六维腕力传感器惯性参数的在线识别

腕力传感器的动态特性对机器人系统的动态特性、精确运动和控制有不可忽视的影响。将六维腕力传感器置于机器人系统中 ,基于腕力传感器坐标系内的微分运动 ,结合机器人运动学和动力学知识 ,研究了在线识别六维腕力传感器惯性参数的方法     

六维腕力传感器惯性参数的在线识别

腕力传感器的动态特性对机器人系统的动态特性、精确运动和控制有不可忽视的影响.将六维腕力传感器置于机器人系统中,基于腕力传感器坐标系内的微分运动,结合机器人运动学和动力学知识,研究了在线识别六维腕力传感器惯性参数的方法.     

基于神经网络的自治水下机器人广义预测控制

针对自治式水下机器人高度非线性和时变性的特点,提出了一种基于神经网络的水下机器人广义预测控制策略．利用改进型Elman网络作为多步预测模型,在对网络学习算法进行改进的基础上,实现了Elman网络的在线学习,并提出了用于求解神经广义预测控制律的灵敏度公式．进行了具有神经网络在线学习功能和不具有在线学习功能的水下机器人的速度控制实验,并就预测控制效果进行了对比分析．实验结果表明,具有自适应学习功能的水下机器人速度控制法的精度要优于不具有在线学习功能的速度控制法,且当水下机器人动态特性发生变化时具有较强的自适应能力．     

基于操作者表现的机器人遥操作方法

针对遥操作机器人,提出了一种操作者表现（PoT）的在线识别方法以及基于PoT的遥操作移动机器人控制框架.首先,通过分析遥操作者的EEG（脑电信号）获得5个PoT指标,并使用BP（反向传播）神经网络对其进行建模,从而实现对遥操作者表现的在线识别.随后,设计了一种基于PoT动态调节遥操作共享控制系统中的控制权重的策略.选取3名不同遥操作者进行了在线PoT识别及基于PoT的共享控制遥操作实验,实验结果证明该方法能够有效地在线识别PoT,同时基于PoT的控制框架提升了遥操作的效率和安全性.     

全自主足球机器人混合视觉系统的设计与实现

根据中型组机器人足球比赛的需要,设计并实现了一套由全向视觉、前向单目视觉和嵌入式视觉构成 的混合视觉系统．全向视觉具有360± 的水平视角,信息量大、实时性好,但近端信息的感知识别精度较低,前向单 目视觉和嵌入式视觉就是为了解决该问题而加入的．前向单目视觉主要用于识别位于机器人正面不远处的目标,且 可给出精确的目标位置信息,同时全向视觉和前向单目视觉的处理都是在机器人上位机上进行的．为了解决机器人 非前向近端信息缺失的问题,在不增加上位机负担的情况下,本文通过下位机的嵌入式视觉识别机器人周边非前向 近端的动态目标或障碍物,较好地解决了机器人360± 范围内近端信息的获取问题．实验结果表明,该视觉系统较好 地实现了对机器人远端、近端目标的识别．     

基于视觉的动态手势识别及其在仿人机器人交互中的应用

手势识别是人和机器人交互中的重要组成部分，本文针对双目视觉系统SFBinoeye实 现了基于光流PCA(主分量分析)和DTW(动态时间规整)的命令手势识别，用以控制仿人机器人 SFHR的手臂运动．利用块相关算法计算光流，并通过主分量分析得到降维的连续投影系数， 与手掌区域的质心位置组合为混合特征向量．针对DTW定义了新的加权距离测度，并用它对 手势进行匹配识别．针对9个手势训练和识别，识别率达到92.4%，并成功地应用于机器人的 手臂控制中．     

足球机器人对彩球的鲁棒跟踪识别

在基于视觉的足球机器人系统中,对场上焦点目标——球的动态跟踪识别是系统设计的第一要务。针对半自主微型机器人足球比赛中的小球易受场上干扰、小车遮挡造成的识别丢失问题,提出基于预测与搜索窗的图像目标跟踪识别方法。通过最小二乘法预测丢失小球的可能位置,将图像目标搜索限制在局部小区域内,并利用搜索窗内的在线状态信息加以判断,实现运动目标被遮挡情况下的有效跟踪识别。实验与比赛结果统计表明,该方法实时跟踪识别效果好、鲁棒性强。     

基于手势识别的机器人人机交互技术研究

研究了基于视觉的动态手势识别技术,采用基于肤色的高斯模型与改进的光流场跟踪算法结合的方 法,实现了复杂背景下实时的手势跟踪,具有快速和准确的特点,且具有较好的鲁棒性．对于动态手势识别器,采 用了隐马尔可夫模型（HMM）作为训练识别算法．考虑到动态手势特征本身的一些特点,对HMM 参数优化算法重 估式加以修正,调整了算法比例因子,从而推导了最佳状态链的确定算法、HMM 参数优化算法．最后将研究开发 的动态手势识别算法成功地应用到了基于网络的远程机器人控制系统中．     

动态未知环境中移动机器人的滚动路径规划

本文借鉴预测控制滚动优化原理，研究了全局环境未知且存在动态障碍物情况下的 机器人路径规划问题．文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人 实时测得的局部环境信息，以滚动方式进行在线规划，实现了优化和反馈的合理结合，对动 态环境具有良好的适应性．     

机器人灵巧手抓持分类器的设计与实现

机器人灵巧手的抓持分类是抓持规划的一个主要问题．本文应用模式识别技术设计和实现了 一种基于高斯混合模型GMM的分类器． 采用Expectation Maximization(EM)算法估计GMM的 参数，对人手的抓持动作进行识别与分类，经过人手到机器人手的关节空间运动映射，实现 了机器人灵巧手的抓持动作分类．该分类器可以应用于在线抓持规划．     

基于神经网络空时特征提取的动态手势识别

针对现有的动态手势识别3D卷积方法计算参数量大和对2D卷积长时间序列的空时特征难以提取的问题,提出一种基于2D卷积神经网络和长短期记忆网络相结合的提取时空域特征的动态手势识别方法。首先基于2D卷积神经网络提取空域特征,再通过长短期记忆网络进行序列图像时序上的相互关联提取时间维度上的信息。为验证算法的有效性,使用自采集的7种动态手势动作和IsoGD公开数据集对本文所提算法进行验证。实验结果表明,在线增强算法下实验在自采集的动态手势集上的识别率达到87.14%。在IsoGD公开数据集上的识别率达到57.89%,相对于现有的其他方法有所提升。     

精确标定关节臂视觉检测系统手眼关系

在关节臂视觉检测系统中,视觉传感器与关节臂末端的手眼关系标定的准确性直接影响到系统的测量精度。推导了关节臂手眼问题的数学关系模型,提出了一种基于遗传优化算法的双阶段手眼标定的新方法,即先采用常规方法求取手眼变换矩阵主要参数的初始值,在初始值的基础上利用遗传算法优化手眼标定模型的所有参数,建立遗传优化算法的手眼关系数学模型。通过实验论证了该方法的优良性和可行性,对一般手眼问题具有一定的可移植性,系统测量精度优于40 μm。     

一种基于手眼标定的增强现实跟踪注册方法..

手眼标定是机器人领域常用的一种确定机器人末端坐标系和摄像机坐标系之间相互关系的标定方法。跟踪和定位是增强现实研究的热点,跟踪定位通常为复合跟踪系统,结合多传感器跟踪信息,优势互补,达到更高测量精度和准确度。跟踪注册是实现信息有效融合的基本前提。文章将机器人手眼标定引入多传感器跟踪注册,并通过实验验证了这种基于手眼标定的跟踪注册方法的有效性。     

基于无迹卡尔曼滤波的机器人手眼标定

提出一种基于无迹卡尔曼滤波(UKF)的机器人在线手眼标定算法来求解齐次变换矩阵方程AX =XB.建立手眼标定的隐式马尔可夫模型(HMM),并对它进行无迹卡尔曼滤波,从而对标定参数的状态进行递归贝叶斯估计和实时可视化处理.蒙特卡洛仿真结果表明,在小高斯噪声、较大高斯噪声以及非等方向性高斯噪声模型下,本文算法估计结果的精确...     

Real-time face tracking and recognition using the mobile robots

The terrain is complex and dynamic in a disaster. This paper aimed at constructing a multipose-specific feature model for online face recognition and tracking in a search and rescue operation. This paper proposes an integrated multipose face tracking and recognition system mounted on an unmanned aerial vehicle (UAV). The face model is constructed online by multi-scale block local binary pattern (MB-LBP) for face recognition. The generic and specific face models are further integrated for face tracking. Mechanisms for the online update of face models to retrieve loss of face tracking are also implemented. The results show that the proposed system achieves stable and robust tracking despite uncertainties (e.g. non-rigid human face, face expression changes, different face poses, complex background, varying illumination, partial visual occlusion, and pose changes). The target loss during tracking can be retrieved correctly. In face recognition, the multipose-specific face model can achieve an accuracy (above 70%). The results demonstrate the feasibility of the proof-of-concept using UAV or ground mobile robot (GMR) for real-time face recognition and tracking.     

基于ROS的机器人自动手眼标定系统设计

为了缩短标定的时间,设计了一种基于ROS的机器人自动手眼标定系统。通过分析坐标系间的转换关系,建立了手眼标定的数学模型,推导了两步法的具体解法。为了尽可能减小标定误差,提出了带约束的随机增量法,并根据角点检测结果实时剔除标定过程中出现的无效图像。基于ROS软件平台完成了驱动、运动空间规划、图像处理和标定解算等功能模块的逻辑设计和系统级联。以6自由度工业机械臂UR3和RGB-D相机Kinect2构建了手眼标定实验系统,实验结果表明,与传统标定流程相比,所设计的自动手眼标定系统便捷高效且精度高,具有较强的拓展性。     

基于统计的动态规划算法在联机汉字切分中的应用*

针对中文联机手写文本识别中需要对不同长度的切分路径进行快速合理评价的问题,提出了一种基于后验概率的动态规划代价函数计算方法,结合切分块与切分点的几何信息,利用原始切分块的个数对代价值进行加权。实验证明,该方法有效克服了不同路径长度的负面影响,提高了最优切分路径搜索的准确率。     

基于多重规则和路径评价的在线中英文手写识别方法

手写文本识别方法主要应用于文本输入技术,对人机交互领域的发展起关键作用。针对多数在线输入法无法识别中英文混合手写识别的问题,提出一种在线中英文混合手写文本识别方法。通过对文本笔画进行基于水平相对位置、垂直重叠率、面积重叠率规则的整合以及连笔切分,得到一系列字符片段,同时利用笔画个数、宽高比、中心偏离、平滑度等几何特征和识别置信度,对字符片段进行中英文分类。在此基础上,根据分类结果并结合自然语言模型的路径评价及动态规划搜索算法,分别对候选的中、英文字符片段进行合并处理,得到待识别的中、英文字符序列,并将其分别送入卷积神经网络的中、英文识别模型中,得到手写文本识别结果。实验结果表明,在线手写中英文混合文本识别正确率达93.67%,不仅能切分在线手写中文文本行,而且对包含字符连笔的在线手写中英文文本行也有较好的切分效果。