

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人類對(duì)于未知環(huán)境探索主要借助于移動(dòng)機(jī)器人,而提高移動(dòng)機(jī)器人對(duì)所處環(huán)境的適應(yīng)能力至關(guān)重要,因此移動(dòng)機(jī)器人的地面分類成為當(dāng)今研究的熱點(diǎn)。當(dāng)前地面分類方法主要基于激光雷達(dá)和視覺(jué),二者對(duì)于表面有覆蓋物的地面的識(shí)別能力較差,特別是基于視覺(jué)方法對(duì)于光線的要求較高。在光線不足的情況時(shí),基于振動(dòng)的地面分類依然能夠真實(shí)地反應(yīng)地面的特性,這對(duì)提高移動(dòng)機(jī)器人的自主移動(dòng)性能十分重要。所以本文將從地面特征提取和分類器設(shè)計(jì)兩方面展開研究。
首先,搭建實(shí)驗(yàn)
2、數(shù)據(jù)采集平臺(tái),采集移動(dòng)機(jī)器人以六種速度勻速穿越五種地面時(shí)相互作用所產(chǎn)生的振動(dòng)信號(hào),對(duì)采集到的原始振動(dòng)信號(hào)進(jìn)行分段,為下一步的地面特征提取和分類做準(zhǔn)備。
其次,本文采用小波包變換對(duì)振動(dòng)信號(hào)進(jìn)行處理,主要考慮到小波包變換在處理局部信號(hào)細(xì)節(jié)有較好的效果;應(yīng)用小波包主成分法和小波包對(duì)數(shù)能量熵法提取地面特征,其中小波包主成分法主要采用特征評(píng)估法對(duì)幅值特征進(jìn)行評(píng)估以及主成分分析。
最后,對(duì)于一對(duì)一SVM多分類,當(dāng)所得票數(shù)最多的類
3、別超過(guò)兩種以上時(shí),存在無(wú)法分類問(wèn)題;對(duì)于有向無(wú)環(huán)圖SVM(DAGSVM)多分類,存在錯(cuò)誤向下積累問(wèn)題,良好的分類路徑是解決該問(wèn)題的關(guān)鍵。針對(duì)存在的問(wèn)題,本文采用SVM與k-近鄰法(kNN)聯(lián)合算法,有效地解決一對(duì)一SVM和DAGSVM存在的不足,提高二者的實(shí)用性。采用基于小波包的兩種特征提取方法、kNN算法以及 SVM與kNN聯(lián)合分類算法分別對(duì)五種地面進(jìn)行分類,并對(duì)分類結(jié)果進(jìn)行比較與分析。
所采集數(shù)據(jù)的分類結(jié)果驗(yàn)證了本文所提特
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于EMD與ELM的機(jī)器人地面分類研究.pdf
- 基于SVm-KNN的文本分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于案例推理和SVM-KNN的電能質(zhì)量擾動(dòng)分類方法研究.pdf
- 基于振動(dòng)信號(hào)的輪式機(jī)器人地面分類方法研究.pdf
- 基于改進(jìn)的SVM-KNN算法的中文網(wǎng)頁(yè)層次式分類.pdf
- 基于網(wǎng)格尋參優(yōu)化SVM-KNN算法的老人跌倒檢測(cè)研究.pdf
- 基于SVM-KNN的商業(yè)銀行信用風(fēng)險(xiǎn)模型研究.pdf
- 基于半監(jiān)督的SVM-KNN及其在入侵檢測(cè)中的應(yīng)用.pdf
- 基于KNN-SVM的指紋分類方法研究.pdf
- 雙臂手移動(dòng)機(jī)器人地面行走的研究.pdf
- 基于小波變換和SVM的織物疵點(diǎn)檢測(cè)與分類.pdf
- 空間機(jī)器人地面遙操作的關(guān)鍵技術(shù)研究.pdf
- 移動(dòng)機(jī)器人地形分類的視覺(jué)方法研究.pdf
- 基于小波變換與SVM分類器的人臉識(shí)別方法研究.pdf
- 應(yīng)用于心電圖分類的KNN和SVM分類器研究.pdf
- 基于激光測(cè)距的機(jī)器人地圖創(chuàng)建與定位研究.pdf
- 雙臂空間機(jī)器人地面氣浮仿真系統(tǒng)的位姿控制.pdf
- 基于小波與SVM技術(shù)的皮鞋缺陷分割.pdf
- 空間艙內(nèi)機(jī)器人地面實(shí)驗(yàn)平臺(tái)的總體設(shè)計(jì)與控制技術(shù)研究.pdf
- 雙臂手移動(dòng)機(jī)器人地面行走運(yùn)動(dòng)控制研究.pdf
評(píng)論
0/150
提交評(píng)論