基于鱼眼镜头的全方位视觉系统的设计及实现

在对基于全方位视觉的移动机器人机动目标识别跟踪进行研究的基础上,建立了基于鱼眼镜头的全方位视觉图像的畸变矫正系统.该系统采用基于立方体投影模型来矫正畸变的鱼眼图像,并用基于立方体投影的鱼眼镜头图像畸变校正系统对鱼眼图像进行了畸变校正.实验结果表明采用以上方法能够有效的克服原始的鱼眼图像存在的几何变形,校正后的鱼眼图像符合人的直观感觉,真实感较强.     

基于模糊聚类的移动机器人并发故障诊断

移动机器人并发故障诊断技术大多将并发的多故障作为多种单故障组合状态处理,这样不仅需要为每种故障设计滤波器,且只能诊断特定的多故障组合.为了克服这些缺点,提出一种移动机器人多故障并发的故障诊断技术.根据移动机器人的运动模型,为每一种单故障状态设计一个对应的卡尔曼滤波器,用这些滤波器对移动机器人并发故障数据进行滤波.利用模糊聚类方法对滤波结果进行分类,根据移动机器人运行数据对不同单故障集合的隶属度诊断任意组合的并发故障.在三轮移动机器人Pioneer3上进行仿真实验,对14种常见的单故障和多故障并发的情况进行诊断,证明了该方法对轮式移动机器人并发故障诊断的有效性.     

一种环境侦察机器人的控制器

为方便控制环境侦察机器人现场作业,设计了一种环境侦察机器人的操纵装置.分析了环境侦察机器人及其控制装置的研究现状,在介绍了多种移动机器人的操作方式的基础上,根据环境侦察机器人工作性质的特殊性,提出了一种适合于环境侦察机器人的操纵装置的设计,并给出了操纵方法.     

SUSE与AMAX中国签OEM合作协议

正开源软件先锋SUSE与AMAX中国超集信息科技签署OEM战略合作协议,双方将在企业级解决方案领域开展深度合作,通过AMAX中国提供专业的企业级服务能力,将SUSE全球领先的Linux操作系统及云计算解决方案与AMAX中国高性能计算机解决方案进行整合,为中国客户带来全方位的一站式企业级云计算解决方案。在此次战略合作中,双方将各取所长,充分发挥SUSE在高性能Linux和开源云项目的技术优势,借助AMAX中     

利用方位角信息的移动机器人编队控制

本文以移动机器人为研究对象,仅利用方位角信息实现多智能体系统的编队控制.为实现大规模编队和队形的缩放控制,智能体被分为领航者、第1跟随者以及其余跟随者.首先,考虑智能体之间相对位置信息难以精确测量的情形,设计仅用方位角信息的估计算法获得准确的相对位置;然后,基于获得的相对位置信息设计第1跟随者的控制算法,使得第一跟随者与领航者之间的位置收敛到理想约束位置以控制整个队形的规模;接着,设计其余跟随者的控制算法使得各智能体之间的方位角达到理想约束角度,从而形成理想编队队形.最后通过数值和ROS仿真实验验证算法的有效性.     

基于$pm3sigma$正态概率区间分族遗传蚁群算法的移动机器人路径规划

针对移动机器人路径规划问题,提出一种基于正态概率区间分族的家族遗传蚁群融合算法.首先提出初始种群优化及删除算子解决传统遗传蚁群融合算法中遗传阶段随机生成的初始种群质量低的问题;然后引入适应度值正态概率区间种群分族机制及家族混合交叉算子,解决传统遗传蚁群融合算法中易出现未成熟收敛的问题;最后引入混合变异策略以提高随机变异后生成的路径质量.将全局路径规划算法与局部路径规划算法-动态窗口算法相结合形成完整移动机器人运动规划.基于Matlab仿真平台与机器人操作系统平台进行实验分析,结果验证了所提出正态化概率分族遗传蚁群融合算法求解移动机器人路径规划问题的有效性.     

基于行波函数的仿蠕虫移动机器人驱动信号统一表征方法

提出了基于行波函数的仿蠕虫移动机器人驱动信号统一表征方法.首先,针对连续型仿蠕虫移动机器人,推导了基于行波函数的驱动信号表达式,并提出了驱动信号波形生成函数的构造方法.然后,针对多单元仿蠕虫移动机器人,修正了基于行波函数的驱动信号表达式,并证明了多单元机器人的驱动信号表达式可以转化为连续型机器人的驱动信号表达式.最后,简单介绍了当存在以不同波速传播的驱动信号时和当不同部分上的驱动信号波形生成函数不相同时的驱动信号表达式.将本文提出的方法应用于一个连续型仿蠕虫移动机器人和两个多单元仿蠕虫移动机器人,新驱动信号表征方法和原驱动信号表征方法得到了相同的结果,表明本文方法具有很强的适用性.     

基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.     

基于双向搜索的改进蚁群路径规划算法

针对移动机器人在复杂地图环境中移动耗时长、易陷入局部最优等问题,设计了一种基于双向搜索的改进蚁群路径规划算法。基于K-means算法对地图预处理,量化地图的局部复杂度程度,并将局部环境信息融合到状态转移概率函数,使机器人优先选择在复杂程度小的区域进行寻优,减少路径拐点。设定双向搜索规则,改进启发函数,提高算法的局部方向搜索精度和全局搜索效率。针对蚁群算法中蚂蚁遇到U障碍物陷入死锁的问题,提出死锁判断系数,增加了有效蚂蚁的数量,进一步提高了算法性能。仿真结果表明所设计的算法在复杂地图环境中相较于传统蚁群算法移动机器人的路径搜索效率更高。     

基于粒子滤波的欠驱动移动机器人多目标点跟踪控制

针对欠驱动移动机器人的多目标点跟踪问题,提出了一种基于粒子滤波的高精度跟踪控制方法;具体地,在考虑移动机器人采样噪声的情况下,首先利用粒子滤波对移动机器人的位置信息进行处理,得到精准可靠的移动机器人状态信息;在此基础上,根据欠驱动移动机器人的运动学模型以及目标点的分布状况,设计基于反馈控制的多目标点跟踪控制方法;相对于传统的欠驱动移动机器人目标点跟踪控制算法,改进了该控制方法中增益参数的约束条件,有效避免了移动机器人在接近目标点时产生的奇异现象,有效提高了移动机器人对目标点的跟踪精度;此外,分析了该目标点跟踪控制系统的稳定性,并通过数值仿真验证了所提方法的可行性与有效性.