QR Code在多种类物体识别与操作中的应用

提出了一种基于QR Code的多种类物体识别和操作方法.家庭环境下物体种类繁多，形状各种各样，颜色也不尽相同，使用传统的图像处理的方法很难将目标物从背景图像中准确地分割出来.针对不同物体设计相应的QR Code标签，将对物体的识别转化为对QR Code标签的识别，可以大大减小计算量，提高识别精度和速度；同时还能够将足够多的操作信息(如抓取力、抓取位置等)记录在QR Code中，方便机器人实现对物品的准确操作；QR Code标签的定位由训练的基于Haar-like特征的层叠推进分类器检测实时图像来实现，实验表明该方法可以快速识别出目标物，具有很好的适用性和鲁棒性.     

QR Code在多种类物体识别与操作中的应用

提出了一种基于QR Code的多种类物体识别和操作方法．家庭环境下物体种类繁多，形状各种各样，颜色也不尽相同，使用传统的图像处理的方法很难将目标物从背景图像中准确地分割出来．针对不同物体设计相应的QR Code标签，将对物体的识别转化为对QR Code标签的识别，可以大大减小计算量，提高识别精度和速度；同时还能够将足够多的操作信息（如抓取力、抓取位置等）记录在QR Code中，方便机器人实现对物品的准确操作；QR Code标签的定位由训练的基于Haar-like特征的层叠推进分类器检测实时图像来实现，实验表明该方法可以快速识别出目标物，具有很好的适用性和鲁棒性．     

基于并行处理方法的实时立体视觉伺服系统

针对实时跟踪及抓取运动目标物体的任务,给出了一个基于并行理论的视觉伺服系统。在系统中,运用快速模板匹配理论与快速可靠的立体视觉匹配理论相结合的方法实现运动物体的匹配与识别。然后通过卡尔曼滤波器对位置及速度进行预测。同时采用并行理论提高图像匹配理论的匹配速度。结果直接传给机器人及立体视觉平台控制器,实现机器人和立体视觉平台的视觉伺服,完成了对运动物体的实时跟踪和抓取。通过仿真和大量的运动目标物体的跟踪及抓取试验,获得的试验数据表明运用此方法提高了视觉伺服系统的定位精度和伺服速度。     

液压机械手软抓取技术的研究

机械手常要进行抓取作业 ,为了能把物体抓住而不因夹持力过大而对物体造成伤害 ,设计了一种具有压觉和滑觉功能的机器人触觉传感器 ,对机械手抓取物体时遇到的问题及相应的施力策略进行研究 ,设计了一种比例因子可调整的模糊控制器 ,并进行了实验研究 .实验证明 ,使用机器人触觉传感器和模糊控制策略机械手能够进行软抓取作业     

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

基于Kinect的仿人机器人抓取目标定位

目标定位是仿人机器人实现抓取操作的前提。针对机器人单目视觉容易丢失深度信息,双目视觉难以对缺乏纹理特征的物体获得有效深度信息的问题,提供一种基于Kinect的仿人机器人抓取目标定位系统。首先建立Kinect和机器人坐标系,构建布尔沙坐标转换模型;然后利用线性总体最小二乘(LTLS)算法求解该模型;最后依据Kinect获取的抓取点坐标信息,通过坐标转换将其转换到机器人坐标系:从而实现机器人对目标物体的定位。在仿人机器人NAO平台上对该系统进行实验验证,其结果表明:利用该方法,机器人在一定空间范围内能够可靠的定位目标物体,并且较其单目视觉定位更准确;根据所提供的目标定位系统,NAO机器人实现了对不同物体的抓取操作。     

基于3D视觉的机器人分拣实验系统研究与设计

针对智能制造工程专业多学科交叉融合特点,开展了基于3D视觉的工业机器人分拣实验系统研究与设计.采用Kinect相机、工业机器人、PC机、末端执行器搭建了系统硬件实验平台;采用支持向量机算法识别目标物体,提出了将中值滤波预处理和最近邻插值修复相融合的空洞毛刺修复方法;针对待识别物体是否重叠相互遮挡设计了基于霍夫变换计算物体中心点位置及基于点云配准的位姿估计定位策略;在上位机交互界面引导下完成机器人分拣系列实验.实验结果表明：该系统能够准确识别快速稳定分拣出特定形状和颜色的目标物体,实验内容涉及机器人、机器学习、图像处理、软硬件设计等多门课程知识与技术,综合性强、开放性好,为智能制造工程专业实验室建设提供了一种综合性创新型实践平台.     

液压机械手软取技术的研究

机械手常枯进行抓取作业，为了能把物体抓住而不因夹持力过大而对物体造成伤害，设计了一种具有压觉和滑觉功能的机器人触觉传感器，对机械手抓取物全时遇到的问题及相应的施力策略进行研究，设计了一种比例因子可调整的模糊控制器，并进行了实验研究，实验证明，使用机器人触觉传感器和模糊控制策略机械手能够进行软抓取作业。     

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.     

#br# NAO机器人的视觉伺服物品抓取操作

针对家庭环境中服务机器人物品的抓取问题,提出一种改进的基于位置的视觉伺服抓取算法。首先,利用Naomark标签完成对物体的快速识别,并通过世界平面单应矩阵分解对物体的位姿进行估计;然后,对NAO机器人的机械臂进行运动学建模,并分别设计单臂和双臂抓取的视觉伺服控制律;最后,为进一步提高抓取的稳定性和鲁棒性,对末端执行器进行路径规划。实验结果表明,本方法能够快速、稳定地抓取目标物品。     

基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制

轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形式的离散时间模型利用基于状态转移的迭代动态线性化方法,将轮式机器人系统转化为线性输入输出数据模型;其...     

轮式移动机器人轨迹跟踪控制的参数化方法

在轮式移动机器人控制系统状态空间模型的基础上,通过分析两轮独立驱动的移动机器人的动力学方程,给出轮式移动机器人轨迹跟踪控制问题的数学描述;基于线性系统的特征结构配置和模型参考理论提出一种轮式移动机器人轨迹跟踪控制的参数化方法,设计系统的反馈镇定控制器和前馈跟踪控制器.仿真结果表明,提出的控制方案是行之有效的.     

基于仿人智能控制的机器人动态目标跟踪

基于仿人智能控制理论,设计了轮式机器人动态目标跟踪控制方案.通过特征提取与识别对机器人感知状态空间进行划分,建立感知模态,结合多种控制方法,构成不同的控制模态,并利用产生式规则使不同的感知驱动相应运动控制.以中型机器人Frontier-I为例,进行了仿真与实物控制实验,并与传统PID进行对比.结果表明该算法具有较好的轨迹优化和快速响应能力.     

基于动态T－S模糊控制的视觉目标跟随

针对基于传统线性控制律的移动机器人视觉目标跟随系统的角度误差控制无法满足高效和快速的要求,进而容易丢失目标的问题,提出基于动态T-S模糊控制的视觉跟随方法.利用HOG算法检测目标,并结合摄像机模型获取目标位置向量,在T-S模糊控制律的基础上进行动态化处理,进一步提高角度误差收敛的响应速度. MATLAB仿真表明:角度误差的收敛时间小于0.4 s,改进的模糊控制可以有效提高角度误差的响应速度,缩短角度误差收敛的时间,使得跟随系统具有较好的快速性和适应性.在移动机器人平台上进行跟随实验,得到的角度误差收敛时间也小于0.5 s.基于动态T-S模糊控制的移动机器人视觉跟随系统对角度误差能够快速响应并达到收敛,进而有效防止跟随目标的丢失.     

面向目标探测与搜索的轮式机器人设计

针对机器人目标搜索过程中的探测、搜寻功能进行研究．采用模块化方法设计并实现的机器人实验平台,具备目标探测、搜索以及安全监控等功能,具有低成本、高可靠性及易扩展等特性．通过对轮式机器人系统各功能模块的调试与实验,验证设计的可行性和正确性．该轮式目标搜索机器人能够完成对指定目标的搜索．     

基于反馈增益反步法的非完整约束移动机器人路径跟踪控制

为实现非完整约束轮式机器人的路径跟踪控制,采用虚拟向导方法建立跟踪误差方程,基于李亚普诺夫稳定性理论,设计了一种基于反馈增益的反步法控制器,既能通过控制反馈增益的调节补偿机器人动态误差模型中的非线性项对系统的影响,又能避免传统反步法控制器中存在虚拟控制的高阶导数的问题。仿真结果表明:设计的控制器参数易于调节,可实现轮式移动机器人对任意曲线路径的精确跟踪。     

基于速度观测器的移动机器人轨迹跟踪控制

提出了一种无需纵向速度测量的新的移动机器人轨迹跟踪控制方法,可以采用速度观测器替代纵向测量装置来确定移动机器人的运动速度.设计了一种基于速度观测器的轨迹跟踪控制器.控制器设计是以轮式及履带式移动机器人模型及其所采用的驱动电机数学模型为基础,具有两种实用性能：（1）控制器不需要很精确的移动机器人模型参数和驱动电机参数,就可以很好地在一个闭环控制系统中减小跟踪误差;（2）在理论上仅需要通过一个设计参数的设置就能够有效地控制跟踪误差范围.     

基于颜色和形状特征的目标检测与识别

研究了一种具有相似颜色和形状特征的目标检测与识别方法。采用学习一扩充法获得适应性目标颜色特征的空间分布,克服环境光照变化对目标颜色特征提取的影响。利用改进的Hough变换检测目标形状特征,解决目标区域出现阴影及目标被部分遮挡对识别的影响。最后通过融合前面所获得的颜色信度和形状信度,对目标进行模糊判决。通过移动机器人在复杂环境中对目标的检测与识别应用,证明了该方法的有效性。     

两轮自平衡机器人运动控制研究

轮式移动机器人是典型的不完整控制系统,其自身的不确定性影响控制的性能.以两轮自平衡机器人为研究对象,建立了机器人的运动学与动力学模型.利用多惯性传感器信息融合建立的基于T-S模糊模型的模糊控制器有效地解决了两轮自平衡机器人平衡控制的问题,并同时对轨迹跟踪的问题进行了探讨.仿真结果表明,通过多惯性传感器的信息融合建立的控制器对于机器人的平衡和跟踪问题是有效的,并在实际的实验中得到了验证.     

Real-time Non-linear Target Tracking Control of Wheeled Mobile Robots

A control strategy for real-time target tracking for wheeled mobile robots is presented.Using a modified Kalman filter for environment perception,a novel tracking control law derived from Lyapunov stability theory is introduced.Tuning of linear velocity and angular velocity with mechanical constraints is applied.The proposed control system can simultaneously solve the target trajectory prediction,real-time tracking,and posture regulation problems of a wheeled mobile robot.Experimental results illustrate the effectiveness of the proposed tracking control laws.