精梳棉车间棉卷自动运输系统开发

连接生产工序参与生产流程是移动机器人真正应用于车间提高生产效率的关键。根据精梳棉车间的工作环境,研制了基于开源机器人操作系统（ROS）的棉卷自动运输机器人系统。移动机器人应用激光传感器采集车间环境数据,采用Gmapping算法构建精梳棉车间地图,应用经典A^*和人工势场法融合的混合路径规划算法自主规划行驶路径,并采用视觉二维码技术实现生产设备前的精确定位。测试结果显示,在1 m/s安全速度下,棉卷运输机器人定位误差与航向偏差的平均绝对误差（MAE）分别小于5 cm和07°,完全满足在精梳棉车间内自主避障运动以及在生产设备前精确定位的实际作业需求。     

基于改进YOLO深度卷积神经网络的缝纫手势检测

在人机协作领域,针对动作手势相似度大,环境复杂背景下手势识别率低的问题,提出一种基于YOLO深度卷积神经网络检测识别缝纫手势的方法。以4种复杂缝纫手势作为检测对象并构建缝纫手势数据集,通过在YOLOv3低分辨率的深层网络处增加密集连接层,加强图像特征传递与重用提高网络性能,实现端到端的缝纫手势检测。实验结果表明,在缝纫手势测试集中,训练后的模型平均精度均值为94.45%,交并比为0.87,调和平均值为0.885。通过对比区域卷积神经网络、YOLOv2以及原始YOLOv3算法,提出的改进方法检测精度有显著提升;同时在GPU加速情况下,平均检测速度为43.0帧/s,可完全满足缝纫手势的实时检测。