一种基于特征融合的点特征目标跟踪算法

联合目标的颜色和纹理特征,构造了由目标的颜色和纹理特征联合表示的特征点目标表示模型,利用Mahalanobis距离构造特征点匹配函数,利用自适应kalman滤波(AKF)算法预测特征点在下一帧图像中的位置,通过特征点匹配准确定位目标,达到实时、准确跟踪的目的。实验表明,该方法对于光线变化,目标形状相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

IKid仿人足球机器人的自定位和球定位

仿人足球机器人的定位问题是机器人完成自主移动和智能决策的关键问题之一。介绍了本校IKid仿人足球机器人自身在球场的定位和足球在机器人坐标系的定位。前者通过自身内部九轴惯性传感器测量加速度、磁场方向和旋转角速度,并在此基础上通过粒子滤波和时间漂移修正等手段补偿误差完成机器人自身的位置和姿态计算。后者通过摄像头采集足球的视觉图像,在图像处理的基础上通过单目摄像机视觉系统完成在眼坐标系中足球三维坐标的计算,并通过手眼标定实现足球在机器人坐标系的定位。以上定位系统和定位方法已被应用于现有的IKid机器人,使其更好地完成动态行走、找球和踢球等动作。     

基于双目视觉的棒材端面中心点定位

在利用标签焊接机器人为捆装棒材焊接标签时，需要向其提供一组棒材端面中心点的三维坐标，针对从捆装棒材中选择并定位棒材端面中心点的问题，提出一种基于双目立体视觉的方法。该方法利用双目视觉系统的虚拟像平面模型，通过将平面标定板摆放在平行于捆装棒材端平面的位置进行两台相机的外参标定，根据标定结果生成目标在该标定平面上的虚拟图像；采用SVM和连通区的方法提取虚拟图像中棒材端面中心点特征；采用极线约束和中心点共面约束的方法进行特征匹配，向机器人提供一组端面中心点三维坐标。仿真实验结果显示提供给机器人的推荐点均来自正确匹配点对，说明本文提出的特征匹配算法有效；真实实验中推荐点深度位移最大误差为0.20 mm，平均误差为0.09 mm，说明本文提出的棒材中心点特征提取方法有效。     

基于粒子滤波的运动机器人目标定位

机器人完成各种应用的前提是准确获知自身及运动目标的相对位置,由于机器人在运动控制的过程中自身携带的传感器获取的位置和角度信息存在误差,会导致移动机器人在目标定位过程中出现误差。为提高定位的准确性,提出了基于相对定位的方法,建立目标运动的相对运动模型,并基于观测距离和角度的测量方程运用粒子滤波方法对运动目标进行定位,实验与仿真结果表明,在不同强度的非高斯噪声影响下,粒子滤波算法都能够有效的对其进行定位,且具良好的精度。     

基于双视觉引导的工业机器人立体定位技术的研究

针对目前大部分以工业机器人为核心的自动化生产线用工件固定方式进行加工作业,严重制约工业机器人在自动化生产线中的应用范围.为此提出一种基于双视觉引导的工业机器人立体定位技术.通过双视觉系统各自识别工装参考目标点的三维坐标和角度姿态,建立在相机坐标系下的三维坐标.利用多参考孔位采用最小二乘法拟合最优解,通过双目视觉的标定参数和定位换算算法,计算出目标点在工业机器人工件坐标系下的立体位置和姿态,引导工业机器人对工件的精确立体定位,最终实现机器人的各种加工作业.结果表明,双机器视觉能够精确引导机器人实现立体定位功能,误差小于0.5 mm,满足工业生产的一般性需求且具有良好的通用性.     

变电站巡检机器人视觉导航算法的研究

机器人的运用在变电站巡检中至关重要,为解决变电站巡检机器人导航定位的问题,在基于蓝色引导线的视觉导航技术基础上提出一种图像预处理的联合滤波方法,并提出一种行列联合隔行扫描的引导线像素中点提取方法,最后用最小二乘法拟合得到蓝色引导线,仿真结果证明该方法简单快速,能够准确导航定位。     

高压输电线路巡检机器人障碍物识别与定位

根据高压输电线路地线上障碍物的几何形状和结构特点,提出了一种基于单目视觉识别的多传感器高压线路地线障碍物识别和测距定位的方法。该方法利用机器人本体上的摄像机获得图像,然后再根据障碍物的几何形状特征,判断出障碍物的类型。根据识别出来的障碍物特征点与摄像机的位置关系建立测距几何模型,从而计算出机器人到障碍物的距离。当机器人非常靠近障碍物或者正在通过障碍物时,摄像机测距定位方法不再适用,此时可以采用安装在机器人上的光电传感器和动态倾角仪,结合机器人的运行速度和传感器采集信号的变化,识别出障碍物的关键点,从而计算出机器人与障碍物的位置关系。     

隔离断路器金具自动化解接机器人视觉引导定位方法研究

变电站中主要使用隔离断路器来隔离电压,使待检修设备与带电部分隔离形成安全的操作空间;而目前主要的检修作业方式为人工带电操作,费时费力且具有极高的安全隐患。基于此,文中提出了一种隔离断路器金具自动化解接机器人视觉引导定位方法。该方法由像机实时采集图像数据,利用深度学习目标检测算法进行金具粗定位;并在粗定位的基础上使用图像分割技术精确拟合作业点位置;通过精确的图像坐标点、工具坐标系、机器人本体之间的坐标关系,计算作业点在机器人坐标系下的坐标位置,并控制机械手运动。实验表明,算法具有精度高、稳定性好、速度快等优点。     

电力机器人的自主导航与视觉辅助定位融合方法

为了改进电力作业现场复杂环境下机器人定位精度,提出了一种自主导航与视觉辅助定位融合方法。在激光传感器即时定位与地图构建的基础上,基于视觉图像处理,对机器人位置进行校准,使其能够准确停靠在任务位置。应用结果表明,所提方法能够有效提高机器人定位精度,定位误差小于1 cm。     

自由立体显示系统中的人眼跟踪定位方法

人眼跟踪定位是自由立体显示系统的重要组成部分,系统通过获取两眼的精确位置可以使观看者无辅助观看设备情况下获得清晰的三维图像。采用由粗到精的方法,在对人脸区域进行跟踪的基础上进行人眼初检测和瞳孔精确定位。红眼效应可有效筛选眼部区域候选点,利用脸部Adaboost级联分类器检测结果构造似然函数用于粒子滤波实时人脸跟踪,在此基础上进行基于Adaboost方法的人眼初定位和基于投影方法的瞳孔精定位。实验表明,该算法使人眼跟踪与精确定位速度之和达到100帧/s,满足系统实时精确的要求。     

移动机器人辅助下基于GM-CKF的无线传感器网络节点定位研究

针对无线传感器网络(WSNs)节点定位问题,提出一种移动机器人辅助作用下,融入高斯混合容积卡尔曼滤波(GM-CKF)优化的节点定位方法。将移动机器人与WSNs结合,发挥两者的特点和优势,充分利用机器人的机动性及无线传感器节点的可计算性,设计并仿真了一种机器人-节点、节点-节点协作的节点定位方式,并利用带有门限判别和选择性高斯分割的GM-CKF算法,对目标节点的预估位置实施预测修正。仿真结果表明,所提出的移动机器人与WSNs协作定位方法实现了对节点的定位估计,GM-CKF算法的融合有效提高了定位的精度和稳定性。     

计算机视觉技术在移动机器人中的应用

采用主流机器视觉平台,针对移动机器人的实时跟踪、动态监测、三维重构等要求,提出了一种结合OpenCV、OpenGL、OpenNI库的检测原理,重构了3D立体空间图像。利用视频头替代人眼,使机器人视觉了具备可类似人眼中分类识别、物体分割的功能,并具有决策判断功能。     

基于改进PSO-BP算法的机器人目标位姿识别方法

机器人作业环境复杂,物料分布具有随机性,导致机器人目标位姿的辨识和定位精度低,实时性差,为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理,构建多尺度灰度差异算子以及局部图像熵算子,将两者点积运算获取加权局部熵,抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息,提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理,采用优化后的BP神经网络算法对提取的特征展开训练和识别,最终实现机器人目标位姿识别。实验结果表明,当机器人目标测试样本数量为55个时,所提方法的亮度方差为0.305,当像素识别误差为1.5%时,所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标,获取高精度的机器人目标位姿识别结果。     

基于SR-CKF的相对方位多机器人协同定位算法

针对单移动机器人在探索未知复杂环境时,存在鲁棒性较差、效率较低等问题以及现有多机器人协同定位算法实时性较差、数值不稳定和定位精度较差等缺陷,提出基于平方根容积卡尔曼滤波的相对方位多机器人协同定位算法。通过建立机器人运动方程和观测方程,利用相对方位作为测量值,进一步得到多机器人协同定位的动态模型。在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。仿真结果表明:相比基于相对方位的EKF、UKF协同定位算法,本文提出的协同定位算法均方根误差降低了87.04%和52.10%,运行时间比UKF协同定位算法减少了1.45%,表明该算法在协同定位性能上更优越。     

基于深度学习的并联机器人定位检测技术研究

针对机器视觉领域中并联机器人存在目标识别模糊,分类效率差以及反应速度过慢的问题,提出了一种基于深度学习的并联机器人定位检测技术。首先对目标识别物进行图像采集,改进图像数据集,将处理前后图像放入训练集提高网络效率,搭建YOLOX目标检测分类识别算法提高并联机器人检测精度;其次改进训练方式,通过预训练与实际训练提高可靠性,改进损失策略;然后建立并联机器人主体基坐标系与相机坐标系,结合手眼标定与相机标定方法,求得目标实际坐标与机器人基坐标系的转换关系;最后在并联机器人实验平台验证目标标定结果,对比主流深度学习算法YOLOv3、YOLOv4、Faster-RCNN得出的并联机构网络定位与实际定位的相对误差,结果表明YOLOX的定位精度误差为3.992-5.061mm之间,平均精确度达到了91%左右。该方法可为并联机器人结合深度学习实现检测定位提供一定参考价值。     

基于SR-CKF的移动机器人动态目标跟踪算法

针对移动机器人在未知复杂环境中动态目标跟踪存在的数值不稳定、计算量大和精度较差等问题,提出基于平方根容积卡尔曼滤波的移动机器人动态目标跟踪算法(SR-CKF-SLAM-OT)。该算法的系统状态由地图环境特征、机器人和目标作为一个整体构成。建立目标和机器人的动态模型进行预测、数据关联和更新,在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。此外,通过数据关联环节能够有效的降低伪观测值对系统状态估计的影响。仿真结果表明:相比基于EKF的动态目标跟踪算法,所提出的动态目标跟踪算法目标和机器人均方根误差分别降低了36.3%和38.2%,SR-CKF-SLAM-OT算法有效地满足了移动机器人动态目标跟踪的需求。     

基于Hough变换管内切割机器人智能定位管口方法

管内切割机器人的管口精确定位是实现其快速切割功能的重要前提,传统CCTV人工视频内窥检测定位的局限性,会导致管内切割机器人定位管口产生误差,最终影响管内切割机器人的切割工作。为确保机器人定位管口位置的准确性,提出一种基于图像处理Hough变换技术的智能定位管口方法。对管内切割机器人采集的图像进行预处理减少图像的噪声,对预处理过的图像采用二值化法突出管口信息的边缘,并使用Canny方法提取管口的边缘,最后通过Hough变换法提取圆的特征,从而实现准确识别管口圆,达到辅助切割机器人进行智能定位管口的目的。实验结果表明,所提方法可明显突出显示管口的特征,并能精确定位管口,为管内切割机器人智能控制奠定基础。     

零件形状误差的MTS测量识别方法

针对工业生产中的对机器人视觉及产品实时质量监控,提出了机械零件的MTS(Mallalnobis-Taguchi System)判别分类方法。并以Tauchi方法对判别特征进行优化筛选,减少了无用特征和“噪音”的干扰,以马氏距离(Mallalanobis Distance)作为判别分类的判据。实验表明该方法能有效提高判别分类的速度和精确度。     

融合粒子滤波和环境标签矫正的巡检机器人自主定位算法

随着巡检机器人的需求量增加,巡检机器人在复杂环境中的自主定位问题越来越重要。提出了融合粒子滤波和环境标签矫正的自主定位算法,充分利用巡检机器人的工作环境特性和蒙特卡罗定位算法的特性,提高机器人自主定位的效率和效果。基于ROS建立了机器人仿真环境,对定位算法的效果进行了测试。实验结果表明融合粒子滤波和环境标签矫正的自主定位算法的效率和准确性有所提高,能够很快实现定位恢复。