高压输电线路除冰机器人障碍物识别方法研究

障碍物检测识别是高压输电线路自主除冰机器人的关键技术之一.针对220 kV输电线路特殊的机器人工作环境,提出一种基于视觉的障碍物识别方法.首先对拍摄的障碍物图像进行中值滤波、膨胀腐蚀等预处理,经OTSU阈值优化计算后,用小波模极大值算法提取图像边缘.然后计算障碍物边缘图像的联合不变矩特征,再把矩特征输入小波神经网络进行障碍物图像的分类识别.并选取防震锤、悬垂线夹、耐张线夹三类障碍物做识别试验,还把小波神经网络与普通BP神经网络识别性能进行了比较,实验表明:以联合不变矩作为障碍物识别特征具有良好的可靠性和稳定性;小波神经网络识别分类的性能良好,比普通BP神经网络具有更快的收敛速度和更高的识别精度.     

基于多传感器的移动机器人安全区域研究

针对移动机器人导航中因障碍物信息复杂的不确定性,为了成功实现自主导航,应用一种多超声波传感器对障碍物进行信息采集,并通过BP神经网络对超声波传感器采集的信息进行处理。根据BP神经网络输出层的结果可确定机器人移动的安全区域。通过实验证明了多传感器信息处理法获得的移动机器人安全区域的可行性,为今后移动机器人避障提供了新的思路。     

基于神经网络集成、多传感器融合的机器人对障碍物的识别

基于神经网络和神经网络集成理论提出了一种多传感器信息的数据融合结构,并将其用于机器人的障碍物的识别,提高了系统的识别效率,增强了系统的可靠性。通过分别搭建识别各种障碍物的子网络,以并行集成的方式把各个个体网络组合起来,可以获得一个一个高性能的识别系统。在HEBUT-Ⅰ型移动机器人上进行了验证,取得了很好的识别效果,为机器人的正确导航奠定了基础。     

基于径向基神经网络图像识别的移动机器人控制系统仿真

为实现人机交互的移动机器人轨迹控制,研究了基于径向基神经网络图像识别的移动机器人控制系统,设计了基于神经网络的图像采集和识别处理模块,处理了移动机器人路径控制的关键问题。通过建立手写字体数字(基于神经网络)的图像采集和识别处理模块,搭建移动机器人轨迹控制数学模型,最终在该模型基础上设计了该类机器人基于图像识别结果的路径控制算法。利用仿真软件MATLAB的robot tool工具箱,进行了移动机器人控制轨迹控制的仿真。仿真结果证明,路径控制方案可以很好的让移动机器人完成预定的路径跟踪。从而从理论上解决了基于视觉的移动机器人轨迹控制问题的难题,并为实现基于视觉的移动机器人轨迹控制提供了理论依据。     

电力线除冰机器人基于粒子群优化的小波神经网络障碍物识别方法

由于除冰机器人工作在覆冰的电力线上,障碍物的识别存在着各类障碍物区分较难,准确率较低等不足。为提高机器人自主识别能力,设计一种自适应阀值的小波变换边缘提取算法来提取出障碍物的图像边缘,并针对电力线障碍物结构特点,在障碍物边缘提取过程中设计一种基于电力线位置约束的有效剔除部分干扰背景的方法;引入小波矩,通过提取边缘图像的小波矩作为障碍物的特征匹配数据;根据神经网络和粒子群算法的原理,设计一种粒子群优化的小波神经网络进行障碍物的识别分类,该方法用粒子群算法取代传统的梯度下降法,并改进惯性权重因子,优化小波网络的各个参数。试验结果表明所提出的方法对电力线上防震锤、悬垂线夹和耐张线夹等障碍物能够有效地识别,并具有比普通识别方法更高的识别精度。     

基于小波神经网络模糊滑模控制的轮式移动机器人避障研究

轮式移动机器人避障响应速度慢,在急转弯过程中容易发生侧翻现象,对此,本文设计了小波神经网络模糊滑模控制器,对移动机器人避障效果进行仿真验证。创建了轮式移动机器人平面简图,推导出机器人运动轨迹跟踪方程式。引用滑模控制器,根据小波神经网络理论和模糊规则,设计了小波神经网络模糊滑模控制器,采用李雅普诺夫函数对小波神经网络模糊滑模控制器运动稳定性进行证明。在不同移动速度下,采用Matlab软件对移动机器人避障效果进行仿真,并与滑模控制器避障效果进行对比。结果显示:在低速移动过程中,采用滑模控制器和小波神经网络模糊滑模控制器,轮式移动机器人避障响应速度相差不大;在中速和高速移动过程中,采用滑模控制器,轮式移动机器人反应速度慢,而采用小波神经网络模糊滑模控制器,轮式移动机器人反应速度快。采用小波神经网络模糊滑模控制器,可以提前预测障碍物,迅速做出调整路径规划,从而避免轮式移动机器人急转弯而发生侧翻现象。     

《机械工程学报》英文版2001年第14卷 第1期目次、摘要预告

基于神经网络的多移动机器人实时运动规划方法战　强　　张启先(北京航空航天大学机器人研究所　北京　 10 0 0 83 )王树国(哈尔滨工业大学 )摘要　对在同一环境中从事独立任务的多移动机器人的运动规划进行了研究 ,提出了一种基于神经网络的运动规划方法。该方法将模糊避碰样本存储在ＲＢＦ神经网络中 ,充分利用了神经网络的联想功能和处理速度快的优点 ,可以让机器人实时地躲避与其他物体之间的碰撞。与规则法相比 ,该方法不仅可以避免建立大而复杂的规则库 ,而且可以让机器人以更快的速度和更高的智能来躲避碰撞和冲突。叙词 :多移动机器…     

基于单目机器视觉的高压输电线路障碍物定位研究

高压输电线巡线机器人运行线路上的障碍物识别定位,是实现巡线机器人自主导航的关键技术之一。针对110k V高压输电线路地线结构的特点,提出了基于单目机器视觉的高压输电线路障碍物定位研究方法。通过在巡检机器人本体上安装单目摄像机,利用单目摄像机采集前方线路图像,对图像中的障碍物进行识别,利用识别出来的障碍物位置中心与摄像机的位置关系建立测距几何模型,来对巡线机器人前方障碍物进行定位。该方法可以较精确地对巡线机器人前方约(1-2)m内的障碍物进行定位并测距,且误差小、识别率高、响应快。最后,通过实验验证该方法有较高的可行性和有效性,能够极大提高巡线机器人自主导航能力。     

基于手势识别的两轮机器人控制系统设计

提出了一种基于人类手势识别的机器人移动控制系统设计.采用IBM笔记本电脑作为上层控制器,DCT0020运动控制卡作为下层运动控制器,较好地实现了人手手势信息识别以及对机器人的实时控制.介绍了机器人的机械系统结构,论述了基于BP神经网络算法进行手势信息识别和VC6.0的控制平台编程以及基于无线通信的遥操作技术.通过实际环境下对手势信息的采集、预处理、识别,最终实现对机器人的运动控制,验证了识别算法的可行性以及控制系统的稳定性.     

基于ROS平台机器人导航避障系统设计与开发

基于ROS工业机器人开源平台,应用C++语言进行了移动机器人导航避障系统的设计与开发。选用激光雷达作为位置传感器,融合视觉里程计、轮式里程计和IMU里程计三大里程计数据,采用传统定位与SLAM算法创建地图,应用AMCL算法准确确定移动机器人位置;对移动机器人使用A~*算法进行全局路径规划、DWA算法进行局部路径规划,并且使用模糊BUG2算法作为核心算法实现局部避障器融入ROS规划系统中,应用C++语言开发程序,在移动机器人Robotino在地图上的两个点进行导航和避障测试。结果表明,只要合理设置机器人和障碍物之间相对运动速度,机器人可以规划出一条躲避缓慢移动障碍物、全局较优路径。     

狭小空间不连续折线焊缝识别移动机器人跟踪系统

以自主移动焊接机器人为平台,主要解决船舶制造中船舱底部狭小空间的不连续折线焊缝识别跟踪焊接问题。介绍了移动机器人的硬件结构和工作原理,采用旋转电弧和激光视觉双传感方式,对采集到的电流和图像信号进行处理,分别用于焊缝跟踪和流水孔特征识别。对机器人折线运动进行了分析,对十字滑块和机器人本体的运动进行了规划,通过规划和实时控制相结合的方式进行焊缝跟踪。在开发的硬件平台上,结合VC编程实现信号的采集、处理及控制,经试验和生产现场试用,结果表明,该系统便携灵活适用于狭小空间不连续折线焊缝作业,识别和跟踪效果良好。     

基于VisualC＋＋．NET平面实体自动识别系统的开发和研制

系统以平面实体作为自动识别与分类的目标物体.通过VisualC .NET编程技术和三自由度直角坐标机器人的结合实现图像的预处理、区域分割、目标分离、特征提取和识别自动控制机器人,达到对目标物体进行移动操作的目的.详细地描述了系统样机的组成原理及功能、软件设计思想及实现方法和技术特点.     

未知环境中移动机器人基于行为的自主导航与环境构建

将模糊控制应用于基于行为的移动机器人控制结构中，使机器人具备了避障、避险和障碍物识别等基本的自主导航能力。针对未知环境中移动机器人的地图构建问题，提出了基于虚拟势场的全局搜索方法，采用基于栅格的地图表示方法，利用声纳传感器收集信息，实现对障碍物的识别和定位。通过试验验证了该方法的可行性。     

基于虚拟力场法的移动机器人避障研究

针对移动机器人,提出了一种基于虚拟力场法的位置闭环避障方法。该方法简易、直观,使机器人在移动过程中能够检测到未知的障碍物并避开它,实现机器人朝着目标点移动。通过实验验证了这种方法的效果良好。     

输电线路除冰机器人障碍视觉检测识别算法

障碍物检测识别是实现输电线路除冰机器人自主除冰作业的关键技术之一.针对220 kV输电线路的结构特点,提出了一种障碍物视觉检测识别算法.算法首先对机器人采集的原始图像进行中值滤波以减少图像噪声并减小障碍物内部的灰度差异;然后利用Otsu算法来确定Canny算子的参数,较好地提取出图像的边缘;最后利用改进的随机Hough变换(RHT)提取出几何图形基元,并施加一定的结构约束,实现了对障碍物的检测识别.在模拟线路上的实验结果表明,该方法能有效地对高压输电线路的导线以及防震锤、绝缘子等障碍物进行检测识别.     

基于弹簧模型的移动机器人路径规划研究

针对传统人工势场法在路径规划中存在局部极小点问题,提出了一种基于虚拟弹簧模型的移动机器人局部路径规划算法。通过模拟弹性小球在有障碍物的斜坡上滚下过程中的受力情况,规划移动机器人从开始位置到目标点位置的移动过程;建立弹簧力学模型完成机器人的避障行为,并结合使用沿障碍物边缘移动和切换目标点位置两种控制策略,解决局部路径规划算法极易出现的局部极小点问题。仿真试验和实际移动机器人的实验表明,该算法能进行实时避障和路径规划,并确保移动机器人在绝大部分环境中能安全、快速地到达目标点。     

基于实际隶属函数的移动机器人局部路径规划

为优化模糊神经网络的实时性、学习速度、收敛性、稳定性,在移动机器人局部路径规划中构建了基于实际隶属函数T-S(Takagi-Sugeno)模型的改进型模糊神经网络。结合静态、动态障碍物并存环境下机器人路径规划的实际,综合考虑二维直角坐标体系下机器人、障碍物的位置、速度及运动方向等实时信息,推导出一种新的具有实际含义的隶属函数作为避碰隶属函数,采用五层T-S型模糊神经网络及改进型误差反传学习算法。通过计算机仿真,验证了所提方略对动态环境下移动机器人路径规划具有较高的实时性和有效性。     

基于三维检测网络的机器人抓取方法

机器人抓取任务中面对的是不同形状和大小的物体,而散落在场景中的物体会有不同的姿态和位置,这对机器人抓取中计算物体位姿任务提出了较高的挑战。针对于此,本文设计了一种基于三维目标检测的机器人抓取方法,弥补了基于二维图像识别引导机器人抓取任务中对视角要求较高的缺陷。首先,设计了一种卷积神经网络在RGB图像中识别物体,并回归出物体三维包围盒、物体中心点;其次,提出一种计算机器人抓取物体最佳姿势的策略;最后,控制机器人进行抓取。在实际场景中,使用本文设计的三维检测网络,三维目标检测精度达到88%,抓取成功率达到94%。综上所述,本文设计的系统能有效找到机器人合适的抓取姿势,提高抓取成功率,满足更高的抓取任务要求。     

基于单目视觉的障碍物定位和测量

障碍物定位与测量是智能移动机器人自主运动的核心问题之一。研究了一种结合障碍物色彩属性和接触边缘属性的算法,通过单个视觉传感器实现平坦路面中障碍物的定位和测量。该算法以图像中已知路面范围的外观属性为基准对图像进行初步处理,依据障碍物和地面接触边缘属性对障碍物进行初步定位,在障碍物上选择区域,以该区域外观属性为基准对图像进行二次处理,得到障碍物在图像中占据范围,结合视觉传感器成像原理,对障碍物位置和尺寸进行标定和测量。以轮式移动机器人为实验平台,验证所提算法的可行性和精度,最终测得其定位误差为1.6%,测量误差为1.5%。     

位置不确定下移动机器人自主抓取方法

往返取物递送移动机器人在入位定点抓取物体时,自身重复定位的不确定性将影响抓取准确性。为此提出一种克服位置不确定性的移动机器人物体抓取新方法。通过机器人体外定点位置深度视觉传感器与机器人手臂系统的关系标定,基于机器人本体激光传感器数据采用迭代最近点算法补偿机器人位置偏差,基于顶抓策略简化描述抓取位姿。通过待抓物识别与定位、确定抓取姿态以及机械臂运动规划等过程,实现了对平整支撑面上形状规则物体的自主抓取。在移动机器人往返取物作业场景下,实验验证了该方法可以显著提升物体抓取的成功率。