基于激光传感器移动机器人的目标定位和多模式跟踪

移动机器人对运动目标的感知和跟踪是实现机器人与环境交互的一项重要能力。针对移动机器人以人为目标的跟踪中在复杂动态环境下经常出现的目标丢失和跟踪模式单一的问题,提出了基于机器学习的人物目标识别算法。该算法可以处理复杂环境下的目标检测和定位。同时设计了交互多模型跟踪算法,可以较好的跟踪以不规律模式运动的目标。最后在交龙移动机器人平台上实现了整个系统,验证了人物目标检测和多模式跟踪算法的鲁棒性和优越性。     

移动机器人崎岖地面静态目标瞄准跟踪系统

目标跟踪对自主移动机器人是一项重要的任务,但往往系统成本高、体积大、耗能高,跟踪控制算法复杂,不适合于小型移动机器人的应用场合。本文结合一种低成本的嵌入式颜色视觉系统,提出了一种简单实用的目标跟踪方法,基于图像的HSV阈值分割,经过颜色分割识别物体,通过实时对比目标中心在图像平面的坐标与图像平面中心的偏差,产生相应控制命令驱动云台电机保持目标中心坐标始终处在图像平面中心矩形框内,从而实现移动机器人对目标持续有效的瞄准跟踪。通过移动机器人在不同崎岖地面运动对所提出目标跟踪控制方法进行了验证。     

基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。     

一种基于动力学模型的高速轮式移动机器人漂移运动控制方法

针对高速轮式移动机器人,提出了一种漂移运动控制方法.首先以统一轮胎模型为基础建立了移动机器人在复杂工况下的动力学模型;针对系统模型非线性、强耦合等特点,利用反馈线性化的方法设计了一种基于动力学模型的漂移运动控制器,该控制器实现了对目标姿态角及角速度的跟踪控制;针对现有视觉、GPS等测量手段实时性差、不能满足漂移运动任务的缺点,设计实现了位置速度测量单元.仿真及实验验证了该控制器的有效性.     

基于机器视觉的机器人武器目标跟踪系统

移动机器人武器是现代高科技在战争中的具体应用,其目标跟踪系统与其它武器目标跟踪系统相比有其自身的特点和不同.本文以机器视觉为理论基础,利用小波变换对武器系统采集到的序列图像进行去噪处理,提出了复杂背景下运动目标检测和跟踪的方法,为移动机器人武器目标跟踪系统的研究和设计提供了理论依据.     

一种基于行为的移动机器人目标人跟踪控制方法

针对室内复杂环境,对于智能服务移动机器人,设计一个连续稳定的目标人跟踪算法是必要的.为此提出一种室内环境下基于行为的移动机器人对运动目标人进行跟踪的控制方法,该方法综合优先级裁决方法与模糊行为融合法选取移动机器人的控制行为,较好地解决跟踪过程中存在多种行为以及行为冲突问题,在完成运动避障的同时保持对运动目标的跟踪.对避...     

移动机器人运动目标跟踪系统设计

利用SONYEV-D31摄像机和自主研发的摄像机控制模块,构建了一套主动视觉子系统,并将该子系统应用于RIRA-Ⅱ型移动机器人上,实现了移动机器人运动目标自动跟踪功能。RIRA-Ⅱ移动机器人采用了由一组分布式行为模块和集中命令仲裁器组成的基于行为的分布式控制体系结构。各行为模块基于领域知识通过反应方式产生投票,由仲裁器产生动作指令,机器人完成相应的动作。在设置了障碍、窄通道以及模拟墙体的复杂环境下进行运动目标跟踪实验,实验表明运动目标跟踪系统运行可靠,具有较高的鲁棒性。     

满足复杂要求的机器人最优巡回控制系统设计与实现

本文结合线性时序逻辑理论与模糊控制方法,设计并实现了一种满足复杂任务需求的移动机器人巡回控制系统,它既能够针对复杂时序任务进行路径规划,又能够对机器人进行模糊控制实现路径跟踪.首先,基于线性时序逻辑理论,确定能够满足复杂巡回任务需求的全局最优路径.接着,根据所获得的最优路径,采用模糊控制方法设计轨迹跟踪控制器,使其通过实时位姿反馈对机器人进行路径跟踪控制.仿真结果验证了移动机器人巡回控制系统的有效性.最后,基于E-Puck移动机器人构建了能够满足复杂任务需求的移动机器人巡回控制实验系统.基于所提出的最优巡回路径规划算法和模糊控制器设计方法,通过图像处理、数据通信、算法加载等软件模块的实现完成了满足复杂任务需求的移动机器人巡回控制.     

基于滑动模型与图论的多机器人跟踪控制

移动机器人系统的非线性环节是导致控制设计困难的主要原因之一,在三维空间中的运动较二维空间更为复杂.针对三维空间中非线性移动机器人系统的跟踪控制问题,为了提高跟踪速度和改善动态特征,提出了一种基于滑动模型与图论相结合的控制策略.滑模控制方法广泛地适用于非线性对象,并且具有良好的鲁棒性,适合用于非线性机器人控制;从系统整体出发利用图论的知识,对整个编队进行约束,从而构成对整个系统的控制策略,表明能跟踪静态的目标和跟踪动态的目标.仿真提高了系统的稳定性,说明了控制方法的有效性和适用性.     

一种新的移动机器人组的多目标控制仿真实验

为了实现具有编队运动和避障能力的分布式自治系统,针对协同的轮式移动机器人组提出了一种非线性控制方法,使得其在动态变化环境中能编队运动,避开静态和动态障碍物,并有效地跟踪虚拟领航机器人。首先,建立了多目标控制问题模型,然后为环境中的每一个物体生成人工势场,在此基础上设计生成综合控制量。此方法系统地综合考虑了协同运动、虚拟领航者跟踪、避障和振荡抑制等多目标的实现。采用李亚普洛夫方法对所需的基本条件和主要特性进行了严格地证明和推导。所提出的控制基于势场法,提高了机器人组的瞬态性能,并解决了其固有的振荡问题。仿真研究表明,该方法保证了移动机器人组在动态环境中能有效地实现协同运动、虚拟领航者跟踪、避障和振荡抑制等多目标任务。     

Navigation system including associative memory

A new adaptive linear robot control system for a robot work cell that can visually track and intercept stationary and moving objects undergoing arbitrary motion anywhere along its predicted trajectory within the robot's workspace is presented in this paper. The proposed system was designed by integrating a stationary monocular CCD camera with off-the-shelf frame grabber and an industrial robot operation into a single application on the MATLAB platform. A combination of the model based object recognition technique and a learning vector quantization network is used for classifying stationary objects without overlapping. The optical flow technique and the MADALINE network are used for determining the target trajectory and generating the predicted robot trajectory based on visual servoing, respectively. The necessity of determining a model of the robot, camera, all the stationary and moving objects, and environment is eliminated. The location and image features of these objects need not be preprogrammed, marked and known before, and any change in a task is possible without changing the robot program. After the learning process on the robot, it is shown that the KUKA robot is capable of tracking and intercepting both stationary and moving objects at an optimal rendezvous point on the conveyor accurately in real-time.     

基于关联规则挖掘的全向轮移动机器人目标跟踪控制系统设计

为使全向轮机器人在移动过程中所捕获到的目标对象能够完全符合理想目标设定条件,准确追踪目标节点的运动行为,设计基于关联规则挖掘的全向轮移动机器人目标跟踪控制系统。根据CAN主控框架的部署形式,按需连接核心管控电路与I/O跟踪模块,分别以转向控制器、速度控制器为例,完善全向轮控制结构的物理作用能力,实现机器人目标跟踪控制系统的应用结构部件设计。在此基础上,定义频繁项集合,按照具体的关联规则特征描述结果,确定挖掘程序指令的执行能力,得到准确的关联离散度指标计算结果,实现控制系统的关联规则挖掘,再联合相关硬件设备结构,完成基于关联规则挖掘的全向轮移动机器人目标跟踪控制系统设计。分析对比实验结果可知,随着关联规则挖掘控制系统的应用,全向轮机器人在移动过程中所捕获到的目标对象能够将理想目标完全包含在内,可以辅助全向轮移动机器人更加准确地追踪目标节点的运动行为,符合实际应用需求。     

移动目标追踪系统的设计及实现

移动目标追踪系统是实现一款智能小车对运动的物体进行识别、循迹、追踪等。采用智能路径规划方法,借助STM32主控制芯片,以其丰富的硬件资源为基础,连接可编程的OPENMV摄像头模块、电机驱动模块、电机和编码器,使用C语言进行控制编程,设计了一款移动目标追踪系统;摄像头对物体采集图像,计算出物体的坐标和物体与小车的距离,传给主控制器;主控制器将小车的坐标与小车到物体的距离作为PID算法的输入,通过优化后的PID算法调节PWM去控制电机运行,完成对物体的循迹、追踪。实验结果表明,在优化后的PID算法的控制下,无论物体是运动还是静止,小车都能够比传统的PID算法控制更加快速、稳定的追踪到物体,直到小车追踪到物体并且稳定的保持相对静止状态。     

Human tracking system based on adaptive multi-feature mean-shift for robot under the double-layer locating mechanism

Human tracking has been a challenging task for robot in the past decades. In this paper, to realize the human following in a cluttered environment, a human tracking system based on adaptive multi-feature mean-shift (AMF-MS) under the double-layer locating mechanism (DLLM) is proposed to solve the problem of distinguishing target, occlusion, and quick turning. The DLLM, considering the course location processing and fine location processing, is designed to estimate the person’s position using the fusion of heterogeneous data. As an ID tag attached on target can be detected by RF antennas, the course locating method can track the target easily and quickly. The Bayes rule is introduced to calculate the probability where the tag exists due to the instability of RF signals. In the fine locating step, the AMF-MS is proposed because it can reduce computational load and represent target by multi-feature histogram function. Meanwhile, we combine extended Kalman filter and AMF-MS to overcome MS’s inability of occlusion. To control the robot following the target person precisely, an intelligent gear shift strategy based on fuzzy control is implemented by analyzing the robot structure. Experiments demonstrate that the proposed approach is robust to handle complex tracking conditions, and show the system has an optimum performance.     

基于移动机器人机载视觉云台的有限时间目标跟踪控制

研究面向移动目标的移动机器人机载视觉云台跟踪控制系统.首先,对视觉云台跟踪控制系统进行数学建模;然后,为提高移动目标的跟踪快速性和精度,基于有限时间控制技术提出一种新的有限时间视觉跟踪控制算法.严格的理论分析证明即使系统存在外部干扰也可以在有限时间内跟踪上目标,即通过控制云台转动能够保持在机器人运动过程中移动目标始终在相机视觉中心.仿真结果表明,所提出的有限时间控制算法可以实现移动目标的有限时间跟踪.     

一种履带式行走机器人的仿人智能控制系统

本文介绍一种参加首届全国大学生机器人电视大赛的履带式行走机器人仿人智能控制系统。首先通过对机器人跟踪直线数学模型的建立，得出该系统是一个多输入多输出非线性系统，且变量间相互耦合，用传统控制方法难以解决。根据仿人智能控制的基本思想，建立了单片机控制硬件平台，提出了机器人跟踪直线、转弯、准确定位和路线规划的仿人智能控制算法。在此基础上编制了控制软件，通过调试，整定了控制参数，经过试验和参赛的考验，证明该系统简单、实用、可靠。     

基于Adept机器人的视觉伺服控制系统

机器人视觉伺服控制在理论和应用等方面还有许多问题需要研究,例如特征选择、系统标定和伺服控制算法等.针对Adept机器人,提出了一种简单快速的不需要精确标定摄像机内外部参数的摄像机标定方法,完成了从被观测物体表面所在的视觉平面坐标系到机器人基坐标系的坐标变换.使用图像的全局特征,即图像矩特征进行伺服跟踪;利用所推导的图像雅可比矩阵,设计了由图像反馈与目标运动自适应补偿组成的视觉伺服控制器.将算法对静态目标的定位实验进行了验证,然后又将其应用到移动目标的跟踪上,通过调节和优选控制参数,实现了稳定的伺服跟踪和抓取.实验结果表明采用图像矩作为图像特征能够避免复杂的特征匹配过程,并且能够获得较好的跟踪精度.     

基于三维视觉系统的多运动目标跟踪方法综述

多运动目标跟踪是智能视觉监控系统中的关键性的亟待解决的问题,采用二维视觉特征跟踪会在目标相互遮挡时丢失目标特征造成跟踪困难,近年来三维视觉跟踪系统越来越成为热点,利用三维特征能在多目标相互遮挡时更好地识别、跟踪目标,实现多目标遮挡时的精确跟踪,从而全面提高智能视觉监控系统的精确性。总结了近年来基于三维视觉系统的多运动目标跟踪方法,根据采用的不同三维视觉系统分为三类,将每类中具有代表性的方法进行了论述,分析了各典型方法的优缺点,最后提出了进一步研究的主要发展内容和趋势。     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪。该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,将角点检测结果融入到LK光流法中,并对检测到的角点进行运动光流特征提取,最后通过卡尔曼滤波对出现的行人进行预测跟踪,采用匈牙利最优匹配算法实现对运动目标的持续匹配以及对运动目标的跟踪。仿真结果表明,本文提出的方法能够对视频中出现的运动目标进行检测跟踪,具有较好的识别效果,且检测效率得到提高。