共查询到20条相似文献,搜索用时 62 毫秒
1.
本文介绍一种四足爬行机器人的组成结构及其控制系统的构成.控制系统主要由上位机控制界面和下位机控制单元组成.上位机通过Java语言编写调试控制界面,与下位机通过串口进行通信,下位机采用STM32作为核心控制器,接收上位机的相关控制信息,通过控制舵机控制器,实现四足爬行机器人的行走控制. 相似文献
2.
3.
4.
为了实现对未知、危险的区域进行探测或实施救援,本文设计了一种基于单片机和WIFI的控制方式极为方便的智能小车机器人。上位机(PC/移动终端)通过WIFI实时接收下位机传回的画面,并保持实时通信,上位机通过检测记录鼠标的坐标变化转化为一系列控制信号发送给下位机驱动模块A4988,以及四个步进电机,进而控制小车按预设轨迹行走。 相似文献
5.
6.
7.
8.
9.
10.
本系统由上位机和下位机两部分组成.上位机通过串口接收电话号码,查询关系数据库得到相应的话费字段,对话费字段进行处理,最后经过语音合成,通过声卡实现语音播报.数字语音处理部分采用MP3文件拆分与合成的方法,考虑到杂音问题,进行整数帧拆分.文件合成时采用文件流复制的方法. 相似文献
11.
12.
针对于NAO机器人自身语音识别准确率低的问题,提出一种基于NAO机器人的BLSTM-CTC的声学模型研究方法.基于BLSTM-CTC的声学模型进行建模,以BLSTM为声学模型和CTC为目标函数,以音素作为基本建模单元,建立中文语音识别端到端系统.实验结果证明,本文算法相较于NAO机器人自身,取得了良好识别效果. 相似文献
13.
为了解决微小地面机器人群体控制及状态监测及显示的问题,设计一种微小地面机器人的监控系统。系统由上位机、ZigBee通信模块和下位机组成。上位机采用VB语言设计监控界面,利用MSComm控件实现串口通信,并通过调用Matlab的COM组件,实现粒子群优化算法预推目标运动轨迹;ZigBee芯片选用高度集成、低功耗、高灵敏度的784/868/915MHz 的ZigBit900,通过串口与上位机及下位机连接,实现下位机与上位机组网通信;下位机以DSPIC33F单片机为主处理器,完成与上位机、小车和其它模块之间的数据传输控制,实现监控系统对微小地面机器人群的监测和控制。通过实验表明,该监控系统稳定、实时、可靠。 相似文献
14.
为了实现对地震、泥石流等灾害现场的实时监控,依托WiFi网络和遥控机器人技术设计了一台智能搜救机器人,引入多种传感器设备,实现灾后现场的实时监控和救援。通过无线传输技术实现机器人上位机与下位机之间的通信,下位机软件将机器人采集到的视频信息传送到上位机,上位机根据所接收到的视频信息向下位机发送控制命令,实现远距离移动监控。通过在机器人车体上搭载机械臂拓展机器人的搬运功能,实现作业现场障碍物清除工作。重点阐明了基于WiFi技术的智能控制机器人系统的硬件和软件设计。实验结果表明,本次设计的智能搜救机器人能有效实现灾后现场的远程移动监控和救援,具有一定的可靠性和实用性。 相似文献
15.
16.
介绍了一种适用于家电控制系统的语音关键词识别算法.算法包括对关键词的搜索与确认两部分.通过对关键词和非关键词分别建立模型,建立起一个并行识别网络.使用帧同步的Viterbi算法在网络上搜索关键词.为使关键词的识别结果精确,在对支持向量机(SVM)的原理进行简要分析后,提出将SVM作为分类器对基于HMM的最大似然搜索结果进行关键词确认.实验结果显示,联合采用HMM和SVM的关键词语音识别混合算法具有较高的性能. 相似文献
17.
针对现有药房药剂师取药任务繁重、效率低下等问题,设计了基于机器视觉的取药机器人系统,提出了一种基于融合局部特征匹配和Mean Shift算法的药品识别算法,系统整体实现了药品的识别、定位及抓取任务。首先,安装于药架之间的抓药机器人接收上位机发送的药品信息,通过摄像头识别药品,使用AKAZE算法对货架上的药品进行匹配,获取药品坐标后,将匹配的药品抓取放至传送带上;位于取药处的分拣机器人得到上位机发送的药品信息后,通过改进的Mean Shift算法对传送带上的动态药品进行二次识别,将识别到的药品抓取放至取药处,完成整个系统的取药功能。实验证明,以二次分拣为保证,系统能够准确地识别药品,且药品定位信息比较准确,误差较小,可适用于药房药品的抓取。 相似文献
18.
19.
基于语音静音段特征的手机来源识别方法 总被引:1,自引:0,他引:1
手机来源识别已成为多媒体取证领域重要的热点问题.提出了一种基于语音静音段特征的手机来源识别方法,该方法先通过使用自适应端点检测算法得到语音的静音段;然后将静音段的梅尔频谱系数(MFC)的均值作为分类特征;最后结合WEKA平台的CfsSubsetEval评价函数按照最佳优先(BestFirst)搜索进行特征选择,并采用支持向量机(SVM)对手机来源进行识别.实验部分对23款主流型号的手机进行了分类,结果表明所提特征具有较好的分类性能,在TIMIT数据库和自建的CKC-SD数据库上,平均识别准确率分别为99.23%和99.00%.另外,与语音段MFC特征和梅尔倒谱系数(MFCC)特征进行了对比,实验结果证明所提特征具有更加优越的性能. 相似文献
20.
在智能人-机交互系统中,语音信号的情感分类是目前热点的研究领域,并且得到了广泛的应用.本文提出一种基于特征提取和借助支持向量机(support vector machine,SVM)分类器(classifier)的情感互相关性的方法,并应用于情感语音识别.利用这种方法对3种情感语音信号进行情感分类.SVM分类器是利用情感语音信号中情感互相关性的特征提取进行分类的.这种通过 SVM 分类器的情感互相关性的自动分类方法,可以将情感识别率大幅提高,并且在识别愤怒情感时的准确率可以达到95.04%. 相似文献