基于ROS平台的移动机器人自主导航技术研究

针对移动机器人传统的室内环境导航方法比较单一,无法适应多场景等问题,本文将传统的基于ROS平台的Navigation功能框架的导航方法与AprilTag标签算法相结合进行导航系统的设计。该系统采用Gmapping算法和AMCL算法分别完成环境建图与机器人定位,然后通过Navigation功能框架获取环境地图与机器人位姿信息进行路径规划,并且在此基础上结合AprilTag标签算法进行机器人的导航设计。实验结果表明,该系统构建的环境地图精度较高,能够实现对机器人的有效定位,且Navigation功能框架与AprilTag标签相结合的导航系统能更好地适应多场景。     

基于ROS的智能工业机器人系统开发平台

目前,工业机器人对于机器视觉、自主路径规划等智能化功能需求日益增长.然而在传统工业机器人系统中添加智能化功能模块时需要修改大量的源码,浪费了人力和成本.本文提出的基于ROS的易扩展机器人系统开发平台,能为开发者开发智能工业机器人系统提供了方便.本平台分为服务器端和机器人端.将机器人端作为一级节点,与安装ROS的PC服务器端进行通信.机器人一级节点由二级功能节点与功能模块组成.根据此平台开发实现的JPB06六自由度工业机器人系统具有机器视觉、自主定位、语音控制等智能化功能,可以满足工业机器人对于智能化和实时控制的需求.     

基于UVC协议的ROS视频监控系统设计

针对ROS系统平台的接口局限性,结合USB接口的通用性和普及性,采用USB摄像头作为系统的视频采集设备,设计和实现了一种基于ROS(机器人操作系统)平台的视频监控系统方案。基于UVC视频类协议的图像采集系统具有良好的兼容性,实现了USB视频采集设备在ROS系统平台上的免驱使用。视频采集程序的设计采用针对UVC协议的V4L2框架,有效地利用了ROS系统提供的应用编程接口。系统应用结果表明,本文提出的ROS视频监控方案具有良好的实用性和方便性,视频传输效果良好。     

基于SSD_MobileNet模型的ROS平台目标检测

目标检测是机器人技术领域中重要的技术环节,而作为机器人开发领域中最受欢迎的平台之一,ROS （Robot Operating System）平台实现快速准确的目标检测功能是非常必要的.目前深度学习方法是实现目标检测功能的核心技术,但当前ROS平台自带的目标检测数据包实现原理仍是基于传统的局部图像特征描述方法,目标检测鲁棒性差,泛化能力弱.本文就将针对以上问题,提出一种基于SSD_MobileNet框架,结合独立制作的图像数据集训练定制的目标检测模型,并将模型集成到ROS平台实现快速准确的目标检测功能.     

基于ROS与Contiki的物联网环境下数据采集机器人设计

提出了一种基于ROS与OpenWrt、Contiki的新型物联网系统方案ROS-IOT.分为两个部分：物联网系统的搭建与此系统下数据采集机器人的设计.感知层传感节点采用Contiki协议栈实现传感节点的组网与数据传递;接入网关采用运行Openwrt操作系统的无线路由器,网关接入模块实现协议动态转换,设置转换地址池、数据汇聚、处理,并基于rosserial_embeddedLinux上递至ROS网络等功能,实现各层数据流通;应用层基于websocket技术设计了与ROS网络数据交互的web服务,可实现与感知层、机器人的双向交互.机器人采用运行ROS环境的树莓派作为主控设备,电机驱动板采用stm32单片机.机器人的软件设计采用基于ROS Topic与ROS_bridge的通讯机制,使得机器人更加容易地融入物联网系统,并且在此基础上拓展更多服务.     

基于ROS网桥的跨平台网络化人机交互系统设计

针对传统机器人控制系统存在的跨平台开发和部署问题，提出了一种基于ROS(Robot Operating System,机器人操作系统)网桥的跨平台网络化人机交互系统。构建以Node.js框架为服务后端，Bootstrap框架和jQuery组件为交互前端的网络化控制系统架构，通过ROS网桥技术实现万维网(World Wide Web, WWW)端和机器人端的跨平台数据互通，并按需进行机器人控制服务化调用。实验结果表明，该控制系统能够实现机器人端环境感知、状态监视、远程控制等功能，支持个人电脑(Personal Computer, PC)端、移动端等泛平台人机交互，具有可模块化敏捷开发、移植扩展性强等优点。     

基于ROS构建无人驾驶车辆环境感知系统

无人驾驶系统由环境感知等多个组件构成,一般基于各类分布式程序框架来实现.基于ROS系统这类消息传递通信的分布式多进程框架来构建环境感知系统,是一种可行的参考.本文讨论了无人驾驶系统环境感知信息融合中的ROS机制和组成,基于ROS系统下的目标检测与跟踪等环境感知具体实践,讨论了无人驾驶车辆中ROS性能分析及其改进等内容,可以作为相关技术实现的有益参考.     

基于ROS的溯源机器人系统

针对国内外对物联网和机器人相互结合,让机器人更好的服务于物联网展开的相关研究.本文提出了一种基于ROS与物联网的智能机器人系统.硬件上采用stm32传感器节点、树莓派、OpenWRT路由器、Rplidar雷达和C270罗技摄像头等;软件上使用ROS次级操作系统、Contiki、Tensorflow框架、Camshift算法和SLAM算法等;设计实现感知层的数据采集,基于SLAM的自动溯源,语音控制,机器人的物体追踪,物体自动识别以及web端的视频监控、反向控制和感知层数据实时显示等功能;而后搭建相关的试验环境,对系统与设备的相关功能进行测试,验证系统的可行性.     

ROS机器人Cartographer SLAM建图方法

文章首先介绍了ROS机器人硬件和软件平台,搭建了ROS开发环境,最后设计了ROS的Cartographer SLAM算法框架,在ROS机器人的平台上进行了Cartographer建图试验,并用Rviz工具进行观测。     

天脉1实时操作系统的机器人框架移植方法研究

首先对ROS机器人框架进行了简单介绍;然后调研其在开源Linux非实时通用操作系统、绿山公司INTEGRITY RTOS实时操作系统、风河公司VxWorks7、Zephyr实时操作系统的移植适配情况;最后,基于i.MX6Q ARMv7a多核处理器平台,在天脉1实时操作系统上对机器人框架的移植适配方法进行了研究。     

基于深度学习的移动机器人目标跟踪系统

针对当前智能移动机器人在跟踪过程中常因目标发生外观形态上的变化而丢失跟踪目标的问题,利用Caffe深度学习框架和ROS机器人操作系统作为开发平台,设计一个高准确度及高实时性的移动机器人目标跟踪系统并进行了研究.使用对于目标形变、视角、轻微遮挡及光照变化具有鲁棒性的基于孪生卷积神经网络的GOTURN目标跟踪算法,通过ROS系统为桥梁使离线训练的跟踪模型实时应用于TurtleBot移动机器人上,并开展了详细的测试.实验结果表明,该目标跟踪系统不仅设计方案可行,实现了移动机器人在各种复杂场景下有效地跟踪目标,还具有成本低、性能高和易扩展等特点.     

RT-ROS: A real-time ROS architecture on multi-core processors

ROS, an open-source robot operating system, is widely used and rapidly developed in the robotics community. However, running on Linux, ROS does not provide real-time guarantees, while real-time tasks are required in many robot applications such as robot motion control. This paper for the first time presents a real-time ROS architecture called RT-RTOS on multi-core processors. RT-ROS provides an integrated real-time/non-real-time task execution environment so real-time and non-real-time ROS nodes can be separately run on a real-time OS and Linux, respectively, with different processor cores. In such a way, real-time tasks can be supported by real-time ROS nodes on a real-time OS, while non-real-time ROS nodes on Linux can provide other functions of ROS. Furthermore, high performance is achieved by executing real-time ROS nodes and non-real-time ROS nodes on different processor cores. We have implemented RT-ROS on a dual-core processor and conducted various experiments with real robot applications. The experimental results show that RT-ROS can effectively provide real-time support for the ROS platform with high performance by exploring the multi-core architecture.     

ROS下基于EtherCAT的串联机器人控制系统

针对传统工业串联机器人控制系统大多面向特定对象,系统开发工作量大,可移植性差,代码复用率低等不足,提出了采用开源机器人操作系统(ROS)为平台,利用开源IgH EtherCAT主站实现控制系统和驱动器Ethercat通信,通过建立统一机器人描述格式(URDF)模型,结合moveit!提供的开源运动规划库(OMPL)进行上层运动规划,设计开发了具有开放性、可移植性和可扩展性高的机器人运动控制系统.使用快速扩展随机树(RRT)相关算法对控制系统进行试验验证,结果表明:控制系统能够有效完成运动控制并适用于其他类型的机器人.     

基于Web与V-REP的机器人远程控制虚拟仿真平台

设计并开发了基于Web与V-REP的机器人远程控制虚拟仿真平台.该平台整体设计框架包括Web浏览器层(客户端)、服务器层、仿真环境层(机器人端)三个层次,采用JavaWeb和MVC设计模式开发Web应用,利用V-REP远程API和Python编程实现机器人控制服务器和图像服务器.操作者通过Web浏览器即可完成对V-REP中仿真机器人的控制,同时相应图像信息传输至Web浏览器,从而实现基于Web的机器人远程交互控制.该虚拟仿真平台对于机器人控制相关的实践教学有着重要意义.     

基于多参数优化的多机器人图案构成的分配算法

在不同应用场景下多机器人系统的图案构成受到越来越多的关注,然而现有方法不能有效地优化在障碍物环境中的图案在线自主构成.为解决这一问题,提出一种新的基于目标匹配和路径优化的实时在线的优化算法.首先,以机器人与虚拟期望图案的距离为目标函数,建立一个多参数的图案构成模型,进而在一定的约束条件下求解得到最优的期望图案参数;其次,建立迭代控制器,使机器人在向目标点移动的过程中,可以实时在线地进行机器人与目标点的分配;然后,采用最佳避碰速度算法使机器人无碰撞地到达期望图案的目标点,完成图案构成;最后,通过在MATLAB和V-REP中的仿真实验,验证所提出方法的正确性和有效性.     

基于模仿学习的双曲率曲面零件复合材料织物机器人铺放

针对双曲率曲面零件的复合材料织物铺放,手工铺放效率低、质量均一性差,机器人铺放的相关研究未能准确地描述手工铺放技能。为此,本文提出基于模仿学习的铺放技能采集、描述与重现的相关方法。首先,利用拖动示教获取织物铺放的轨迹信息,以压力阈值为分割依据进行有监督的轨迹分割,再采用高斯混合模型（Gaussian mixture m...     

OpenRatSLAM: an open source brain-based SLAM system

RatSLAM is a navigation system based on the neural processes underlying navigation in the rodent brain, capable of operating with low resolution monocular image data. Seminal experiments using RatSLAM include mapping an entire suburb with a web camera and a long term robot delivery trial. This paper describes OpenRatSLAM, an open-source version of RatSLAM with bindings to the Robot Operating System framework to leverage advantages such as robot and sensor abstraction, networking, data playback, and visualization. OpenRatSLAM comprises connected ROS nodes to represent RatSLAM’s pose cells, experience map, and local view cells, as well as a fourth node that provides visual odometry estimates. The nodes are described with reference to the RatSLAM model and salient details of the ROS implementation such as topics, messages, parameters, class diagrams, sequence diagrams, and parameter tuning strategies. The performance of the system is demonstrated on three publicly available open-source datasets.