安防监控机器人的移动定位技术研究
《基于多传感器融合的移动机器人定位系统研究》
《基于多传感器融合的移动机器人定位系统研究》一、引言随着科技的发展，移动机器人技术在工业、医疗、服务等多个领域得到广泛应用。
准确的定位技术是实现移动机器人自主导航、完成任务的关键。
传统单一的传感器在复杂环境下难以实现精准定位，因此，基于多传感器融合的移动机器人定位系统成为当前研究的热点。
本文将深入探讨基于多传感器融合的移动机器人定位系统的研究与应用。
二、多传感器融合技术概述多传感器融合技术是将多种传感器的数据通过一定的算法进行融合，以获得更加准确、全面的信息。
在移动机器人定位系统中，常见的传感器包括激光雷达、摄像头、惯性测量单元（IMU）、轮速传感器等。
这些传感器在不同的环境中具有不同的优势和局限性，通过多传感器融合技术可以互相弥补，提高定位的准确性和鲁棒性。
三、多传感器融合定位系统的组成与原理（一）系统组成多传感器融合定位系统主要由传感器模块、数据处理模块和定位算法模块组成。
传感器模块包括激光雷达、摄像头、IMU等，用于获取环境信息和机器人自身的运动信息。
数据处理模块负责对传感器数据进行预处理和特征提取。
定位算法模块则根据融合后的数据，采用合适的算法进行定位。
（二）工作原理多传感器融合定位系统的工作原理是：首先，各种传感器获取环境信息和机器人自身的运动信息。
然后，数据处理模块对传感器数据进行预处理和特征提取，包括去除噪声、校正畸变等。
接着，定位算法模块采用合适的算法对融合后的数据进行处理，得到机器人的位置和姿态信息。
最后，将定位结果输出给移动机器人的控制系统，实现自主导航。
四、多传感器融合技术在移动机器人定位中的应用（一）激光雷达与摄像头的融合激光雷达和摄像头是移动机器人定位中常用的两种传感器。
激光雷达可以获取环境的三维信息，具有较高的测量精度和距离分辨率；而摄像头则可以获取环境的颜色、纹理等视觉信息。
通过将激光雷达和摄像头的数据进行融合，可以实现更加准确的物体识别和障碍物检测，提高机器人的定位精度和鲁棒性。
智能安防监控系统中的多目标跟踪技术研究
智能安防监控系统中的多目标跟踪技术研究随着智能互联网技术的发展，智能安防监控系统也得到了越来越广泛的应用。
智能安防监控系统不仅能够保障公共安全，还可以提高企业、物业、家庭的安全保障能力。
在安防监控系统中，多目标跟踪技术起着至关重要的作用。
一、智能安防监控系统中的多目标跟踪技术智能安防监控系统中的多目标跟踪技术，主要是通过对多个目标的轨迹进行跟踪，实现对目标的实时监测、跟踪和记录。
多目标跟踪技术需要通过监控摄像头拍摄的视频流，对每一个目标的行为、轨迹进行实时跟踪和识别，从而为安防监控提供更为全面、精准的数据信息。
要实现多目标跟踪技术，在监控系统中需要采用一系列的算法和技术手段。
常用的多目标跟踪算法包括卡尔曼滤波算法、粒子滤波算法、最近邻跟踪算法、互相关算法等等。
这些算法的核心思想是基于目标的运动轨迹、特征信息等方面，对目标的行为进行分析和跟踪。
二、多目标跟踪技术的优势多目标跟踪技术的优势在于能够实现多目标的同时跟踪和监控。
传统的安防监控系统只能实现对单个目标进行跟踪和监测，难以满足实际需要。
而多目标跟踪技术就能够克服这一局限性，对多个目标的行为、轨迹进行全面的监测和分析。
这样就可以及时发现并预防安全事故的发生，更好地保障社会的安全和稳定。
同时，多目标跟踪技术还可以提高监控系统的效率和准确性，提高目标跟踪的精度和准确性。
三、多目标跟踪技术的应用场景多目标跟踪技术在安防监控系统中有着广泛的应用，涵盖了多个场景。
其中，包括以下几个场景：1.公共场所监管多目标跟踪技术可以应用于公共场所的监管与管理。
例如，地铁站、商场、机场等等地方都需要对人员和物品进行管理。
通过多目标跟踪技术可以实现对大量人员和物品的监管，及时发现嫌疑人和异常事件。
2.企业安防应用多目标跟踪技术可以帮助企业提高安全防范能力。
企业在生产经营过程中会有物品丢失、流失、盗窃等安全问题，通过多目标跟踪技术可以实现对物品和员工的全面跟踪和监测，减少安全事故的发生。
AGV移动机器人的五种定位技术介绍
AGV移动机器人的五种定位技术介绍AGV（Automated Guided Vehicle）移动机器人是一种自动导引车辆，能够在工业和物流领域进行物品运输和搬运任务。
为了准确定位AGV移动机器人的位置，可以采用多种定位技术。
下面将介绍五种常见的AGV定位技术。
1.激光定位技术：激光定位技术是一种通过激光扫描仪实现的定位方法。
它通过扫描周围环境并计算与物体的距离和角度来确定机器人的位置。
这种定位技术具有高精度和高可靠性的特点，适用于需要精确定位的场景，如仓库等。
2.视觉定位技术：视觉定位技术是一种使用摄像头和图像处理算法来确定机器人位置的方法。
它通过识别和匹配环境中的特征点或标志物来进行定位。
视觉定位技术具有较高的灵活性和适应性，可以适应不同环境和场景的变化。
3.超声波定位技术：超声波定位技术是一种使用超声波传感器来测量距离和方向的方法。
机器人通过发送超声波信号，并根据接收到的反射信号计算与物体的距离和方向，进而确定自身位置。
这种定位技术需要在环境中设置超声波信号源，适用于开放空间和室内场景。
4.地磁定位技术：地磁定位技术是一种通过检测地球磁场强度和方向来进行定位的方法。
机器人搭载磁力计和罗盘传感器，通过测量环境中的地磁场来确定自身位置。
地磁定位技术具有较高的稳定性和精度，适用于室内和地下场景。
5.惯性导航定位技术：惯性导航定位技术是一种使用加速度计和陀螺仪等惯性传感器来确定机器人位置的方法。
它通过测量机器人的加速度和角速度来计算和集成运动路径，并推算出位置。
惯性导航定位技术具有较高的实时性和灵活性，适用于复杂环境和短距离运动。
这些AGV定位技术各有优劣，可以根据不同的应用场景和需求选择合适的技术。
在实际应用中，也可以将多种定位技术进行组合和协同，以提高定位的精度和鲁棒性。
随着技术的不断进步，AGV定位技术将会越来越成熟和普及。
移动机器人定位方法概述
移动机器人定位方法概述摘要：介绍了当前自主移动机器人的定位方法研究现状，对相对定位和绝对定位做了概述，对绝对定位中主要的研究方法做了介绍，并对概率机器人学所采用的主要定位方法做了介绍。
关键词：移动机器人；相对定位；绝对定位；概率机器人学0 引言随着工业自动化的发展，生产加工的自动化程度越来越高。
机器人技术的出现和发展使传统的工业生产面貌发生根本性的变化。
移动机器人的定位是其执行其他任务的前提和基础，也是评价机器人性能的关键指标之一。
移动机器人定位是指机器人通过感知获取环境信息，经过相关的信息处理而确定自身及目标位姿的过程。
自主移动机器人导航过程需要回答3个问题：“我在哪里？”，“我要去哪里？”和“我怎样到达那里？”。
移动机器人定位技术就是要解决第1个问题。
准确来说，移动机器人定位的目的就是确定机器人在其运动环境中的世界坐标系的坐标。
根据机器人定位过程，可分为相对定位和绝对定位。
但在机器人定位过程中，单独地使用其中任何一个定位方式都不能很好地解决移动机器人的定位问题。
因而，在目前的定位技术中主要是将两者结合在一起，完成对移动机器人定位。
本文对相对定位技术和绝对定位技术分别进行概述。
1 移动机器人相对定位研究移动机器人的相对定位也称作位姿跟踪。
假定机器人的初始位姿，采用相邻时刻的传感器信息对机器人的位置进行跟踪估计。
相对定位法分为里程计法和惯性导航法。
1.1 里程计法（Odometry）在机器人的导航技术中，里程计法是使用最为广泛的定位方法。
在移动机器人的车轮上装有光电编码器，通过对车轮转动的记录来实现对机器人的位姿跟踪。
在位置跟踪中，机器人的当前位置是根据对它的以前的位置的知识而更新的，而这需要假定机器人的初始位置已知，并且机器人姿态的不确定性必须小。
通过这种方式来实现机器人定位的方法也成为航位推算法。
航位推算是一个累加过程，在这个逐步累加的过程中，测量值以及计算值都会累积误差，使得定位精度不断下降。
物联网环境中人体移动目标跟踪算法的使用方法与精度分析
物联网环境中人体移动目标跟踪算法的使用方法与精度分析随着物联网技术的不断发展，人体移动目标跟踪在环境监测和智能安防等领域中扮演着重要的角色。
在物联网环境中，通过利用传感器、摄像头和无线通信等技术，可以对物体的位置、行为等信息进行实时跟踪和监测。
本文将介绍物联网环境中人体移动目标跟踪算法的使用方法，并对其精度进行分析。
一、人体移动目标跟踪算法的使用方法人体移动目标跟踪算法主要包括目标检测、目标跟踪和目标预测三个步骤。
以下是该算法的使用方法：1. 目标检测目标检测是指在物联网环境中对目标进行识别和定位，常用的方法包括基于图像处理和机器学习的算法。
首先，需要获取图像或视频，并对其进行预处理，包括去噪、灰度化和图像增强等操作。
然后，可以利用传统的图像处理方法，如边缘检测、轮廓提取和特征匹配等，进行目标的初步检测。
此外，也可以采用深度学习技术，如卷积神经网络（CNN）和循环神经网络（RNN），训练模型进行目标检测。
2. 目标跟踪目标跟踪是指在物联网环境中对目标进行持续追踪，以获取目标的运动轨迹和状态等信息。
常用的目标跟踪算法包括基于卡尔曼滤波器和粒子滤波器的算法。
通过利用传感器和摄像头等设备获取目标的位置和速度等信息，可以使用卡尔曼滤波器对目标进行预测和跟踪。
而粒子滤波器则通过采样和重采样的方法，对目标的状态进行估计和更新，以实现目标的准确跟踪。
3. 目标预测目标预测是指在物联网环境中对目标的未来位置和行为进行预测。
常用的目标预测算法包括基于轨迹分析和机器学习的算法。
通过对目标的历史运动轨迹进行分析和建模，可以预测目标的未来位置和运动趋势。
此外，也可以利用深度学习技术，如循环神经网络（RNN）和长短期记忆网络（LSTM），对目标的行为模式进行学习和预测。
二、人体移动目标跟踪算法的精度分析人体移动目标跟踪算法的精度是评价算法性能的重要指标之一，其主要体现在目标的定位精度和跟踪稳定性两个方面。
1. 定位精度定位精度是指算法对目标位置的准确度，常用的评价指标包括平均定位误差和定位误差方差等。
移动机器人同时定位与地图构建技术研究
移动机器人同时定位与地图构建技术研究作者：郑丽楠来源：《无线互联科技》2013年第12期摘要：移动机器人同时定位与地图创建（SLAM）是实现未知环境下机器人自主导航的关键性技术，具有广泛的应用前景，也是目前机器人研究的热门课题之一。
本文针对近年来关于移动机器人同时定位与地图创建的研究工作进行了总结和分析，重点介绍了移动机器人SLAM 的问题描述、关键性技术、SLAM方法的发展现状及存在的不足。
关键词：移动机器人；同时定位与地图构建1 SLAM问题描述同时定位与地图构建（Simultaneous Localization and Mapping，SLAM）问题是指把移动机器人放在未知环境中，机器人依靠自身所带的传感器递增式地创建未知环境的连续地图，同时利用所建立的地图刷新自身的位置[1]。
在SLAM过程中，机器人需要构建环境地图，为的是精确定位，而环境地图的构建又由机器人在每个时刻的位置决定。
定位是为了确定移动机器人在其所处环境的全局坐标系中的坐标以及机器人本身的姿态，即移动机器人在全局坐标系中的位姿。
地图创建是为了得到移动机器人对其工作环境的一种描述，所使用的地图模型依据其工作环境特点的不同而不同。
近年来，SLAM问题为越来越多的专家学者所关注，并根据工作环境不同划分为室内环境SLAM、室外环境SLAM、水下环境SLAM、航空环境SLAM等。
2 解决SLAM问题的关键性技术2.1 不确定性信息的处理移动机器人在运动过程和观测过程中都存在一定程度的不确定性，如在运动过程中，移动机器人本身受到的未知外力或机械性能造成的不确定性以及里程计误差所带来的不确定性将导致机器人的位姿估计出现偏差。
在观测过程中，传感器的测量误差所带来的不确定性以及数据关联的不确定性都将导致滤波发散，位姿校正失败。
机器人工作环境越复杂，上述不确定性就会越大程度地影响SLAM的实现。
2.2 数据关联数据关联是指移动机器人利用当前传感器的观测值对地图中已经存在的特征进行更新时，必须明确指出某个观测值对应于哪个特征、或是一个新特征、或是一个噪声数据。
机器人在智能监控中的应用研究
机器人在智能监控中的应用研究在当今科技飞速发展的时代，智能监控系统正逐渐成为保障社会安全、提高生产效率和优化资源管理的重要手段。
而机器人作为智能监控领域的关键组成部分，其应用为监控工作带来了前所未有的创新和突破。
机器人在智能监控中的应用范围广泛。
在公共安全领域，它们可以被部署在人员密集的场所，如机场、车站、商场等，实时监测人流、防范突发事件。
机器人搭载的高清摄像头能够全方位、多角度地拍摄现场画面，并通过先进的图像识别技术，快速识别出可疑人员和异常行为。
例如，当系统检测到有人长时间在禁区徘徊或携带违禁物品时，会立即发出警报，通知相关安保人员进行处理。
在工业生产中，机器人的智能监控作用同样不可小觑。
工厂车间内，机器人可以对生产线上的设备进行实时监测，通过传感器收集设备的运行数据，如温度、压力、振动等。
一旦发现设备出现故障或异常，能够及时预警，从而避免生产中断和重大损失。
此外，机器人还能监控工人的操作是否符合安全规范，及时纠正不当行为，保障工人的生命安全。
在环境监测方面，机器人也能大显身手。
它们可以深入到一些危险或人类难以到达的区域，如污染严重的工厂排放口、深山里的自然资源保护区等，收集环境数据，包括空气质量、水质状况、土壤成分等。
这些数据对于环境保护部门制定科学的治理措施和保护策略具有重要意义。
机器人在智能监控中之所以能够发挥出色的作用，得益于其先进的技术支持。
首先，机器人具备强大的移动能力，能够在不同的地形和环境中自由行走。
轮式、履带式、足式等多种移动方式，使得机器人能够适应各种复杂的场景。
同时，其精准的定位和导航系统，确保了机器人能够准确地到达指定位置进行监控。
其次，机器人搭载的各类传感器是实现智能监控的关键。
视觉传感器能够获取清晰的图像和视频信息；声音传感器可以捕捉异常的声音；温度、湿度、压力等传感器则能够收集环境和设备的相关数据。
这些传感器相互配合，为监控系统提供了全面、准确的信息来源。
再者，先进的数据分析和处理技术也是不可或缺的。
机器人定位技术详解
机器人定位技术介绍前言随着传感技术、智能技术和计算技术等的不断提高，智能移动机器人一定能够在生产和生活中扮演人的角色。
那么移动机器人定位技术主要涉及到哪些呢？经总结目前移动机器人主要有这5大定位技术。
移动机器人超声波导航定位技术超声波导航定位的工作原理也与激光和红外类似，通常是由超声波传感器的发射探头发射出超声波，超声波在介质中遇到障碍物而返回到接收装置。
通过接收自身发射的超声波反射信号，根据超声波发出及回波接收时间差及传播速度，计算出传播距离S，就能得到障碍物到机器人的距离，即有公式：S＝Tv／2式中，T—超声波发射和接收的时间差；v—超声波在介质中传播的波速。
当然，也有不少移动机器人导航定位技术中用到的是分开的发射和接收装置，在环境地图中布置多个接收装置，而在移动机器人上安装发射探头。
在移动机器人的导航定位中，因为超声波传感器自身的缺陷，如：镜面反射、有限的波束角等，给充分获得周边环境信息造成了困难，因此，通常采用多传感器组成的超声波传感系统，建立相应的环境模型，通过串行通信把传感器采集到的信息传递给移动机器人的控制系统，控制系统再根据采集的信号和建立的数学模型采取一定的算法进行对应数据处理便可以得到机器人的位置环境信息。
由于超声波传感器具有成本低廉、采集信息速率快、距离分辨率高等优点，长期以来被广泛地应用到移动机器人的导航定位中。
而且它采集环境信息时不需要复杂的图像配备技术，因此测距速度快、实时性好。
同时，超声波传感器也不易受到如天气条件、环境光照及障碍物阴影、表面粗糙度等外界环境条件的影响。
超声波进行导航定位已经被广泛应用到各种移动机器人的感知系统中。
移动机器人视觉导航定位技术在视觉导航定位系统中，目前国内外应用较多的是基于局部视觉的在机器人中安装车载摄像机的导航方式。
在这种导航方式中，控制设备和传感装置装载在机器人车体上，图像识别、路径规划等高层决策都由车载控制计算机完成。
视觉导航定位系统主要包括：摄像机（或CCD图像传感器）、视频信号数字化设备、基于DSP的快速信号处理器、计算机及其外设等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
以采集的数值属于 ［ Ｏ ， ３ ６ ０ ０ ］ 区间， 信息采集完成后， 将信息送 到串口的 Ｒ端。另外 ， 光电传感器主要
用 来采集 △ 时间 间隔 内 ， 光 电触 发 的次数 ， 由于 运动 轮 由 ５个 扇 页组 成 ， 当运 动 轮在 转 动 过程 中 ， 扇 页
安防监控机 器人的移动定位技术研究
苏春 芳 ， 杨 立 志
（ 江 阴职业技术学院 ， 江苏 无锡 ２ １ ４ ４ ０ ５ ）
摘
要：针对小 区安防监控机器人移动定位的准确性 、 实时性 ， 提 出基 于光电传感器 和电ห้องสมุดไป่ตู้ 罗盘的 多信息融合
的移动定位算法 。该算法将机器人单位时间 内位移和方位角的变化量作 为输入条件 ， 基于矢量 方程构建机器人 的位移变换范 围， 然后通过 消除 累积误差 ， 确定机 器人 的准 确位 置。实验结果表 明， 该 方案有效 的解决 了小 区安
转过 ， 就触发光电传感器 ， 当运动轮运动一周 ， 触发 ５次光电信号。
在本 系统 中 ， 传感器 的信 息采集 与 上层控 制机构 的 交互 采用 异 步 回调 机 制 ， 当 串 口的 Ｒ端有 数 据 到
达， 触发上层的回调函数 ｃ ａ ｌ ｌ ｂ ａ ｃ ｋ ｆ ｕ ｎ ｃ ｉ ｔ ｏ ｎ的执行 ， 在该函数中完成对 电子罗盘信息的读取。ｓ一 ５ １ 向上 层发送的信息是 １ ６ 个字节的字符串， 形式如 Ａ： ｄ ａ Ｌ ： ｄ ｌ Ｒ ： ｄ ｌ Ｅ ， 其中 ｄ ａ ∈（ ０ ， ３ ６ ０ ０ ） ， 表示 电子罗盘的方
０ 引言
随着物联网技术 的成熟 ， 出现了安防监控机器人 ， 移动定位技术则是这一领域的关键技术 ， 其 中基于
无线传感器的移动定位技术成为 目前热点研究领域。在移动网络定位 中， 常见的方法是反复定位 ， 包括
基于距离的（ ｒ ａ ｎ ｇ ｅ — ｂ ａ ｓ ｅ ｄ ） 定位 ， 距离无关 的（ ｒ ｎｇ ａ ｅ — ｆ ｒ ｅ ｅ ） 定位 ， 传感器 网络的移动定位算法。相比之 下， 基于测距的定位能够实现高精度 的定位 ， 而距离无关的定位成本低 ， 但定位精度低 ， 且存在无法定位
蒙特卡罗（ Ｍｏ ｎ ｔ ｅ Ｃ ａ ｒ ｌ ｏ ） 用于移动节点定位 ， 每个锚节点在两跳邻居范围内周期性广播 自身位置 ， 根
据 节点 收到锚 节点 坐标 ， 从而 确定 自身所 处 的范 围 Ｊ ， 为 了避免算 法存 在较 大 的通 信 开销 ， 在 安 防监 控机
器人定位中设置尽量少的锚点， 为了不失定位的准确性 ， 充分考虑到移动节点运动过程 中前后位置相关 性， 利用 光 电传感 器和运 动轮 的周 长 ， 精 准 的计 算采 样 时间 片 内位 置 的变 化 。
作者简介 ：苏春芳 （ １ ９ ７ ９一） ， 女， 河北灵寿人 ， 讲师 ， 硕士 ， 主要研究方 向为嵌入式软件 。
江
苏
理
工
学
院
学
报
第２ １卷
３ 移动定位算法
安防监控机器 人 的实 时定位依赖 于电子罗盘和光 电传感器 采集 的信 息量。控 制机构 中的一个 Ｃ ｅ ｉ ｌ ５ １ 单片机 ， 命名为 ￥ ５ １ ， 负责采集 电子罗盘和光电传感器的信息。电子罗盘能够精确的采集机器人的 运 动方 位 ， 在 采样 时间 间隔 内 ， 由于 采样 时间 间 隔足 够小 ， 机 器 人 的运 动方 位 可 视 为 固定 不 变 ， ￥ ５ １单 片
的盲点 ， 很大 程度 上依赖 锚节 点 的配置状 况 。 由于小 区安 防监控 机器 人工作 的环 境是 居 民生 活 的小 区 ， 小 区 内的道 路相 当平整 ， 可视 为基本 水平 ； 机器 人 整个 的移 动轨 迹具 有 可 见 、 可预 知 性 ， 工作 环境 相对 有
限， 所以对定位的精确性要求相对高些 ， 本文选取基于距离的定位技术。
ｙ
１ 移 动定 位 模 型
假设 采样 时间记 为 ｆ ， ｔ 与 间 隔记 为 △ ， 当 ＆ｄ ｔ 足够 小 ， ｔ 与 时 间
一
间隔内， 机器人的位置变化认为是可微的， 记为 Ａｄ ｓ 。Ａｄ ｓ ＝ ２ ７ ｒ ｒ 。 ｅ ｊ ， 其中
ｒ 是动 力轮 的半径 ， ｅ ｊ 是 ｔ 与 时 间 间隔 内光 电传 感 器 的信 息 量 。采 用 两
第２ １ 卷第 ４期
２ ０ １ ５ 年 ８ 月
江
苏
理
工
学
院
学
报
ＶＯ １ ． ２１． Ｎｏ ． ４ Ａｕ ２ ．． ２ ０ １ ５
０ Ｕ Ｒ Ｎ Ａ Ｌ Ｏ Ｆ Ｊ Ｉ Ａ Ｎ Ｇ Ｓ Ｕ Ｕ Ｎ Ｉ Ｖ Ｅ Ｒ Ｓ Ｉ Ｔ Ｙ Ｏ Ｆ Ｔ Ｅ Ｃ Ｈ Ｎ ０ Ｌ Ｏ Ｇ Ｙ
防监控机器人 的定位 问题 ， 而且在路面相对平整 的生活小 区中表现出较好的定位准确性和实时性。
关键词 ：多信息融合 ； 光 电传感器 ； 电子罗盘
中图分 类号 ：Ｔ Ｐ ２ ４ ９ 文献标识码 ：Ａ 文章编号 ：２ ０ ９ ５ — ７ ３ ９ ４ （ ２ ０ １ ５ ） ０ ４ — ０ ｏ ２ ２一 ｏ ４
位角 ；
ｍ： 左轮光 电值 ； ｄ ｒ ： 右 轮光 电值 ；
Ａ： 电子罗 盘标 志位 ；
Ｌ： 左 轮光 电标志 位 ；
Ｒ： 右轮光电标志位 ；
路光 电传感器 ， 分别测量左 、 右轮的转速 ， 记为 ｅ ｅ ， 当ｅ ｕ ＝ ｅ ， 监控机器
人进 行 的直 线 运动 ； 当ｅ Ⅱ＞ｅ ， 监控 机 器人 右 转 弯 ； 反之 当 ｅ 口 ＜ 时， 监 控
圈 １ 运 动 模 型
收 稿 日期 ：２ ０ １ ５ — ０ ４ — ２ ４ 修 回 日期 ：２ ０ １ ５ — ０ ７ — ０ ３