無人搬運車之多重感測資訊融合與環境模型之建立

Abstract

為了在未知或不確定的環境中有效率的行動，自走式機器人(Autonomous Mobile Robot)必須從不同的感測器(Sensor)中取得資料並將其融合成整合之表示，以便提供 較佳的資訊來建立一個穩健的環境模型(World Model) ，進而提供來做路徑規劃 (Path Planning) 。 在本論文中，針對超音波感測器(Ultrasonic Sensor) 波束角(Beam Opening Angle) 的問題，吾人提出了以類神經網路(Artificial Neural Network) 來對多個超音波感 測資料做融合，並成功地解決了這個問題。同時，一個關於此問題之數學模型也被推 導出來。此模型能完全地解決波束角在直邊物體上所造成的不確定性。另外，在能夠 利用影像處理取得物體邊角方位的假設下，進一步的感測資訊融合帶來了更準確的成 果。最後，吾人也發展了一套環境模型的修建方式，經由此方式將可建立一個穩健的 環境模型。 關於超音波感測資料的融合已經透過對實際感測資料的實驗而獲得驗證。而環境模型 的修建也經由未知環境的探索模擬實驗而證實了其穩健有效的特質。 最後，以無線電傳送的方式，吾人將可在SUN 工作站上取得自走式機器人的感測資料 ，進而構建出環境模型，然後再透過本實驗室已有的路徑規劃程式，最後將規劃出來 的路徑送給自走式機器人，成功地完成了系統整合的工作。