多信息融合式迹线跟踪和分支识别技术的研究

摘要

在对车辆进行自动引导，无人驾驶，迹线机器人和寻迹机等的应用领域，迹线跟踪和分支识别技术是最重要的关键和核心技术，而迹线跟踪和分支识别技术的核心就是如何获取精确可靠的迹线信息。
　　本设计在分析迹线跟踪研究现状的基础上，提出了多信息融合式迹线跟踪和分支识别技术的研究方法。系统设计了以微处理器STC12C5410AD为核心的迹线跟踪系统，选用了八个主动式红外传感器检测迹线信息，检测信息经过放大、滤波、A/D转换后送入单片机处理。信息处理中，建立了跟踪系统的BP神经网络模型，通过BP融合算法得到跟踪装置偏离迹线的方向和偏离程度，然后根据电机的转向速度和转向方向控制算法控制跟踪装置跟踪迹线。
　　在设计中，针对迹线的不同形状，研究了迹线分支识别的方法。对于迹线出现盲区的情况，引入了线性插值和二次插值插值得到跟踪装置的跟踪定位信息，并提出了迹线遗传信息的基本概念，用遗传信息通过回归算法估计迹线的趋势，结合实际检测信息可以快速做出控制决策，使跟踪更能适应外界环境。同时，提出了迹线信息的自学习技术，通过对特定迹线的自学习，跟踪装置可以重复跟踪迹线，也就是说跟踪装置具有迹线记忆功能。
　　经过相应的实验和MATLAB软件仿真，证明了系统的可行性，能获得较高的迹线跟踪精度。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 研究背景及课题来源

1.2 课题研究现状

1.3 课题的研究目的和意义

1.4 课题的研究内容

2 系统设计方案选择及其实现方法

2.1 系统方案选择及设计思想

2.2 迹线传感器的选取及安装

2.3 迹线多信息的融合处理

2.4 跟踪装置驱动控制方式选取

2.5 分支识别技术的研究

2.6 具有盲区的迹线处理方法

2.7 迹线信息的自学习

2.8 本章小结

3 迹线跟踪系统的硬件设计

3.1 微处理器的选取

3.2 迹线传感通道设计

3.3 跟踪装置控制设计

3.4 电源模块

3.5 人机接口设计

3.6 本章小结

4 BP神经网络的多信息处理及MATLAB仿真

4.1 BP神经网络结构及设计参数选择

4.2 BP神经网络的算法实现

4.3 BP神经网络的MATLAB函数

4.4 迹线跟踪系统的BP建模及MATLAB仿真实现

4.5 BP神经网络的局限性

4.6 本章小结

5 迹线跟踪系统的软件设计

5.1 系统主程序的设计

5.2 迹线信息自学习算法

5.3 跟踪处理程序的设计

5.4 迹线盲区的信息插值处理

5.5 滤波程序的设计

5.6 本章小结

6 系统调试与实验

6.1 系统实验平台

6.2 系统硬件调试

6.3 系统软件调试

6.4 系统调试中出现的问题

6.5 本章小结

7 总结和展望

致谢

参考文献