發(fā)展程度，被譽為“當(dāng)代最高意義的自動化”,其研究涉及多門學(xué)科，涵蓋了眾多的研究領(lǐng)域。隨著應(yīng)用領(lǐng)域的不斷深入，對移動機(jī)器人的智能性要求也越來越高，因此，移動機(jī)器人必須能夠面對復(fù)雜的、動態(tài)的、未知的環(huán)境，具備自主環(huán)境探索和目標(biāo)搜索的能力。在移動機(jī)器人目標(biāo)搜索理論和方法的研究中，確定性環(huán)境的目標(biāo)搜索已取得了大量的研究和應(yīng)用成果，但對未知環(huán)境的目標(biāo)搜索尚未形成統(tǒng)一和完善的體系結(jié)構(gòu)，還有很多關(guān)鍵理論和技術(shù)問題有待完善

2、和解決。本學(xué)位論文借鑒人類的搜索經(jīng)驗，將復(fù)雜度概念應(yīng)用到移動機(jī)器人目標(biāo)搜索任務(wù)中，提出了一種基于場景復(fù)雜度的目標(biāo)搜索方法。
　　首先，通過分析影響場景復(fù)雜度的主要因素，給出融合圖像和激光深度信息的場景復(fù)雜度形式化定義。對于場景圖像復(fù)雜度的計算，先分別計算出圖像的紋理特征、顯著性區(qū)域和邊緣比率，然后將各個部分加權(quán)整合為歸一化的復(fù)雜度數(shù)值；對于場景深度復(fù)雜度的計算，將激光深度數(shù)據(jù)的變異系數(shù)和均值作為復(fù)雜度評價因子，并對它們進(jìn)行歸一化處

3、理。
　　其次，提出了一種基于場景復(fù)雜度的環(huán)境探索方法。該方法對各個場景按復(fù)雜度進(jìn)行篩選來確定待探索場景，然后根據(jù)場景深度信息確定該場景的待探索點。同時，針對探索過程中的SLAM問題，本文提出了一種改進(jìn)的粒子濾波SLAM算法，通過自適應(yīng)重采樣方法改善了重采樣過程。
　　最后，結(jié)合環(huán)境探索和目標(biāo)檢測，實現(xiàn)了基于場景復(fù)雜度的目標(biāo)搜索方法。該方法在場景復(fù)雜度計算過程中增加了目標(biāo)似然度，使得搜索過程更加明確。在目標(biāo)檢測方面，提出了一