基于CBL的双目视觉自主机器人定位

在需要机器人做出快速反应的环境中,为了解决通过廉价传感器(彩色视觉)实现自主机器人的定位,提出了基于约束路标(CBL)的双目视觉自主机器人定位方法．在CBL的路标测量类型中增加了直线的斜率,同时双目视觉的协作为定位提供了更多信息,提高了机器人位姿估计的准确度．实验结果表明了该方法的可行性和有效性．     

基于双目视觉的机器人局部路径规划

目的提出移动机器人利用双目视觉在不确定的环境中实现自主避障和导航的一种新方法．方法以视觉信息为决策依据，利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射，在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式，无需考虑机器人和障碍物的运动速度和运动方向．结果映射点偏离屏幕中心误差越大，障碍物距离机器人越远，确定避碰策略越困难；而当障碍物距离机器人较近时确定避碰策略较容易．该方法计算量少，运算时间短，提高了机器人的实时性．结论仿真试验表明此种方法能有效避开障碍物顺利到达目标点，并减少了计算规模，提高了实时性．     

机器人视觉系统的自标定新算法

基于平面模板摄像机自标定的新算法，利用正六边形的特性，给出了一种精确求解其外接圆圆心的巧妙方法．基于这种算法，又提出了一种完全基于欧氏空间一般定理的实用算法．在平面模板上需三个半径已知的圆，摄像机只需作两次运动参数未知的刚体运动，即可确定摄像机的内部参数．本算法对摄像机的运动没有约束，且平面模板易于制作．仿真试验和真实图像试验的结果表明，此算法的标定精度足可与通常的平面模板标定算法相比，且用到的图像幅数更少．     

基于全景视觉的机器人相互定位的研究

为了使机器人能够更好地定位,研究了一种基于全景视觉的机器人相互定位的方法.2个全景摄像机和用于识别机器人的三色环圆柱体分别安装在不同的移动机器人上,利用光学视觉原理,通过CCD摄像机,获得包括另一个移动机器人的全方位景物图像.将得到的全景图像二值化处理后,通过噪声去除及八方区域生长算法找到符合条件的区域,并将找到区域的RGB颜色模型转换为H IS颜色模型.根据三色环圆柱体自身的3种颜色的固定顺序明显区别于背景的特点,识别出机器人上的目标三色环圆柱体,通过设计出的机器人相互定位算法,计算出机器人在世界坐标系下的坐标.实验结果表明,本文研究的基于全景视觉的移动机器人定位方法是令人满意的,对实际应用有一定的价值.     

基于双目视觉的机器人运动目标检测与定位

针对移动机器人自定位精度低的问题,提出了先由静止的工作机器人进行自定位,再对运动目标进行检测和定位的方法.基于HSV模型颜色特征,工作机器人分割出人工路标并进行自定位,利用帧间差分法将采集到的视频图像序列中相邻两帧作差分运算,提取出运动目标,并通过双目立体视觉视差原理计算出运动目标的绝对坐标,帮助运动目标完成定位.结果表明,该方法定位精度高于传统的移动机器人自定位的定位精度,且算法的实时性好,具有现实的研究意义.     

基于FPGA的贴片机视觉定位算法研究与实现

传统的对两幅标志图像进行对准的算法采用的是模板匹配的相关运算法。这种方法计算过程简单,但当两幅图像存在旋转关系时效率较低,且对标志图像的比例变化和局部残缺较为敏感。针对传统定位算法存在的问题,结合FPGA高速并行运算的优势,提出了一种FPGA的贴片机视觉定位算法。主要分析研究PCB板MARK点识别,实现基于FPGA的贴片头定位算法,并使用单指令数据流算法实现算法加速。实验表明,与传统上位机算法比较,该算法进一步提高了定位精度,且在保证精度的情况下,大大减少定位时间。     

智能水下机器人自主回收的双目视觉定位

针对智能水下机器人与水下基站近距离对接时,传统的光视觉引导方法精度和鲁棒性难以满足要求的问题,本文提出了一种双目视觉引导方法。该方法主要分为光源提取、光源匹配和立体测距3部分。利用图像自适应二值化算法和伪光源剔除算法,得到左右图像的光源标识中心的像素坐标;在光源匹配部分,对光源进行特征提取和匹配,完成左右图像中的光源准确配对;最后对光源阵列进行立体测距,得到相机坐标系下基站的三维位置。实验结果表明：该方法对伪光源具有很好的鲁棒性,并且所得出的基站相对位置和角度均达到了很高的精度。     

基于双目视觉的船舶跟踪与定位

设计了基于双目视觉的船舶跟踪与定位系统,并且完成对应算法设计.算法分为摄像机标定、目标跟踪、立体匹配、视差定位4个模块,其中,跟踪模块以目标窗口的形式给出跟踪结果,匹配模块在跟踪结果中进行左右目立体匹配,定位模块根据左右目匹配点对的像素位置计算其在物理空间的坐标,减少了匹配时间.实验结果表明,该方式可实现实时跟踪目标并给出目标的准确位置,满足应用要求.该定位系统可同时完成动态目标跟踪和定位,提供三维图像的丰富信息,具有很强的推广应用价值.     

基于双目视觉的无人机定位与控制系统

设计实现了一个基于双目视觉的无人机定位与控制系统.系统由四旋翼飞行器、两个Wii Remote传感器、Kinect传感器、凌动处理器等构成.飞行器采用STM32F401为主控,辅以六轴速度和加速度传感器以及超声波传感器实现姿态和高度控制.利用两个Wii Remote传感器以双目视觉的原理即可实现飞行器的三维定位与追踪.Kinect传感器实现对手势姿态的识别.在Intel凌动处理器平台上利用2.4G无线数传与飞行器通信,并利用PID控制器以增强飞行器的鲁棒性.该系统实现了在室内没有GPS信号的情况下对飞行器的精确定位,以及基于手势姿态识别的对四旋翼的智能控制.     

基于双目视觉的目标识别与定位

给出一种双目视觉系统结合SURF(Speeded Up Robust Feature)特征的目标识别与定位方法,分析了采用SURF特征实现目标识别的方法,利用双目视觉的原理求取识别出的目标物体的三维坐标信息,从而实现目标物体的识别与定位,与传统的基于SIFT(Scale Invariant Feature Transform)特征或基于颜色形状特征的目标识别与定位方法相比,该方法更具有鲁棒性和实时性.实验结果证明了该方法进行目标识别与定位的可行性,具有一定的应用价值.     

A reconfigurable tracked mobile robot based on four-linkage mechanism

A novel reconfigurable tracked robot based on four-link mechanism was proposed and released for the complicated terrain environment. This robot was modularly designed and developed, which is composed of one suspension and one pair of symmetrical deployed reconfigurable track modules. This robot can implement multiple locomotion configurations by changing the track configuration, and the geometric theory analysis shows that the track length keeps constant during the process of track reconfiguration. Furthermore, a parameterized geometric model of the robot was established to analyze the kinematic performance of the robot while overcoming various obstacles. To investigate the feasibility and correctness of design theory and robot scheme, an example robot was designed to climb 45° slopes and 200 mm steps, and a group of design parameters of the robot were determined. Finally, A prototype of this robot was developed, and the test results show that the robot own powerful mobility and obstacle overcoming performance, for example, running across obstacle like mantis, extending to stride over entrenchment, standing up to elevate height, and going ahead after overturn.     

Obstacle detection of mobile robot based on data fusion

To study the problem of obstacle detection based on multi-sensors data fusion,the multi-target tracking theory and techniques are introduced into obstacle detection systems,and the exact position of obstacle can be determined.Data fusion problems are discussed directly based on achievable data from some sensors without considering the specific structure of each individual sensor.With respect to normal linear systems and nonlinear systems,the corresponding algorithms are proposed.The validity of the method is confirmed by simulation results.     

基于Matlab的有路标移动机器人定位仿真

为了满足机器人精确定位的要求,提出一种基于多传感器信息融合的自定位算法并介绍了如何利用Matlab搭建移动机器人定位系统的仿真模型.仿真程序建立了移动机器人活动的虚拟环境,模拟了机器人的运动模型、里程计、激光雷达观测模型,利用扩展卡尔曼滤波算法将里程计和激光传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.仿真试验的结果表明该定位系统具有较高的定位精度.模块化的仿真系统设计有利于其他定位算法的验证,对机器人系统的理论研究以及实用化具有重要的作用.     

基于模糊神经网络的移动机器人自适应行为设计

将模糊控制和神经网络相结合,形成模糊神经网络(fuzzy neural network,FNN)控制器,利用联想记忆进行离线训练,用来记忆预先利用强化Q学习(Q-Learning,QL)在线训练获得的移动机器人自适应行为的模糊控制规则。FNN经过离线训练后,把规则隐含地分布在整个网络之中,在控制应用时,不必进行复杂的规则搜索和推理,无需查表,只需通过高速并行的分布计算就可产生最佳输出的自适应行为。仿真结果表明,由于输入模糊子集接近于网络所用的训练模糊子集,所以输出几乎和该条训练规则的结果相同。     

基于激光测距雷达的室外移动机器人定位

采用激光测距雷达作为机器人的外部传感器,里程计和惯性导航系统作为内部传感器,对室外移动机器人环境地图已知情况下的定位问题进行了研究。根据定位系统的特点建立了系统的运动模型和观测模型,考虑到系统的不确定性,提出了一种基于混合模型的系统误差描述方法,同时采用扩展卡尔曼滤波对多传感器信息进行了融合,仿真试验的结果表明该定位系统具有较高的定位精度。     

基于Bezier曲线模型的移动机器人路径规划算法

提出了一种基于Bezier曲线模型的路径规划方法,该算法能够有效地提高移动机器人控制的实时性和精确性。首先具体阐述了基于Bezier曲线模型的路径规划方法,给出确定移动机器人状态空间分量x,y和的方法,然后分析了该算法所具有的优点,最后通过仿真实验验证了所提出算法的正确性和可行性。     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

基于视觉信息的移动机器人动态避障方法

为了提高自主移动机器人的动态避障能力,提出了一种基于视觉信息的拟人动态避障方法,以视觉信息为决策依据,利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射,在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式,无需考虑机器人和障碍物的运动速度和运动方向,仿真试验证明这种方法是可行而有效的．