简体中文
简体中文
English
注册
登录开发者平台
解决方案
行业解决方案
提供从智慧客房、智慧前台到智慧运营等酒店全场景品牌赋能,推进酒店行业数智化变革
一站式智慧照明系统解决方案,赋能企业快速实现人因照明、节能减排的智能化照明升级
综合应用智能化信息,令楼宇具有智慧和生命力,提供投资合理、安全高效、舒适便利的使用空间
快速实现数字化智慧办公空间,有效实现企业增效、降本和节能。
为连锁型品牌商业门店提供完善的管理系统, 提升门店效率
提供从租控授权、租务运营到园区管理等全方位租住解决方案,驱动租住行业智慧转型
融合全屋智能、地产社区等行业场景能力,提供居住空间丰富的产品矩阵和智能体验
IoT 助力校园场景智能化转型, 提升管理效率
全方位赋能开发者实现多场景智慧节能管理解决方案
以 IoT 平台助力中小制造企业, 实现降本、提质、增效
借助丰富硬件生态,一站式轻松构建安全可靠的私有化智能平台
海量成熟方案,超低研发门槛,极速落地产品智能化
开发者
与志同道合的开发者和专家共同交流
从初创企业到全球领先企业,涂鸦开发者平台协助实现客户成功。
快速获取并体验优秀的开发者案例产品
服务与支持
生态合作
成为涂鸦服务商,接入涂鸦的另一个选择,帮助更多开发者更快实现智能化
智能互联标识
携手开发者生态合作伙伴联合创新,持续创造互联互通商业价值
聚焦产业变革, 推动人工智能产业发展
智联万物,商者无界
安全与合规
严格遵守国内外信息安全标准和行业要求
诚邀安全业界同仁共同打造和维护物联网健康生态
支持
提供产品智能化开发全链路的常见问答
7×24一对一客服咨询
技术指导、故障修复以及问题解决
关于我们
全球化 IoT 开发者平台
探索涂鸦的故事
了解涂鸦的全球视野
涂鸦智能-产品解决方案|行业解决方案|全球智能化平台
涂鸦诚聘全球精英
智能轮椅现行技术维度分析
形状
455

图片94图片94

智能轮椅作为医疗护理领域的服务机器人,广泛应用于移动机器人技术中。智能轮椅研究中涉及的关键技术包括导航系统、控制能源系统和人机接口。然而,由于整个轮椅系统以人为本,研究的核心是轮椅的安全导航。所谓导航,是指移动机器人根据预先给定的任务命令和已知的地图信息制定全球路径规划,在行驶过程中不断感知周围的局部环境信息,独立做出各种决策,随时调整姿势,引导自己安全行驶到目标位置。

1.系统定位

智能轮椅定位,即环境信息获取,是指在运动过程中使用自己的传感器,在工作环境中实时确定相对于全球坐标的位置和姿势。

定位技术可分为两类:基于机器视觉的定位技术和基于非计算机传感器的定位技术。常用的定位方法包括光盘、惯性陀螺仪、磁罗盘、路标匹配等。每种方法都有自己的优点和局限性。在实际应用中,智能轮椅实际上采用了几种方法来提高定位系统的准确性和可靠性,但准确性与用户的正常使用有一定的距离。因此,如何提高定位的准确性和效率是未来需要研究的问题之一。

传感器的选择在定位中非常重要。根据不同的定位技术,传感器可分为视觉和非视觉传感器。目前,常用的传感器包括超声测距传感器、CCD摄像头、红外传感器、激光传感器、GPS等。由于超声避障实现方便、技术成熟、成本低,已成为智能轮椅的常用定位方法。多个超声测距传感器用于检测障碍物的距离,然后确定机器人的当前位置。

2.信息融合技术。

从传感器获得的信息不能保证完全可靠和正确,可能会导致实物误判或检测距离误差。此时,我们可以采用概率法、综合多观测法、多传感器信息融合法等,其中多传感器信息融合法的研究已成为近年来的热点。

所谓的信息集成可以广义地概括为这样一个过程,即根据既定的规则分析来自多传感器的数据和信息,结合成一个全面的情报报告,并在此基础上为系统用户提供需求信息,如:决策、任务、路线等。在传感器信息集成中,有必要使用多种传感器。多传感器信息集成技术显示了单个传感器无法比拟的优势。通过合成,您可以获得比任何单个输入数据更可靠的信息。

如何整合这些互补或冗余的传感器信息,并获得更全面地反映环境特征的信息方法尤为重要。研究中最关键的部分是信息集成算法的研究。人们提出了多种应用于不同系统的多传感器信息集成算法,可分为随机和人工智能两类。

(1)随机方法。

这种方法的研究对象是随机的。多传感器信息融合中经常采用加权平均法、统计决策理论、聚类分析法、小波变换法、Bayes推理法、Dempster-sharer证据理论、Kalman滤波融合算法等多种随机方法。

(2)人工智能方法。

近年来,多传感器数据集成的智能计算方法包括:模糊集合理论、专家系统、神经网络、粗体理论和支持向量机。其中,基于神经网络的各种传感器信息集成是近年来发展的热点。神经网络具有良好的容错性、层次性、可塑性、自适应性、联想记忆和并行处理能力,结合神经网络等方法研究信息集成技术,效果显著,形成研究趋势。例如,小波和神经网络、Kalman滤波器和神经网络、证据理论和神经网络、模糊聚类和神经网络、遗传算法和神经网络等。

未来的多传感器信息融合技术主要集中在算法的改进和新算法的出现、微传感器的开发和多层次的信息集成三个方面。

免责声明:凡注明来源的文章均转自其它平台,目的在于传递有价值的AIoT内容资讯,并不代表本站观点及立场。若有侵权或异议,请联系我们处理。
即刻开启您的物联网之旅
即刻开启 您的物联网之旅
遇到问题了么?联系专属客户经理在线解答