巡检机器人中二维条码的设计与应用

提出了一种巡检机器人中应用二维条码的视觉定位与任务给定及辅助导航的方法.通过在机器人巡检路线中的关键点设置二维条码标记,将巡检机器人大范围的绝对定位问题转化为小区域的相对定位,消除了里程计的累积误差.通过传递导航与命令信息,使巡检机器人的可操作性与可维护性大大提高.详细分析了二维条码图的设计方法,通过图像预处理、图像的矢量中值滤波、条码数据区定位等步骤得到了二维条码的读取算法.分步调试与在变电站设备巡检机器人系统中的应用表明,该算法实现简便,处理速度快.     

变电站巡检机器人道路语义分割方法及其应用

为提升变电站巡检机器人对道路场景的识别理解能力,将深度学习技术应用于变电站巡检机器人中,提出了一种适用于变电站道路场景的全卷积语义分割网络。该网络借鉴ENet编码结构提取图像特征,同时融入多种解码结构来获取更多有效特征,恢复图像目标信息。同时,针对巡检机器人以及变电站道路特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障。实验结果表明:所提出的网络有效地提升了图像分割精度,并能较好地适应于实际变电站环境中。研究结果为机器人提供了有效的道路场景信息,辅助机器人导航避障。     

基于改进Prim算法的变电站巡检机器人路径规划

变电站巡检机器人主要代替人进行变电站设备巡检,全面实现变电站无人值守.通过GPS定位技术获取机器人及设备位置信息,并将其抽象成网状存储结构,利用改进Prim算法生成最小生成树,同时,设计遍历算法遍历最小生成树,使路径回溯花费最小,完成机器人巡检路径规划.仿真实验结果表明,算法具有数据结构简单、执行效率高的特点.     

变电站巡检机器人避障方法研究与应用

为提升变电站巡检机器人的导航避障能力,将深度学习技术应用于变电站场景识别中,提出了一种基于深度卷积神经网络的避障方法.该方法联合图像分类和语义分割两个分支来共同辅助机器人导航避障,分类分支通过获取图像全局信息,保证机器人正确行驶方向;而语义分割支路则根据图像局部信息以及机器人前方目标类别,指导机器人准确避障.实验结果表明,避障方法可以高效地对图像进行分类和分割,同时,在实际变电站环境中,该方法也能为巡检机器人提供有效的避障信息,实现实时自主避障.     

电力隧道机器人巡检目标坐标定位的共轭搜索

电力隧道环境机器人巡检目标坐标定位过程中,利用传统搜索算法会产生信息损失,从而导致搜索定位 结果存在精度不够理想问题。为此,提出了一种共轭搜索算法。该算法通过搭建机器人巡检模型,得到反映机 器人位姿的坐标系,然后通过共轭算子规划设置机器人搜索路径。机器人沿着设置的搜索路径采集实时巡检 图像,并根据特征值识别图像中的目标节点。解算机器人在巡检过程中的位姿,并结合手眼标定和空间坐标的 测量结果,实现机器人巡检目标的搜索和坐标定位。对比实验结果表明,所提出的共轭搜索算法对目标位置的 定位环境风险评价( EＲA: Environmental Ｒisk Assessment) 指标更趋近于0,与传统搜索算法相比具有更好的定 位精度。     

变电站巡检机器人导航方法研究

随着移动机器人技术的发展和变电站无人值守的开展,变电站巡检机器人应运而生。稳定的导航是巡检机器人能够正常工作的前提保证,因此针对变电站巡检机器人的导航方法进行研究。影响导航的关键因素有导航方式和导航算法,变电站巡检机器人采用视觉与电磁融合的导航方式,运用自适应位置型PID控制算法,对于脱离导航线的错误处理采用模糊控制的思想,实现了巡检机器人的导航并得到了实际应用,实际运行的结果说明此种方法抗干扰能力强、收敛性好。     

存在视场丢失的机器视觉精度补偿方法

无论Eye-in-Hand或Eye-to-Hand型式的机器视觉控制系统,均存在视场受限、丢失等情况,从而无法在一定距离、角度内对目标进行在线视觉测量,进而无法建立全闭环的伺服控制.基于Eye-in-Hand型式的机器视觉控制系统,以及最短测量距离Lmin,提出一种闭环与开环相结合的伺服控制系统:即测量距离大于Lmin时为位置反馈型闭环控制的原位调姿,在测量距离小于Lmin时为位置给定型开环控制,机器人以相对线性运动进给到目标位置.针对该过程中的偏移问题,提出了前馈补偿模型,即利用前期运动数据对运动误差进行估计.实验证明,该方法能有效地补偿定位误差.     

基于单目立体视觉的NAO机器人的目标定位与抓取

为了实现NAO机器人对空间目标的定位与抓取,提出了一种单目立体视觉的导航方法.首先利用机器人上部摄像机的平动获取两幅目标图像,等效于双目立体视觉,采用FFT频域互相关和累加求和快速算法,进行两幅目标图像的立体匹配,实现目标位置的快速检测;然后根据测得的目标高度,运用视野中心算法和三角测量原理计算出目标距离,进行目标的跟踪逼近,当机器人到达目标邻近区域时使用下部摄像机进行目标检测并进行姿态调整,直到距离误差落在目标中心许可的圆形区域内,进行目标抓取,实际测试表明采用这种视觉导航方法的NAO机器人抓取成功率在90%以上.     

一种基于全景视觉系统的Robocop机器人定位方法

对全景视觉成像原理进行了讨论,提出了一种基于YUV色彩空间的多阈值图像分割和利用三角定位原理实现的机器人定位方法.通过识别全景视觉图像中坐标已知的特征信标,提取信标特征,进而应用几何原理计算出机器人的空间坐标,实现机器人的定位,为机器人导航和蔽障工作奠定了基础,有效地减少了彩色图像分割的计算量,避免了全景视觉图像柱面展开所带来的误差.通过实验证明,本方法能够较精确地实现机器人的定位.     

基于深度学习的变电站巡检机器人道路场景识别

为了提升变电站巡检机器人对自身所处环境的理解能力,将深度学习技术应用于变电站巡检机器人对道路场景的识别中,提出了一种全卷积道路场景识别网络(road scene recognition net,RSRNet)。该网络主要由相对浅层的编码网络和镜像结构与跳层融合结构相结合的解码网络组成,通过编码网络提取图像特征后由解码网络识别出图像目标信息。通过实验表明,本文提出的网络在同类型网络中识别精度及效率更高,同时在实际变电站场景中也表现出了优良的场景识别性能。     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题，提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例，提出其视觉伺服控制架构，根据工业场景数据集训练BP神经网络，采用本文所提算法进行法兰对中实验，帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面，首先，利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系，之后，提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明，本文提出的算法能够有效应用于无标定视觉伺服控制，最终法兰平均对中误差在±1mm内，平均耗时43秒，满足应用需求，具有较高的工作效率。     

A dual working mode mobile robot system based on visual guiding and visual servoing

A dual operational modes mobile robot system based on visual guiding and visual servo control is presented.This system consists of a mobile robot with a two-axis manipulator and a tele-operation station.In the visual guiding mode,for the robot works in an open loop visual servo control mode,the manipulating burden of the operator is reduced largely.In the visual servo mode the robot can locate the position of the target assigned by the operator and pick it up by its manipulator.With the help of the operator,the difficult problems of finding and handling a target in a complicated environment by the robot Can be solved easily.     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.     

基于MatlabRTW的机器人伺服系统

本文提出一种基于MatlabRTW的机器人伺服系统的设计方案。基于五自由度排爆机器人,通过SIMULINK软件设计出机器人控制系统框图,并通过xPC目标系统编译,生成可运行于X86的实时控制系统。该系统采用一组PID复合控制器,具有专家特性。运行结果表明,该方案能取得良好的效果: 在较大载荷范围内,机器人都能运动平稳,系统具有很好的鲁棒性,实时性。     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题, 提出一种特征匹配及目标定位快速算法. 首先, 采用Shi-Tomasi检测算法提取特征点; 其次, 提出一种新的特征描述子定义方法： 先以特征点为中心截取子图像, 利用二维Gauss函数偏导数确定特征方向, 再根据特征方向对局部图像做旋转处理, 提取旋转后标准局部图像局部二值模式作为特征描述子, 该描述子具有良好的局部性以及平移、 旋转不变性; 最后, 通过计算特征描述子间的Hamming距离实现特征匹配, 估计单应性矩阵, 定位目标在场景中的位置和方向. 实验结果表明, 该算法匹配速度快、 定位精度高、 稳定性好, 能满足机器人伺服抓取中定位精度和实时性的要求.     

基于图像矩的眼注视研究

利用图像的全局特征描述子－图像矩特征作为图像特征信息,从而构成视觉伺服,实现对动目标的注视跟踪,俯仰由末执行器完成,摇摆由腰的旋转完成,最后给出了实验结果,表明了矩特征的有效性以及五自由度机器人实现注视跟踪的可能性。     

基于PSO-GA-BP神经网络的视觉伺服控制系统

传统的基于图像视觉伺服控制需要计算雅可比矩阵和解雅克比矩阵的逆,其结构复杂、计算量大且系统 的实时性不够理想。基于粒子群遗传算法优化的 BP(Back Propagation)神经网络(PSO-GA-BP: Particle Swarm Optimization-Genetic Algorithm-BP)通过学习图像特征空间到机器人运动空间的映射关系,实现了“眼在手上”的 机器人视觉伺服控制,通过优化 BP 神经网络的权值和阈值,防止了其训练时间长、收敛速度慢等弊端。实验 结果表明,优化后的算法运算效率较高,所设计的控制器能使机器人末端执行器在更短的时间内达到预期位 置,图像特征点运动位置的实际值与期望值平均误差约为 2 个像素,具有良好的收敛速度和控制精度。相关结 论可为机器人视觉伺服控制提供优化依据,提高算法的应用性能。     

Path Recognition Algorithm of Tracking Robots Based on Image Sensor

Path recognition is an inevitable core technology in the development of tracking robot. In this paper,the path tracking system of tracking robot can be realized by image sensor module based on camera to obtain lane image information,and then extract the path through visual servo. The whole system can be divided into seven modules: micro control unit( MCU) processor module,image acquisition module,debugging module,motor drive module,servo drive module,speed sensor module,and voltage conversion module.In image pre-processing part,there is an introduction of binarization processing and the median filtering to strengthen the image information. About recognition algorithm,three key variables which are changed in the movement state are discussed and there are also many auxiliary algorithms that help to improve the path recognition.The experiment can verify that the whole system can accurately abstract the black guide lines from the white track and make the robot moving fast and stable by following the road parameters and conditions.     

基于视觉的机器人模糊自适应阻抗控制

对未知环境下具有6个自由度工业机器人的视觉/力反馈混合控制进行研究.首先,建立被跟踪曲线图像特征与机器人关节角度的映射关系;其次,由机器人离散阻抗控制规律描述机器人末端在受限表面移动时与受限表面产生连续接触的条件,并根据接触力的变化对阻抗模型参数进行模糊调节;最后,在未知物体表面对末端固定安装单摄像机和力传感器的6个自由度机器人进行力跟踪试验研究.研究结果表明:该阻抗控制具有较强的未知物体表面曲线跟踪能力和较高的力控制精度,曲线跟踪算法简单,不要求对视觉传感器进行精确标定,模糊控制器实时地调整阻抗参数,使系统稳定而且具有良好的动态品质,是一种有效的视觉/力反馈混合控制方法.     

双足机器人的滑模控制

作者利用牛顿 欧拉法建立了12自由度双足机器人的动力学模型,并建立了双足机器人的滑模控制模型·采用比较简单的李亚普诺夫函数对滑模控制的稳定性进行了分析,并利用滑模控制方法对双足机器人的12个关节自由度进行了加速度补偿控制·通过在各关节自由度上加入给定范围的随机误差来代替双足机器人结构参数、转动惯量及摩擦力等因素对各关节自由度运动所造成的误差·仿真实验结果显示双足机器人的各关节自由度的角位移和角速度的误差都比较小,达到了预期的控制效果·仿真实验结果也证实滑模控制方法能够用于12自由度双足机器人的轨迹跟踪控制·