基于多传感器检测及多数据融合的智能搬运车的控制方法技术

本发明专利技术公开了一种基于多传感器检测及多数据融合的智能搬运车的控制方法；该方法包括以下步骤：对双目深度相机进行参数标定及对红外、超声传感器距离校准；信息采集及预处理；将预处理得到的多源数据进行整合，搭建基于贝叶斯推理的数据处理模型，对多源数据进行重构，并根据权重进行数据融合；利用多源重构的数据，确定智能车与靶向目标的相对位置，对智能小车运动机械控制；通过双目实时图片以及智能小车速度数据，确定机械手抓取位置和靶向目标位置，反馈优化小车运动及机械手抓取位置。本发明专利技术利用多源数据融合算法提高大视场下多目标物理的精确识别，并控制机械抓手进行精准拾取，为智能无人车、功能分拣车等提供理论依据。功能分拣车等提供理论依据。功能分拣车等提供理论依据。

【技术实现步骤摘要】
基于多传感器检测及多数据融合的智能搬运车的控制方法


[0001]本专利技术属于智能自动驾驶小车
，涉及到一种基于多传感器检测及多数据融合的智能搬运车的控制方法。

技术介绍

[0002]在人工智能的大力加持下，智能车辆以基于智能车辆的自动化物流运输、智能生产车间以及生产组织系统已经成为主流企业的重点攻关设备。智能小车，是一个集环境感知、规划决策，自动行驶等功能于一体的综合系统，它集中地运用了计算机、传感、信息、通信、导航及白动控制等技术，是典型的高新技术综合体。随着智能化技术的日益成熟，全国电子竞赛及各大高校也积极投入人力对智能小车进行研究。智能车辆的主要特点是在复杂的道路情况下，能自动地操纵和驾驶车辆绕开障碍物并沿着预定的道路(轨迹)行进。
[0003]目前，主要依靠视觉手段，不断提高小车在场景中对三维物体、特征标记的识别精度及识别效率，如利用摄像机、激光雷达、超声等传感器对周围环境进行场景重构。然而单个传感器往往需要旋转采样或多角度拍摄，对硬件要求高，数据获取复杂，时间成本较大。因此考虑利用多传感器配合的方法，再开发相应的数据重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器检测及多数据融合的智能搬运车的控制方法，智能搬运车包括用于对周围场景、目标对象的图像信息、颜色信息、场地区域的位置信息采集的双目深度相机、用于检测高于智能车车身的较高边界或障碍物信息的红外传感器、用于检测矮小的目标物或者障碍的超声传感器、和用于抓取目标物体的机械手，其特征在于，包括以下步骤：S10：双目深度相机标定和红外、超声传感器距离校准利用标定物校订相机的畸变参数、内部及外部工作参数，并通过参考距离，校准红外及超声传感器测距；S20：信息采集及预处理信息采集包括双目深度相机全视场图像采集，以及相同位置条件下超声传感器超声信号以及红外传感器红外信号的获取；利用滤波算法，将图像信息、波形信息中的噪声预处理，对冗余信息进行剔除；利用离线训练方法，建立目标物及环境特征的权重参数模型，通过准确YOLOv5目标识别算法框架，实现双目摄像机下靶向目标的三维坐标信息以及障碍物轮廓信息；S30：多传感器多源数据重构及融合对于处理后的基于双目深度相机、红外传感器和超声传感器的多源数据进行异常点检测，去除异常信息，建立基于贝叶斯推理的数据预测模型，并根据数据选择格式的核函数，对多源数据进行重构，对重构的数据进行权重融合，从而确定靶向目标三维坐标以及靶向目标障碍物位置信息；重构及融合方法如下：R
k
(x)是矢量x∈R
d
的第k次检测结果，f(x)是假定的无误差测量值，R
k
(x)＝f(x)+N式中，N是符合平均值为0的正态分布函数.利用高斯建模机器学习建模，估计具有无偏差的预测值而可以用以下公式表示,式中是预测位置处对应的输出预测值,V和V
**
代表预测位置与输入位置之间的方差

【专利技术属性】
技术研发人员：王施相，孔令豹，王军华，徐敏，
申请(专利权)人：复旦大学，
类型：发明
国别省市：