基于颜色的目标跟踪系统在机器人中的应用

在机器人视觉技术中,准确跟踪目标的关键是对目标特征的提取和对目标进行图像分割。本文在对比各色彩空间模型的基础上,选择了HSI作为分割图像模型,将色调参数H作为主要参数,同时为了提高在不同光照条件下识别的准确度,结合人的瞳孔对不同光强的反映原理,根据亮度I的值动态地调整第二参数饱和度S的值。并且在图像的融合过程中,运用游程编码技术,计算出目标的重心坐标和面积,为机器人的路径规划提供了原始数据。     

基于广义势场的多机器人避碰算法

针对目前多机器人避碰算法存在的计算复杂、缺乏普适性等的局限性,以传统人工势场法为基础,将协商和意愿引入人工势场范畴,提出了多机器人系统运动规划的广义势场算法.该算法以物理空间障碍为基础构造排斥势场,以意愿为基础构造吸引势场,并通过排斥势场与吸引势场的拓扑积构成人工势场.在人工势场中,通过对势场中微团运动趋势的求解就可得出所需的路径规划.实验证明,该算法不仅具有人工势场法系统模型构造简单、能够进行最优路径规划的优势,而且在系统运行过程中有效地避免了系统死锁的发生.     

基于概率法的移动机器人无线网络定位系统

 作为一种全新的室内定位技术,将无线路由器的无线信号强度（Receive Signal Strength Indicator,RSSI）值应用在室内移动机器人定位领域。为实现室内移动机器人的定位,提出利用无线信号强度值定位的概率法,根据无线信号强度值在室内环境中的分布特点,分析概率法定位原理,开发一种基于VC++6.0平台室内移动机器人定位系统,该定位系统包括硬件平台和软件平台,并进行移动机器人定位实验,得到较好的定位实验结果。同时,分析机器人定位精度,确定影响定位精度的因素主要包括障碍物、人体、温度和湿度等。定位实验结果表明,在结构化环境下机器人定位的最大偏差为1.2758m,最小定位偏差为0.3007m,可以较好地满足室内移动机器人的定位要求。     

多功能地面移动机器人设计与分析

针对越野越障和搭载多种作业装备的需求,设计了一种配备共用搭载平台的多功能地面移动机器人。制定了机器人的主要性能指标,对机器人底盘和搭载平台结构进行了设计,并给出了控制系统的构成;基于所设计的机器人搭载平台,讨论了多功能地面移动机器人的几种典型搭载模式,并采用经典力学方法对此机器人进行了底盘行驶力学和搭载平台运动力学分析。仿真结果表明,机器人能爬上30°的斜坡,搭载2套40mm口径火箭炮,实现所要求的越野越障和搭载多种作业装备的功能。     

融合自主漫游及远程监控的图书馆移动机器人系统设计

针对当前图书馆数字视频监控在动态交互响应及时空局限等方面的不足,提出基于移动机器人的智能移动监控站系统模型.在硬件层面,将传感器配置、嵌入式系统、电源驱动、运动控制及网络通信等进行整合,并给出四轮移动机器人平台机构和电路设计方案.在软件控制设计层面,通过将自主漫游及远程监控融合,使监控端和操作端均不再受到时间和空间的限制,提高监控系统整体的智能性和灵活性.实测结果表明:所提方法具有可行性、有效性.     

使用三维栅格地图的移动机器人路径规划

针对移动机器人使用三维地图进行路径规划的问题,研究了使用三维栅格地图的路径规划算法.该算法将装载三维激光扫描仪的移动机器人得到的三维点云转换成为八叉树结构的三维栅格地图;扩展了D*算法使之考虑机器人的尺寸,检测每种位姿状态下是否与环境发生碰撞,生成多条可行路径可以在栅格地图中直接生成机器人的运动轨迹,保证运动过程中机器人自身及物体的安全.实验结果表明:该算法不需要对地图具有先验认识,并且考虑了机器人的实际尺寸,具有较强的可靠性和实用性,已经在真实环境中进行了实验.     

基于障碍物地平角点的移动机器人定位*

提出了一种移动机器人快速定位方法。该方法在水平面假设的前提下,采用Harris Laplace算子并结合快速均值漂移和立体视觉方法,构建了一个障碍物地平角点提取算法取得特征角点,再以提取的障碍物地平角点为路标点,利用自适应粒子滤波方法融合路标点的深度和位置信息,实现了移动机器人高效快速和较为精确的定位。由于路标点（障碍物地平角点）数量大幅度减少,大大降低了定位算法计算的复杂度。实验的结果证明了上述方法是行之有效的。     

悬挂特性参数对履带车辆随机路面越野平顺性能影响

研究履带车辆悬挂系统参数对履带车辆最高越野时速的影响.建立了多轮车辆的线性2自由度模型(垂直及俯仰),以不同路面等级的随机路面作为模型输入,对不同悬挂刚度、车辆速度及悬挂阻尼的模型进行仿真计算.结果表明,提高悬挂的动行程和减振器的散热能力能够显著提高履带式装甲车辆的最高越野时速.     

基于蚁群算法的移动机器人全局路径规划

移动机器人路径规划是机器人学的一个重要研究领域,蚁群算法是一种模拟蚂蚁群体觅食行为的仿生优化算法。结合机器人路径规划的特点,将确定性选择和蚁群算法的随机性选择相结合进行节点转移,每次循环后只对较优蚂蚁路径进行信息素更新,提高了算法收敛的速度;在寻找路径过程中蚂蚁无后继转移节点时,采用蚂蚁回退策略,增强了算法在复杂障碍物环境中寻找路径的健壮性。仿真试验表明,该算法能在障碍物较复杂的情况下迅速规划出较优的全局路径。     

利用改进的粒子群算法的机器人全局路径规划

针对常规路径规划单纯追求路径最短、路径规划不灵活和实现复杂的缺点,提出了一种改进的移动机器人全局路径规划方法.该方法综合人工势场(APF)与粒子群优化算法(PSO)的优点,利用障碍物的排斥力生成路径的危险度地图(DDM),将路径长度与危险度的加权和作为PSO的适应度函数,获得了一条全局最优路径.该方法具有3个优点:粒子初始化及更新过程中会自动避开有障碍物的危险区域,规划出一条既安全相对长度又较短的路径;通过调整加权因子平衡长度与危险度在适应度函数中的比重,路径规划灵活;算法实现简单,收敛速度快,能满足移动机器人实时路径规划的要求.仿真结果证明了该算法的可行性和有效性.