对《科技信息》2006年12期“科教视野”栏目第15页《智能机器人》一文的补充

智能机器人有两个自己，一个存在于物体世界中，是机器人自身，一个存在于机器人脑中，是机器人自身身体形成的信号图像。这样就使机器人同时存在于物体世界中和脑中的信号图像世界中。     

智能机器人的制造理论

本文通过对人视觉的研究发现人只能看到物体的图像，人看到的世界是脑中的物体图像世界。人的思考过程是浮现在脑海中的物体图像的运动。根据上述理论利用目前的计算机技术于传感技术就能够制造出会思考有意识的智能机器人。     

基于人工免疫和图像直接反馈的视觉伺服控制

传统的基于图像特征的视觉伺服控制方法通用性差,且图像特征的标记、提取与匹配过程复杂.为此,文中提出了一种基于人工免疫和图像直接反馈的平面视觉伺服控制方法.首先采用人工免疫算法求解期望图像与反馈图像之间的位置与旋转误差,然后将误差信号经视觉控制器转换成机器人空间的位姿增量信号发送给机器人控制器,从而在无需进行图像特征标记与提取的情况下完成视觉伺服闭环控制任务.实验结果表明,采用文中方法能控制机器人准确地跟踪目标物体,控制误差不超过1个像素,说明文中方法是有效和正确的.     

基于图像处理的移动机器人视觉定位方法

移动机器人视觉定位方法,主要是将目标物体的图像像素与移动机器人和目标物体之间的距离联系起来。应用视觉传感器搜寻目标物体,并借助于图像处理技术提取目标物体的特征对目标进行定位。通过计算目标物体图像的像素数,比例关系来确定目标物体与机器人之间的距离。这种方法成功地运用于RIRAII移动机器人上。     

基于图像的机器人运动序列生成

提出一种基于图像的运动序列生成技术 ,此项技术不需要已知目标物体及所在背景的 CAD模型 ,也不需要对摄像机进行标定。在样本图集的基础上 ,通过 Karhunen- L o-eve(K- L)变换得到图像的特征表示。建立了机器人关节角与图像特征之间的非线性关系。在机器人关节空间进行轨迹规划 ,最后生成关于机器人虚拟运动的图像序列。以 UP6机器人为目标物体 ,进行虚拟运动实验 ,得到 UP6机器人的虚拟运动 ,结果表明该技术方便有效     

基于视觉与超声技术机器人自动识别抓取系统

提出了满足机器人装配作业中对工件进行可靠识别与抓取的信号处理技术及检测方法,对痛准确描述物体形状的特征提取方法进行了研究,设计了一种基于视觉与超声技术的机器人自动识别与抓取系统的结构,并在机器人装配作业平台上进行了物体识别与抓取的实验研究。     

基于稳态视觉诱发电位的脑电控制上肢康复机器人

针对现阶段基于脑机接口(brain-computer interface,BCI)的康复机器人存在多目标分类时间长、识别准确率仍有待提升的问题,设计了一种由脑电信号控制的上肢康复机器人,对脑电信号中的稳态视觉诱发电位(steady-state visual evoked po-tential,SSVEP)分类,进而判断出受试意图并输出相应动作指令.基于MATLAB的Psychtoolbox工具箱设计了包含5个刺激矩形的频闪界面作为视觉刺激器,刺激大脑生成SSVEP信号,对应上肢康复机器人的5个控制指令.运用多导联同步指数(multivariate synchronization index,MSI)算法对采集到的信号进行分类并输出控制指令,机器人在接收指令后执行特定动作.实验得到的机器人动作正确率最佳为98.33％,平均信息传输速率为23.11 bit/min.结果表明:SSVEP信号控制的上肢康复机器人在辅助治疗的方面具有良好的应用前景,可以有效提高肢体偏瘫患者的康复效果.     

基于BP神经网络的机器人视觉控制方法

利用BP神经网络实现了基于图像的机器人视觉伺服控制器,省略了计算图像雅可比矩阵和机器人雅可比矩阵的过程,简化了控制算法的计算,训练样本和测试样本取自RBT-6T/S04S机器人实际运动,设计6个BP神经网络来实现图像空间与机器人空间的非线性映射关系,仿真结果显示神经网络控制器具有良好的定位跟踪效果,在保证精度的条件下简化了算法.将训练好的神经网络控制器用于视觉伺服系统中引导机器人到达目标物体,达到了较好的效果.     

基于机器人视觉系统的物体检测技术探究

机器人视觉系统的物体检测,是指依托人工智能深度学习技术、卷积神经网络模型,对某一图像内的目标特征点、边缘稳定的极值点等作出检测,预测图像像素点在立体空间中的具体位置、物体尺度特征。而原有的AlexNet分类检测模型、RCNN位置框定模型、Fast RCNN卷积训练模型,对空间物体的视觉图像检测来说,存在着结构复杂、检测时间长等缺点。基于此,在卷积主干网络、区域网络背景下,可利用Faster RCNN算法模型、特征点描述检测子,对框定区域的物体图像信息、公开数据集进行筛选、模型训练等检测,以增强固定视觉网络下物体检测的实时性,提高检测质量。     

图像法识别运动目标技术

讨论了图像法识别物体运动参数的基本原理和过程.通过分析,比较了每一个子过程中采用的图像处理方法的优劣,指出了图像法识别运动物体在目前存在的主要问题是目标样本库太大以及线性成像系统带来的对原始输入信号的干扰,影响了对运动目标的实时响应处理和智能化识别.     

论经典力学与量子力学中质点的属性

一、经典力学中质点的属性[1]1.牛顿力学中质点的属性唯物主义哲学认为 :时间、空间是运动着的物质的存在形式 ,既没有脱离物质的时空 ,也没有脱离时空的物质。根据唯物主义关于时空的论述 ,物理学中人们对物体运动状态的描述 ,就应包含对物体自身时空特性的描述。物体的运动状态是由物体间的相互作用决定的 ,但描述物体运动状态的自然定律 ,物体在时空中表现的形象特征 ,都必须通过人类的观察发现。观察需要观测信号和观测仪器。现今人类能利用的场信号有4种 :一是电磁场(光) ,二是引力场 ,三是弱力场 ,四是强力场。因此 ,人类认识的物体运…     

基于CMOS图像传感器的机器人寻线系统

本文介绍了一种以AVR单片机为控制平台的廉价,快速,简洁的基于CMOS图像传感器的机器人寻线控制系统。系统通过CMOS传感器对地面的深绿色和白色图像信号进行采集和二值化处理,得到的信号通过AVR单片机后输出PWM波和D／A信号去驱动行走机构。实行了对机器人的寻线行走控制准确定位。为提高机器人的自主性和智能性,本系统在设计中还使用了红外遥控实现机器人的无线启动功能和使用超声波模块实现机器人的避障检测功能。     

基于图像处理的清扫机器人视觉系统

清扫机器人是通过采集的图像对物体进行识别,并将必要的资料传给机器人手臂,进而移动手臂抓取目标物。为了实现机器人的视觉系统就要对采集的图片进行数字处理,然后用直方图修整法进行图像增强,再利用改进了的矩不变法进行图像分割,最后进行特征提取来获得需要的图像。该系统对一些实用的图像处理方法进行了有效的综合,使其形成了功能较全面的机器人视觉图像处理系统。     

基于层级分割的颜色恒常性算法

颜色恒常性是指当照射物体表面的颜色光发生变化时,人们对该物体表面颜色的知觉仍然保持不变的视觉特性。灰度世界方法是一种常用的的颜色恒常方法,它假设客观世界中物体表面的平均反射比趋于灰色(灰度世界假设)。传统的灰度世界方法对整幅图像进行处理,然而并不是所有的图像都满足灰度世界假设。首先采用层级分割方法把图像分割成若干个片段,然后采用使用灰度世界方法处理各个片段,得到各个片段的估计结果;最后对这些估计结果进行聚类,得到最终结果。实验结果表明,该方法优于原始的灰度世界方法。与原始方法相比,平均误差降低至36.0%、中值误差降低至63.5%。本文所提出的算法优于目前领先的颜色恒常算法。     

基于Mask R-CNN的物体识别和定位

为了让机器人能识别物体类别、探测物体形状、判断物体距离,提出一种基于Mask R-CNN模型的双目视觉的物体识别和定位方法。该方法利用Mask R-CNN处理双目图像,对每张图像进行物体识别和形状分割,然后利用神经网络特征对双目图像中的相同目标进行匹配。以物体形状为依据,使用最近点搜索算法估计视差并计算距离。实验结果表明,该方法能够以准实时的速度进行物体的识别和定位,与传统的依赖计算全局视差图的方法相比,在速度和精度上都有提高。     

基于边缘拟合和数字孪生的机器人运动控制系统研究

提出一种基于边缘拟合和数字孪生的机器人运动控制系统.通过深度图像和RGB图像获取目标物体信息,并进行边缘提取,通过边缘拟合得到目标的边缘轮廓,根据其轮廓计算目标物体的中心点坐标,从而实现准确的目标识别与定位.采用数字孪生方法对机器人实时运行状态进行同步显示.试验表明该方法对圆形物体的识别与定位具有高准确性和鲁棒性,在数字孪生平台上运行具有可靠性与实时性,有一定的实用价值.     

基于脉冲耦合神经网络的目标特征抽取方法

为解决待识别目标的特征抽取问题,提出了一种脉冲耦合神经网络结合形状信息的图像混合特征抽取方法。该方法利用脉冲耦合神经网络将图像空域信号转化为时域信号的特性,结合物体形状信息,对图像的灰度和形状进行了统一描述。实验结果证明,该方法在一定程度上对物体的形变、平移、缩放不敏感,对目标识别系统是一种很好的特征抽取方法。     

区域生长型分水岭算法及其在图像序列分割中的应用

针对物体基视频编码中的图像分割,提出了一种区域生长的分水岭算法,它直接对要分割的图像而不是其形态梯度信号进行分割,克服了传统形态分割方法使用形态梯度信号而导致轮廓信息丢失的缺点。此外,在具体实现算法时,采用了一种基于分级队列结构进行图像扫描的巧妙方法,大大提高了算法的效率。模拟结果表明,该算法能有效地分割运动物体,能较精确地定位运动物体的边缘。     

欠驱动式外骨骼手指康复机器人的设计和仿真

本文提出一种新的基于脑电信号控制的外骨骼手指康复机器人系统,该系统主要由外骨骼手指康复机器人、脑电信号系统(EEG)、肌电信号系统(EMG)、人机交互系统、电机控制单元、相关传感器和工作站组成.患者通过外界的视觉刺激产生脑电信号,工作站经过对这些信号采集和处理后传递给电机控制单元控制,并驱动电机实现穿戴在患者手上的外骨骼手指机器人运动,辅助其完成康复训练.该机器人主要采用欠驱动的方式,由安装在手背处的电机带动同步齿形带传动机构实现机器的三个关节的弯曲和伸展运动.文章主要利用UG软件对手指机器人进行设计和ADAMS软件进行运动仿真.根据机器人运动轨迹和机器人末端的运动参数曲线可以看出该手指机器人具有运动平稳,不存在运动死点等特点,且机器人能满足人体手指的运动要求,符合人体工学的设计特点,仿真实验证明能够辅助患者进行重复性康复训练.     

基于湖面清扫机器人的图像识别技术研究

文章介绍了湖面清扫机器人视觉系统的图像获取及识别技术的分析和应用。阐述了机器人如何以敏感的视觉器官识别哪些是浮在水表面的不良物质，并在第一时间将其扑获。因此湖面清扫机器人视觉器官的好坏直接关系到机器人能否精确的对目标物体做正确的操作。