基于新型触须传感器的外形检测

啮齿类动物利用触须能够很好地识别外部对象的轮廓，为移动机器人识别被测物体提供了新的思路。借鉴啮齿动物触须的毛囊结构，设计了一种新型触须传感器，传感器采用二维PSD作为敏感元件。此传感器安装在移动机器人上，通过测量触须根部产生的微小位移量，来识别被测物体的外形轮廓。完成了圆柱体和棱柱体样件的对比实验，证明利用该触须传感器移动机器人能够识别出外部对象的轮廓。     

机器人触须传感器动态工作机理的研究

提出一种测量机器人触须与被测物体接触位置的新方法。在弹性触须的顶端加上适当的重物,增加触须的摆动惯性。当触须与物体发生接触后,触须停止摆动,触须的运动状态在与物体接触、非接触状态之间返复变化。信号采集系统以图形方式实时输出触须的振动波形,通过测量触须的振动频率,即可得出触须与物体的接触位置。     

一种感应式仿生触须传感器

为模仿动物触须对环境的敏锐感知能力,设计了一种感应式仿生触须传感器,并开展实验研究。该传感器以线性霍尔为敏感元件,以细不锈钢丝为触须材料并固定小磁钢,用以测量作用在触须尖端的刺激作用。讨论了触须传感器的工作原理,分析了传感器特性。试验表明:该传感器具有良好的静态与动态性能,且输出能充分反映被扫描物体的形状、尺寸和表面特征,可用于物体形态与表面纹理的有效识别和机器人自主避障。     

电容式仿生触须传感器的设计与试验

为模拟动物触须所具有的非常敏锐的环境感知能力,设计了一种电容式仿生触须传感器并开展试验研究。该传感器以电容式微音器为敏感元件,以光纤为触须材料,用以测量作用在触须尖端的微弱刺激信号。讨论了触须传感器的工作原理,进行了传感器结构和信号调理电路设计,分析了传感器特性。试验研究表明:该仿生触须传感器具有良好的重复性、静态特性和线性度,能充分反映被扫描物体的表面特征,可用于物体形态和表面纹理的有效识别及机器人自主运动避障。     

一种仿生触须传感器的设计与分析

为了增强机器人对未知环境的感知与识别能力,设计了一种基于霍尔效应的仿生触须传感器。针对该传感器建立了触须感知模型,并在此基础上进行仿真实验,分析触须轴的不同材质和长度对触须传感器感知结果的影响。同时,提出了可通过触须的偏转幅度来估计目标物距离和角度位置的被动和主动感知方法。实验结果表明：利用该触须传感器能够快速、准确地感知外界环境信息。     

一种非接触型位移传感器的研究

介绍了一种基于磁场测量原理的非接触型直线位移传感器,该位移传感器采用强磁性金属膜磁敏电阻器作为敏感元件,通过测量磁场强度随位移的变化,实现物体位移的非接触测量。详细介绍了传感器的结构、测量原理,并进行了传感器的标定实验。该位移传感器具有结构简单、信噪比高、重复性好、精度高、可实现非接触测量,可广泛应用测量环境恶劣,且要求较高精度和可靠性的场合。     

仿盲人摸巷机理的机器人导航方法分析

根据“盲人摸巷”及昆虫“用须探物”的启发,结合物体接触后能产生力的特性,提出基于接触交互信息的机器人导航方法,移动机器人与环境的接触力感觉来自移动机器人的触须,该触须可以是2个多自由度机械臂,其末端装有多维力传感器,或由弹性材料特制而成,达到完成探测、自我定位及局部路径规划任务的目标,是应用图像、光、电磁、声等原理的现有导航方法的很好补充。     

机器人红外接近觉、光纤触觉和握力觉传感器

设计和研制了红外接近党传感器以探测物体的存在；设计和研制了机器人触须探测物体的触觉和模拟机械爪抓取物体的握力觉传感器。单片机系统控制传感器数据采集和初步判断，为机器人控制和驱动提供感觉信息。     

基于STC89C52微控制器的非接触测量装置

柔性物体易于变形,当采用传统的游标卡尺、千分尺测量其外形尺寸时,不仅效率低,而且重复性和稳定性差。基于激光位移检测与光电传感技术,提出了一种用于柔性物体的非接触测量方法。以STC89C52微控制器为核心并利用激光传感器和精密丝杆导轨系统设计了测量装置,根据被测物体遮挡光跳变间隔内丝杆移动的距离确定物体的宽度或外径。一系列柔性物体的测量实验结果表明,实际测量精度可达0.1 mm。这种方法也可用于高温物体的外形尺寸测量。     

新型反射式光纤位移传感器的分析与设计

在传统反射式光纤位移传感基础上 ,提出了一种新型的可测量被测物体反射面与反射光纤端面绝对距离的光纤位移传感器的设计方法 ,并对其工作原理及特性进行了详细的分析和讨论。这种新的反射式光纤传感器可为绝对位移测量提供一种新的途径     

基于角度补偿的手机多传感器数据融合测距算法

在惯性测量领域,单纯利用加速度二次积分的方法并不能准确感知目标对象移动的距离.加速度传感器在感知呈线性运动的目标对象时较为准确和实用,但在三维空间运动时它的坐标轴会随物体发生方向的改变而不断漂移.为解决该问题,提出了一种基于角度补偿的手机多传感器数据融合测距算法(ADC-R),使用加速度传感器测量物体运动的加速度,作为计算位移的原始数据;采用手机陀螺仪传感器测量运动物体的角速度,并以旋转矢量传感器输出的数据作为参数把手机动态坐标系下测得的加速度值空间坐标转换到静态的参考坐标系下,然后进行数据融合完成角度补偿计算;最后根据物理学加速度和位移的关系运用数学积分方法和进一步修正误差的技术得到最终移动的距离.实验结果表明此方法在近距离测距方面精度较高,优于加速度积分算法和加速度与陀螺仪融合算法.     

一种远距离激光位移/挠度测量系统的设计

描述一种能够测量远处物体的位移或者挠度的远距离激光位移/挠度测量系统,并对该系统的结构、工作原理以及硬件和软件部分进行了详细的介绍,给出了实验测试结果.该系统由一个激光光源和一个线性测量系统组成.激光光束首先经过校准,然后聚焦在测量系统上来进行长距离精确测量.激光光源和测量系统之间的相对位移反映出了物体的位移或者挠度.该系统使用了一定的信号和图像处理方法来提高系统的精度和准确性,并且使用了长距离无线数字通信,提高了信号传输的稳定性、安全性,避免了长距离信号线布线的繁琐.该系统还使用单片机系统和8位数码管结合的方式进行数据计算和显示,不再依赖计算机,使测量系统具有更好的便携性.由于该测量系统具有高精度、高准确度的特点并且结构简单、成本低廉,将有良好的应用前景.     

Towards hierarchical blackboard mapping on a whiskered robot

The paradigm case for robotic mapping assumes large quantities of sensory information which allow the use of relatively weak priors. In contrast, the present study considers the mapping problem for a mobile robot, CrunchBot, where only sparse, local tactile information from whisker sensors is available. To compensate for such weak likelihood information, we make use of low-level signal processing and strong hierarchical object priors. Hierarchical models were popular in classical blackboard systems but are here applied in a Bayesian setting as a mapping algorithm. The hierarchical models require reports of whisker distance to contact and of surface orientation at contact, and we demonstrate that this information can be retrieved by classifiers from strain data collected by CrunchBot’s physical whiskers. We then provide a demonstration in simulation of how this information can be used to build maps (but not yet full SLAM) in an zero-odometry-noise environment containing walls and table-like hierarchical objects.     

干扰环境下运动目标跟踪的背景滤波

基于Mean Shift的目标跟踪算法,在目标发生明显尺度变化或存在背景干扰的情况下,跟踪就会失败。为此,针对跟踪过程中的背景干扰问题,提出根据目标运动状态进行背景滤波的目标跟踪算法。根据目标跟踪过程中产生的运动轨迹估计目标位移和速度,沿着目标可能的运动方向的反方向对候选区域进行背景滤波,滤波区域宽度根据目标位移大小确定。实验结果表明,改进后的算法对背景信息具有较好的鲁棒性,提高目标跟踪的可靠性。     

基于改进YOLOv2的无标定3D机械臂自主抓取方法

提出了一种多物体环境下基于改进YOLOv2的无标定3D机械臂自主抓取方法。首先为了降低深度学习算法YOLOv2检测多物体边界框重合率和3D距离计算误差,提出了一种改进的YOLOv2算法。利用此算法对图像中的目标物体进行检测识别,得到目标物体在RGB图像中的位置信息; 然后根据深度图像信息使用K-means++聚类算法快速计算目标物体到摄像机的距离,估计目标物体大小和姿态,同时检测机械手的位置信息,计算机械手到目标物体的距离; 最后根据目标物体的大小、姿态和到机械手的距离,使用PID算法控制机械手抓取物体。提出的改进YOLOv2算法获得了更精准的物体边界框,边框交集更小,提高了目标物体距离检测和大小、姿态估计的准确率。为了避免了繁杂的标定,提出无标定抓取方法,代替了基于雅克比矩阵的无标定估计方法,通用性好。实验验证了提出的系统框架能对图像中物体进行较为准确的自动分类和定位,利用Universal Robot 3机械臂能够对任意摆放的物体进行较为准确的抓取。     

Target Tracking Using Multiple Patches and Weighted Vector Median Filters

This paper presents an approach for object tracking based on multiple disjoint patches. Initially, the target is subdivided into a set of rectangular patches, and each patch is represented parametrically by the mean vector and covariance matrix computed from a set of feature vectors that represent each pixel of the target. Each patch is tracked independently based on the Bhattacharyya distance, and the displacement of the whole template is obtained using a Weighted Vector Median Filter (WVMF), which reduces the influence of incoherently tracked patches. To smooth the obtained trajectory and also cope with short-term total occlusions, a predicted displacement vector based on the motion of the target in the previous frames is also used, and an updating scheme is applied to deal with appearance changes of the template. Experimental results indicate that the proposed scheme is robust to partial and short-time total occlusions, presenting a good compromise between accuracy and execution time when compared to other approaches.