排序方式: 共有20条查询结果,搜索用时 8 毫秒
1.
2.
3.
4.
5.
文章提出了一种应用遗传算法对一个已知几何模型的运动目标物体的位置与方向进行识别的方法,这种对运动目标的识别可以用于机器人手臂实时视觉伺服控制中。文章以一个三角形的物体为目标,对所提出的方法进行了仿真试验,结果证实了这种识别方法的有效性。 相似文献
6.
7.
从控制的角度出发,针对基于极线几何的机器人视觉伺服问题,设计了模糊滑模控制器,通过建立合适的模糊规则库,有效地削弱或减小抖振现象,同时提高系统的鲁棒性和快速性。机器人6DOF视觉定位仿真实验表明该方法的有效性和可行性。 相似文献
8.
针对移动机器人反演轨迹跟踪控制中的速度跳变与速度跟踪问题,提出一种采用生物膜电压模型和反演滑模方法的移动机器人生物启发式变结构轨迹跟踪控制系统。首先基于移动机器人的运动学模型建立位姿跟踪回路,即利用生物启发式膜电压模型获取虚拟的位姿误差信号,并结合Lyapunov函数设计反演控制器来解决速度跳变;然后考虑移动机器人的动力学模型设计速度跟踪回路,构造基于组合趋近律的滑模变结构力矩控制器来保证速度跟踪;接下来,根据Lyapunov理论对所提系统的稳定性进行证明;最后,以iRobot Create移动机器人为控制对象进行直线、圆和折线轨迹跟踪控制的仿真研究。通过分析比较初始阶段和拐点处的跟踪误差、速度和力矩,验证了所提系统的有效性。 相似文献
9.
提出了一种基于改进变尺度混沌优化算法 (Enhanced mutative scale chaos optimization algorithm, EMSCOA) 的机器人动态自标定位置视觉伺服算法, 算法在 Mendonca-Cipolla 和 G. Chesi 利用本质矩阵进行自标定的基础上进行了扩展. 首先依据3个奇异值的特性在线生成目标函数, 在进行动态自标定的同时, 完成视觉伺服. 算法抛弃了 G. Chesi 方法中对初值选取极为敏感的梯度下降法, 采用改进的变尺度混沌优化算法动态优化摄像机内参数. 把混沌变量映射到待寻优的5个内参数区间, 通过设置内外两层循环, 内循环进行混沌搜索, 外循环负责缩小内参数搜索区间, 避免了混沌优化在内参数区间的盲目重复搜索, 提高了搜索效率. 算法同时克服了 G. Chesi 方法迭代过程中要求选取初值时靠近摄像机内参数真值的限制, 并可以通过设置参数范围来精确逼近5个内参数. 另外, 算法不需要物体精确的三维模型, 只需要8个空间固定点坐标信息. 仿真结果表明, 该方法应用于基于位置的视觉伺服时运算速度快, 同时对内参数变化鲁棒性强, 实验结果证明了算法的有效性. 相似文献
10.
针对未知环境下移动机器人平稳上坡控制对坡度感知精度的要求,本文提出了一种基于迁移学习的移动机器人单帧图像坡度检测算法。利用室内图像标准数据集训练深度卷积神经场?全连接超像素池化网络(deep convolutional neural field-fully connected superpixel pooling network, DCNF-FCSP)并获得室内单帧图像深度估计网络模型;将DCNF-FCSP模型中前5个图像特征提取层的网络参数迁移至室外图像深度估计网络中;固定室外图像深度估计网络中图像特征提取部分的网络参数,利用室外图像数据集对剩余5层的网络参数进行训练,从而得到室外单帧图像深度估计网络;将其应用在移动机器人坡度检测中,根据单帧斜坡图像估计出斜坡角度。标准数据集和实际场景的深度估计和坡度检测实验表明:本文所提出的基于迁移学习的移动机器人单帧图像坡度检测算法能够仅根据移动机器人车载相机采集的单帧斜坡RGB图像就可估计出精确的斜坡角度,满足移动机器人在未知环境中对坡度感知精度的要求。 相似文献