权重系数对基于光流法机器人避障系统的影响

基于光流法的机器人避障系统是近些年研究的新热点,为了实现机器人在未知环境下的自我避障功能,同时提高机器人的避障准确度,本文将对基于Horn-Schunck光流法的机器人避障系统进行研究,提出通过选取算法中合适的权重系数来提高机器人的避障效果。首先,运用HS算法建立真实的机器人避障系统,然后,在实验室中的Optitrack系统下进行真实的避障实验,并比较在不同的权重系数下机器人的避障效果,最终,通过实验结果得出：权重系数的取值会对机器人的避障效果产生影响,当权重系数取值在[350,400]时,机器人的避障效果达到最优。     

权重系数对光流法机器人避障系统的影响

基于光流法的机器人避障系统是近些年研究的新热点,为了实现机器人在未知环境下的自我避障功能,同时提高机器人的避障准确度,对基于Horn-Schunck光流法的机器人避障系统进行研究,提出通过选取算法中合适的权重系数来提高机器人的避障效果。首先,运用HS算法建立真实的机器人避障系统,然后,在实验室中的Optitrack系统下进行真实的避障实验,并比较在不同的权重系数下机器人的避障效果,最终,通过实验结果得出:权重系数的取值会对机器人的避障效果产生影响,当权重系数取值在[350,400]时,机器人的避障效果达到最优。     

基于HS光流法的机器人避障策略优化

机器人的自主避障功能是其在未知环境中顺利行驶的最基本的功能,针对使用光流法进行机器人避障时,机器人因盲目避障、过早障碍而造成的避障效率低的问题,提出了优化避障策略的方法。在两轮式机器人上搭建实验平台,采用Horn&Schunck（HS）光流算法计算机器人运行前方的光流场,由光流场中信息来计算机器人与障碍物的碰撞时间TTC（Time to Contact）,根据碰撞时间设计机器人的避障系统。通过在真实环境下进行的避障实验,验证了避障系统的有效性,并提出将机器人避障时的旋转角度与光流矢量值 的大小建立关系,从而更加合理高效的避开障碍物。     

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.     

智能机器人的模糊神经网络避障算法

针对机器人避障过程中影响因素复杂及难以建立精确模型的问题,采用超声波传感器和定位传感器获取机器人所处环境的输入信息,对其进行模糊处理,并建立三层BP神经网络,进而提出机器人模糊神经网络避障控制算法。仿真结果表明:机器人能从起点安全、无碰撞地避开途中的障碍物,顺利到达终点,实现了安全避障,进而证明该算法能够使机器人在未知环境中准确地避障。     

一种改进的HS光流法在机器人避障系统中的应用

机器人的自主避障功能是其在未知环境中顺利行驶的必备功能。基于光流法的机器人避障系统是近几年研究的新热点,在光流场的计算方法中,被使用最多的是由HornSchunck提出的HS光流法。在传统HS光流法的基础上,提出了一种加快光流场计算的方法;并将两种算法应用到相同的避障系统中。通过比较机器人避障实验的结果可以得出,当使用改进算法计算光流场时,避障系统能更快的探测出机器人行驶前方的障碍物,提高了机器人躲避障碍物的效率。     

基于HS光流法机器人避障策略优化

机器人的自主避障功能是其在未知环境中顺利行驶的必备功能,基于光流法的机器人避障系统是近几年研究的新热点,在光流场的计算方法中,被使用最多的是由HornSchunck提出的HS光流法。在传统HS光流法的基础上,提出了一种加快光流场计算的方法,并将两种算法应用到相同的避障系统中,通过比较机器人避障实验的结果可以得出,当使用改进算法计算光流场时,避障系统能更快地探测出机器人行驶前方的障碍物,提高了机器人躲避障碍物的效率。     

基于产生式规则的机器人动态避障

以中型自主足球机器人为对象,研究其动态避障情况.依据传感器输入信息进行特征识别,选择距离机器人最近的为首要躲避障碍,利用产生式规则进行机器人避障控制,对远距离和近距离障碍采用不同的避障策略,并引入虚拟点以躲避碰撞.在仿真和实时环境下进行了实验,分析了障碍位置不同和输入参数不同情况下的避障情况,并与传统人工势场法进行对比,避免了传统人工势场法进行机器人避障时会出现陷入局部极小、抖动等问题.实验结果表明该方法能使机器人快速有效的躲避障碍.     

割草机器人避障控制

针对以往割草机器人避障行为控制方法中存在避障路径不易跟踪以及对各类障碍物适应性较差等缺点,提出了基于测距传感器及模糊控制技术的割草机器人避障控制方法,并规划出易于路径跟踪的走折线运行方式．给出了传感器的布置,以超声波传感器测得的机器人左前方障碍物距离和右前方障碍物距离之差以及正前方障碍物距离作为模糊控制器的输入,而以小车方向角作为控制器输出,四周布置的红外传感器用于提高割草机器人在避障过程中的安全性．避障试验结果表明：该控制方法可行并具有灵活性和鲁棒性等优点,可通过改变控制器输入输出论域及折线段长度来设置避障过程中机器人与障碍物间的距离;所布置的传感器能够适应避障的需求．     

超冗余机器人避障轨迹规划

超冗余机器人的众多冗余自由度允许它在非结构化的工作环境中灵活运动，这将使得超冗余机器人能够在航天勘探、军事侦察以及医学检测等复杂任务中发挥出传统机器人无法承担的重要作用.目前对超冗余机器人轨迹规划方式的研究较少，尤其是超冗余机器人避障轨迹规划方面.针对超冗余机器人避障轨迹规划问题，首先阐述超冗余机器人运动学逆解与超冗余机器人轨迹规划之间的关系以及轨迹规划的方式.随后列举并探讨超冗余机器人避障轨迹规划的算法，包括局部避障规划算法、全局避障规划算法以及结合智能算法的避障规划，并对这些算法所存在的问题进行分析.最后对超冗余机器人轨迹规划的未来发展方向进行展望.     

基于降级模糊算法的爬壁机器人避障控制

针对罐体表面作业过程中避障的问题,提出了改进模糊避障控制算法。为保证爬壁机器人能够缩短到达目标点的时间,除爬壁机器人与障碍物距离量外,增加爬壁机器人与目标点的角度量作为输入变量,速度、角速度作为输出量,确定了各参数的论域与隶属度,建立了模糊规则表,采用重心法解模糊化;考虑罐体环境的复杂多变性,提出优雅降级避障控制策略,在探测传感器受扰失灵的情况下仍能够越过障碍物到达目标点。通过与人工势场避障法仿真比较,改进模糊控制法可更有效地避开障碍物,并在探测传感器异常情况下,也能保证爬壁机器人到达目标点,体现了该避障算法的优越性与可靠性。最后进行了爬壁机器人避障实验,验证了该算法的可行性。     

基于模糊PID控制算法的导盲机器人研究

结合PID控制对线性定常系统控制的优越性和模糊控制器对复杂非线性系统的有效控制,设计了一种基于模糊PID控制算法实现导盲机器人的避障循迹控制。导盲机器人采用乐高套件搭建而成,避障环节设计采用超声波传感器检测障碍物信息,控制器采集障碍物信息及机器人行驶速度信息,利用模糊PID算法实现避障;循迹环节为克服遇机器人转弯或高速行进时一般PID控制算法稳定性差的不足,采用实时跟踪偏差和偏差变化率来修正PID控制的各个参数,实现对机器人的导航控制,其中机构采用红外传感器进行识别检测。实验结果表明,利用改进算法进行导盲机器人的避障循迹控制,能够极大的提高避障的准确率,精准的循迹。     

主动避障式管道机器人结构设计及动力学仿真

为了解决轮式管道机器人在管道内越障能力不足的问题,设计一种主动避障管道机器人,并运用ADAMS进行动力学仿真分析。首先分析了管道机器人结构原理和运动特性。随后运用ADAMS建立虚拟样机,对管道机器人的避障能力、直行能力以及过弯能力进行仿真分析。仿真结果表明,该管道机器人可自动适应148～152 mm管径;可通过的最小转弯半径为304 mm;可实现在管道内部主动避障,同时具有良好的动力特性。     

基于Lévy-PSO算法的焊接机器人避障路径规划

针对工业机器人的运动特点并考虑机器人焊枪的避障问题,提出了较为实用的几何避障焊接路径规划策略.采用Lévy飞行与粒子群算法(PSO)相结合的算法进行全局路径规划的优化,并与其他方法进行模拟仿真比较,以验证其合理性和可行性.结果表明,Lévy-PSO算法能够得到避障焊接路径最优解,且其寻优效果较为稳定,可用于解决点焊机器人避障路径规划问题.     

基于Bézier曲线的差速驱动机器人混合避障路径规划算法

为实现差速驱动机器人在避障环境下的平滑最优路径规划, 提出一种基于Bézier曲线的差速驱动机器人混合避障路径规划算法. 首先, 建立差速驱动机器人运动模型, 用于操控左右两个驱动轮线速率, 完成机器人转弯及非匀速运动; 其次, 利用Bézier曲线描述路径状态, 将路径规划问题转换为产生Bézier曲线有限点方位优化问题, 提升机器人的运动平滑性; 最后, 引入遗传算法将二维路径编码简化为一维编码问题, 将路边约束、 动态避障需求及最短路径需求混合成适应度函数, 使机器人尽快脱离局部极小解, 成功绕过障碍物抵达目标点. 仿真实验结果表明, 该方法的避障路径规划效果较好, 避障路径距离为30.19 m, 且避障用时低于对比方法, 最长避障用时为5.3 min.     

自主导航避障移动机器人仿真软件设计

设计了一款可实现移动机器人自主导航避障的仿真软件,该软件包括机器人运行环境仿真与机器人运动控制仿真2部分.其中运行环境仿真部分提供了机器人的障碍环境即运行地图,机器人运动控制仿真部分分别模拟了机器人雷达、导航避障算法及机器人运动.首先讨论了软件框架,实现了机器人“传感-思考-执行”的运行机制;然后详细介绍了机器人雷达仿...     

基于模糊控制篮球比赛系统的采摘机器人避障系统研究

针对不同复杂环境下采摘机器人的自主避障问题,提出了一种基于模糊控制篮球比赛系统的避障实现方法.该方法将篮球比赛的三阶段控制思想引入模糊控制系统的隶属度函表示中,通过分阶段块状处理提升系统响应的实时性,在此基础上构建了采摘机器人的模糊控制避障系统,对障碍物外围区域路径实现了全局优化.实验结果显示,该方法明显提升了避障系统的全局优化能力和实时性.     

移动机器人避障方法研究

在机器人技术研究中,自主避障是智能化程度的重要指标,是移动机器人最基本的技术要求,它关系着智能机器人的安全移动.随着现今机器人技术的飞速发展,对智能避障的精准度提出了更高的要求.如何选择价位适中、精度适当的避障传感器件具有十分重要的现实意义.本文从介绍常用于避障的传感器特性和工作原理,结合多次实践的应用电路,将一些传感器在两轮移动机器人避障系统中的应用进行分析.     

不确定环境下集矿机环境感知与实时避障研究

通过对海底集矿机作业特点及作业环境分析可知,采用传统势场法避障要解决的关键问题主要为局部极小问题,由此提出了基于人工势场法的改进算法。重新定义势函数,对斥力函数作了改进,建立了履带式集矿机的运动学模型,并成功应用于海底不确定环境下集矿机的实时避障。仿真结果表明:改进后的避障算法能够使机器人逃离局部极小,顺利避障并到达目标,具有较强的实用性与可行性。该研究对于海底采矿及水下机器人的避障具有一定的指导意义。     

基于多传感器融合的机器人导航系统设计

随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络。在机器人避障和导航控制中,本文采用了基于模糊逻辑的多传感器信息融合算法。通过对多传感器的信息进行融合能较好地实现机器人在未知环境中的自主避障与导航,并对这种控制方法进行了MATLAB仿真。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,该信息融合算法是优于传统信息融合算法的。