智能车跟随系统开发

开发了一种基于STM32视觉导航的目标跟随小车智能控制系统,实现了对特定目标物体的快速识别与实时准确跟随.使用OV7670图像传感器采集目标物图像信息,对图像进行灰度化、降噪、取反等处理后,通过亚像元定位技术的质心法获取目标物坐标位置,为智能车提供方向导航,跟随过程中的画面实时发送至上位机.结果表明:小车在直行和转向跟踪实验中表现良好,跟随系统具有良好的跟踪效果,可实现对目标物的实时准确跟随.     

基于视觉的智能车图像畸变校正算法研究

赛道检测的准确性及可靠性对智能车的控制至关重要,针对智能车系统路径识别以及方向控制、速度控制需求,需要为导航路径参数提取提供准确的视觉图像信息。为此对智能车视觉图像畸变原理进行了分析,建立了图像的畸变的数学模型,分别分析了垂直和水平方向的畸变模型,针对垂直方向畸变采用了近疏远密的校正算法,针对垂直方向畸变给出了梯形水平校正算法。实验表明,以上方法可以很好地校正视觉图像在垂直和水平方向的畸变。     

基于TFT彩屏的便携式智能车手持调试平台

介绍的智能车是以Freescale 16位单片机MC9S12XS128为控制核心,利用CMOS摄像头方式作为路径识别传感器,采集赛道图像信息的控制系统.针对智能车具有参数调试繁琐的问题,首先从硬件和软件两个方面介绍了基于TFT彩屏的便携式智能车手持调试平台,然后对该平台的人机交互界面以及在路径识别方面的应用进行了详细介绍.其中彩屏的显示界面包含从路径中提取的黑线,阈值显示,动态图像和静态图像.本文设计的智能车手持调试平台,使调试者能在短时间内对图像进行有效的分析,提高了调试效率.     

基于行驶路径记忆的智能车导航方法研究

针对飞思卡尔智能车视觉导航问题,研究了一种基于智能车控制信息的路径记忆方法。低速试跑时,智能车可以以比较高的控制精度行驶通过赛道,通过记录各段赛道的控制参数,如路径长度、方向转角等获得行驶路径的控制信息。在智能车竞跑行驶时,通过调用记录的行驶路径控制信息,就可以控制智能车以较快的行驶速度在赛道上行驶,并通过实时测量调整智能车的行驶偏差,实时调整智能车行驶速度和转角方向,实现对智能车的竞速导航控制。     

视觉导航草坪修剪机器人控制系统设计

设计了基于视觉导航的草坪修剪机器人,通过摄像头采集草坪场景的图像,利用基于深度学习的图像分割技术识别草坪已割区域和未割区域,提取区域间的分割线作为机器人的规划路径。系统以STM32F407VET6为主控芯片进行机器人驱动控制系统的设计,以IR2014结合H桥作为底盘电机驱动电路,在视觉识别的区域分割线的导引下进行循迹运动。实验结果表明,该控制系统能够在视觉导航下完成行进运动、避障和割草作业。     

基于机器人视频监控的变电站多维巡检技术研究

由于传统方法无法实现协同巡检的视频信息智能采集,采集视频图像的模糊度辨识特征量不高,提出了基于机器人和视频监控的变电站多维立体协同巡检技术。利用机器人智能采集变电站巡检的视频信息,对其信息进行边缘轮廓特征检测;在视频图像中提取模糊度辨识特征量,结合空间区域融合滤波跟随识别技术实现视频监控识别;构建可靠性视觉识别模型,实现变电站多维立体协同巡检。仿真结果表明,巡检图像输出准确率达到92%以上,变电站的视觉故障跟踪识别能力较好。     

基于麦克纳姆轮的智能车寻迹控制策略研究

为适应复杂工作环境运行需要,解决普通轮式小车在狭小空间内自如转向以及巡线不稳定和路径类型识别不准确的问题,设计了一种以摄像头为视觉传感器,以麦克纳姆轮为驱动的全向智能车.设计以CH32V103R8T6单片机为核心,以MT9V034灰度摄像头为视觉传感器,采用迭代法阈值对图像进行抗干扰灰度处理,通过智能车行驶中视觉道路宽...     

一种双模控制的自主跟随机器人系统设计

为解决非视觉跟随方式的不稳定性,设计了一种基于机器视觉传感器的自主跟随机器人系统。系统具备自主跟随和手动遥控两种模式。采用Processing软件编写手机端应用程序(APP),通过Wi Fi模块向系统发送模式选择命令。在自主跟随模式下,通过开源机器视觉模块Open Mv采集图像信息,采用Micro Python编程实现对跟随标记的识别定位,获取定位坐标,建立向量空间,并调用差速跟随算法使机器人自主跟随标记,以完成自适应移动。在遥控模式下,通过2.4 GHz无线射频模块n RF24L01发送指令,实现了对无法识别目标等特殊环境下的机器人的控制。通过系统硬件设计和软件编程,搭建了一台系统模型机。采用April Tags码作为跟随标记,对系统功能进行了验证。该系统实现了对特定目标的自主跟随以及手动遥控跟随;无线通信稳定,实现了双模控制,满足了预期要求。该系统对跟随机器人的发展起到了有力的推动作用。     

微小型四旋翼无人机自主着陆视觉系统研究

以实现微小型四旋翼无人机依靠视觉信息完成自主着陆为目的,采用TI公司DM3730芯片作为核心处理器,构建一套自主着陆视觉导引信息处理系统;充分考虑了视觉系统的特点,选用小巧、便携、合理的实验硬件,通过对图像的前期处理,采用相对简单的视觉处理算法,识别出着陆标识,通过解算得到着陆信息并完成飞行器的自主着陆过程;实验结果表明,系统较为可靠,在常规条件下,该系统能够有效识别人工着陆标识,准确解算出着陆标识与飞行器的相对位置信息用于自主着陆导引.     

基于寻迹的智能车图像边沿提取与断路识别

为了提高寻迹智能车在复杂环境下的巡线稳定性以及路径类型识别的准确率,提出了一种灰度图像边沿提取算法,以LPC54606单片机为核心控制单元的智能寻迹小车,构建了智能车与PC机的通讯,通过对采集到的灰度图像进行预先分析,并在计算机上设计提取边沿算法和断路识别算法,验证算法后移植在智能车,实现了智能车在道路反光下的寻迹以及...     

基于最优路径的智能车设计与实现

针对城市交通中车辆的智能行驶,以MC9S12XS128单片机为核心控制器,设计并实现了一种基于单目视觉的智能车最优路径控制系统;在简单模拟路况环境下,使用CCD摄像头采集道路信息,先提取二值化图像中的路径信息,再对道路中的不同路况进行分类与识别;构造特殊的路网带权有向图,使用Dijkstra算法计算两顶点间的最优路径;通过分析路径上顶点间的关系得到最优路径控制策略,进行速度和特殊转向控制;实验表明:单片机在48MHz下能够稳定地处理数据,实现了智能车点到点的最优路径自主行驶。     

基于特征提取的分离循迹智能车系统

目前循迹智能车的跑道识别都依赖于跑道上的特殊标志,一旦识别失败,小车将脱离原有道路.针对该现状,提出一种基于图像特征提取的循迹方案.该方案将循迹信息与跑道分离,循迹系统由信息采集和动作执行两部分组成.将目标路线图画在透明压克力板上,通过CCD摄像头采集图像,利用MC9S12XS128单片机对图像数组进行边缘提取和角点检测得到路径信息,然后将路径信息经无线模块NRF24L01发送给智能车,通过精确的缩放比例将绘图区域映射到实际路径,完成分离循迹.行驶过程中无需判别跑道特征.     

基于车载视觉导航的智能车控制系统研究

视觉路径识别技术是汽车智能化发展的必然趋势.在基于MC9S12XS128MAA单片机为主控制器的智能车控制系统设计中,探索采用CMOS摄像头作为路径导航数据采集单元,实现自主导航的软硬件设计方案.通过边缘追踪等多种算法提取导航路径信息,对舵机和驱动控制电机分别采用合理的控制算法,使得智能车平稳快速地行驶.研究表明:此方...     

一组跟随式移动机器人系统的设计方法

设计了 一组跟随式移动机器人系统,通过图像的识别与处理构建局部通信网络,完成机器人自动跟随、协同控制的功能.建立机器人运动模型,根据采集的图像信息通过PID控制算法控制机器人,通过广播网络的构建,使用广播通信方式完成机器人协同控制.单机器人在直行与转向运动测试中均具有良好的跟随表现,多机器人跟随系统具有较好的跟随鲁棒性,同时可完成多机器人的协同控制.     

基于S12微控制器的智能车软件设计

以"飞思卡尔"杯全国大学生智能汽车比赛为背景,制作一个在专门设计的跑道上能自主识别道路行驶的智能车,能在尽可能短时间内跑完全程,不脱离跑道并遵守大赛的一系列规则.以9S12XS128为控制核心主要完成工作如下:①摄像头获得的图像信息的数据采集,并完成图像的滤波去噪,提高采集的图像数据准确性.②采用PID算法对智能车的舵机进行控制,提高了舵机的相应速度,减少了对舵机控制的静态误差.③采用了模糊控制法,对智能车的电机部分进行控制,通过不断调试完成模糊规则库的建立.④编写了无线传输模块的软件程序,可以对智能车行驶过程中的状态进行采集并传输至上位机,方便了智能车的调试.通过实验验证,并参加实际大赛,本设计中的所采用的方法效果较好.     

智能车路径识别中图像信息的矫正

针对智能车采用摄像头识别路径过程中,提取图像信息的畸变问题进行矫正研究。分别对垂直方向、水平方向图像的畸变进行算法处理,给出实现过程。矫正后图像与实际赛道更契合,保证了智能车识别路径的正确性、有效性。     

基于CMOS摄像头的智能车设计

从系统总体设计、硬件系统设计及实现、软件系统设计及实现三个方面,介绍了以MK60DN512ZVLQ10微控制器为核心控制单元的摄像头型智能车设计。其通过CMOS摄像头检测赛道信息,使用软件比较器对图像进行硬件二值化,提取黑色引导线,用于赛道识别;通过编码器检测智能车的实时速度,使用PID控制算法调节驱动电机的转速和转向舵机的打角,实现对智能车的运动速度和运动方向的闭环控制。     

射频技术辅助的三维视觉识别系统

在基于视觉的物体识别领域,单目视觉识别技术往往只能获得物体片面信息,而多目视觉识别技术的运算复杂度较高.随着物联网技术的普及,无源超高频射频识别技术已经大规模应用于物体的标识上,具有的读取速度快、读取距离远的优势.本文提出一种通过先验信息辅助视觉识别的通用方法,提高物体识别的速度和准确性.通过识别射频识别标签,从数据库读取准确的特征信息辅助图像识别物体.通过摄像头采集物体的图像、视频信息后传输给控制模块,控制模块从数据库获取射频识别先验信息后以相机标定算法对图像进行矫正处理,对目标物体进行定位,从而复现物体的三维图像.传统的边缘检测和目标检测技术需要两个及以上的摄像头才能对物体进行三维识别,所提方法只需使用一个摄像头即可获取物体三维位置.针对边缘检测的改进中通过结合射频识别标签中准确的物体几何信息和像素信息来确定滤波窗口的权重,进行标定真实边缘和潜在边缘;针对目标检测的改进中在原始的Faster R-CNN的RPN架构上引入了特征金字塔,使得特征提取时语义更强.最后两种不同视觉识别方式的实验结果证明了所提方法的有效性,所提方法具有更高的识别定位精准度、更低的算法复杂度和更快的识别速率,可以更加准确可靠地对物体特性进行检测及形状、方位的判断.     

基于摄像头的直立自平衡智能车设计

设计直立行走式循迹智能车的机械及控制系统;系统选用微控制器MK60为控制核心,利用陀螺仪和加速度传感器,采用互补滤波的方法计算车体的角度和角速度,通过比例微分算法控制智能车车轮的加速度来抵消车模运动倾向,实现智能车直立;单片机通过模拟摄像头进行赛道图像捕捉,采用边沿检测算法识别赛道中心线,计算与设定值的偏差,进而控制左右两个电机产生速度差,完成智能车的转向;经测试,智能车能够在保持直立同时,完成赛道识别,且运行平稳快速。     

智能车控制的数显仪表识别技术研究

在工业现场中,通过移动机器人自主巡检与读表的应用越来越广泛.数显仪表的读数受到光照、对焦和场景等因素的影响,存在识别精度低的问题.针对上述问题,提出了融合感知与控制的数显仪表识别机制,首先使用图像目标检测网络识别数显仪表,标出目标区域.随后设计基于图像反馈的智能车控制策略,以此抑制模糊对焦的影响.再使用改进的自动色彩均...