基于遗传算法模式匹配的机器人实时视觉伺服

对于机器人手臂来讲 ,对工作环境的识别是完成一个智能任务的最重要的问题之一 .因为这种智能可以使它工作在一个变化的环境中 .本文提出了一种新的机器人手臂的控制策略 ,可以利用视觉信息来指导机器人的手臂在它的工作空间中捡起一个已知形状但任意位置和方向的物体 .在对物体的搜索过程中 ,利用基于视觉闭环的视觉伺服来完成对机器人手臂的运动控制 .本系统利用遗传算法 (Genetic Algorithm ,GA)和模式匹配技术完成对搜索空间的搜索并获得了良好的结果 .本文完成了对带有两连杆手臂的视觉伺服系统的仿真 ,仿真结果证明了算法的有效性     

基于轮廓线匹配的二维重迭物体的识别

本文提出一种基于轮廓线匹配的二维重迭物体的识别算法,并采用一种点模式匹配的快速算法进行特征点序列的匹配,通过引进形状移位数的概念和利用问题中的各种约束条件,提高了物体识别速度.     

一种基于逆序算子的优化组合遗传算法

针对遗传算法(GA)局部搜索能力差的问题,从提出基因逆序算子的新角度,构造了一种基于逆序算子的优化组合遗传算法,从理论上证明了该算法的收敛性。     

基于阀值逆序算子的优化组合遗传算法

针对遗传算法局部搜索能力差的缺点,模拟生物染色体中基因排列的有序性,对阀值逆序算子进行了研究,它与传统逆序算子相比,能较好地提高群体性能提高,减少了对种群多样性的破坏,改善了遗传算法的局部搜索性能,与具有全局搜索性能好的遗传算子组合,弥补了阀值逆序算子对全局搜索性能的影响,构造了一种基于阀值逆序算子的优化组合遗传算法。从理论上证明了该算法的收敛性,实验结果表明,该优化组合算法具有更好的寻优能力,对应用串型编码的遗传算法解决一般的优化问题时,具有很好的借鉴意义,阀值可根据求解问题特征和局部搜索强度而选定。     

基于运动分析的运动目标实时跟踪系统

机器人的视觉伺服是机器人领域重要的研究方向.着力于提高机器人视觉反馈系统的实时性,提出了基于运动分析的的运动目标实时跟踪方法.该方法采用形态学方法标记连通域,并基于最小二乘法拟合运动轨迹曲线,预测下一时刻位置,设定连通域搜索范围,从而提高搜索速度.仿真结果表明:该方法处理效果良好,能满足后续系统实时性要求.     

物体三维形状恢复的遗传算法方法

提出了一种新的物体三维形状恢复的遗传算法方法。用固定位置的摄像机在不同位置的球扩展光源下获取图象序列,并用遗传算法对物体表面每一点的法线矢量进行快速搜索。实验结果表明,此方法能有效地恢复扩展光源下物体的三维形状。不仅放宽了对光源和物体表面的限制,而且精度及鲁棒性均有很大提高。     

基于遗传算法的虚拟企业局部模型划分方法

局部模型的划分是分解、简化敏捷虚拟企业建立过程决策问题的重要方法，划分结果可能直接影响到敏捷虚拟企业的建立方式、伙伴企业的合作方向和虚拟企业模型的优化,由于该过程涉及到复杂的组合优化问题以及定量评价方法，因此对该问题的求解具有很高难度。本文提出了应用遗传算法为主的算法来优化这一项目划分过程的方法，该方法根据问题的特点采取特定的基因编码、遗传与变异算子等，本文最后依据一个实际算例来说明和验证该算法。     

用于全局优化的混合正交遗传算法

为提高正交遗传算法收敛速度和搜索精度,在正交遗传算法的基础上引入局部搜索策略,提出一种新的聚类局部搜索算子。利用正交算子初始化种群,保证初始群体分布的均匀性和多样性。通过正交算子在全局范围内进行全局搜索,使算法能在全局范围内收敛。采用聚类局部搜索算子对群体进行局部搜索,以增强算法的收敛速度和搜索精度。对7个高维的Benchmark函数进行测试,仿真实验结果表明,与其他算法相比,该算法具有更好的搜索精度、收敛速度和全局寻优的能力。     

基于遗传算法的机器人关节空间最优运动规划

本文整体上研究了最优轨迹规划问题，它包含两个密切相关的子问题，最优路径规划和最优轨迹规划，本文提出了一种基于遗传算法的更为一般，柔性和有效的新方法，该策略综合考虑了机器人的运动学约束，动力学约束和控制约束，最优轨迹用合适的多项式拟合，得到的控制序列适宜于高速高精度的动力学控制，本文最后以二自由度机器人为例进行了仿真实验。     

基于遗传算法的动态视觉检测系统

建立了一种基于二自由度机器人视觉伺服系统,该系统通过实时监控和跟踪运动目标,实现对运动目标的相对距离和瞬时速度的动态检测;该系统为双目视觉系统,采用遗传算法进行特征点匹配,利用其随机搜索的特点,更快更好地找到全局最优值,从而得到较高匹配精度的点,最后通过三维重建和建立速度模型,实现了对机器人动平台运动参数的动态检测,并给出测量精度及改进方法;实验结果表明,此方法方便、有效,获得了较满意的检测结果;此方法还适用于多自由度并联机器人和空间复杂运动的检测。     

一种适用于室内服务机器人的实时物体识别系统

针对室内服务机器人在实际应用中的需求,提出一种结合三维点云分割和局部特征匹配的实时物体识别系统．该系统首先基于三维点云实现快速有效的物体检测,然后利用物体检测的结果定位物体在彩色图像中的区域,并采用基于SURF特征匹配的方法识别出物体的标识．实验结果表明,该系统可较好地满足室内服务机器人物体检测与识别的实时性和可靠性要求．     

一种可用于实时控制的改进型遗传算法

简单遗传算法难以达到实时控制所需的时间性能要求,由浮点数编码、自动调整算子Pc和Pm、最高位突变交叉、阶梯性的归一化选择方法组成的改进型遗传算法以及使用C++和MATLAB混合编程,能有效地提高遗传算法的性能和效率。对PID控制器参数的寻优仿真试验表明,这种方法将大为改善系统的时间特性,使遗传算法能用于一般的实时控制系统。     

基于图像视觉伺服的二维运动优化控制

基于图像的视觉伺服方法,图像的变化直接解释为摄像机的运动,而不是直接对机械手末端实现笛卡尔速度控制,导致机械手的运动轨迹迂回,产生摄像机回退现象.针对这一问题,提出了将旋转和平移分离并先实现旋转的视觉伺服方案.该方案计算量小,系统响应时间短,解决了图像旋转和平移间的干扰,克服了传统基于图像视觉伺服产生的摄像机回退现象,实现了时间和路径的最优控制.并用传统IBVS的控制律和摄像机成像模型解释了回退现象的产生原因.二维运动仿真说明了提出方案的有效性.     

一种基于投影不变量的目标跟踪方法

提出了一种基于平面投影不变量的目标跟踪算法．算法从图像中提取直线边缘计算投影不变量,用于对目标建模并跟踪．为提取直线边缘,使用改进的序列细化算法将边缘细化为单像素宽,而后用一种快速曲率估计方法估算边缘点的曲率,并保留估算值很小（约等于零）的点拟合直线．在所得直线族中按照邻近规则或者窗口规则挑选直线计算投影不变量．图像处理实验给出了用文中提出的图像预处理算法获得的直线边缘效果,并通过使用所得直线计算不变量的值衡量了所得不变量的稳定性和视角不变性．跟踪实验检验了跟踪算法的鲁棒性和实用性．     

Real-Time Dynamic Visual Tracking Using PSD Sensors and Extended Trapezoidal Motion Planning

A real-time visual servo tracking system for an industrial robot has been implemented using PSD (Position Sensitive Detector) cameras, neural networks, and an extended trapezoidal motion planning method. PSD and directly transduces the light's projected position on its sensor plane into an analog current and lends itself to fast real-time tracking. A neural network, after proper training, transforms the PSD sensor reading into a 3D position of the target, which is then input to an extended trapezoidal motion planning algorithm. This algorithm implements a continuous motion update strategy in response to an ever-changing sensor information from the moving target, while greatly reducing the tracking delay. This planning method is found to be very useful for sensor-based control such as moving target tracking or weld-seam tracking in which the robot needs to change its motion in real time in response to incoming sensor information. Further, for real-time usage of the neural net, a new architecture called LANN (Locally Activated Neural Network) has been developed based on the concept of CMAC input partitioning and local learning. Experimental evidence shows that an industrial robot can smoothly track a moving target of unknown motion with speeds of up to 1 m/s and with oscillation frequency up to 5 Hz.     

采用快速SIFT算法实现目标识别①

在基于原始SIFT算法的目标识别中,特征描述符的计算复杂,特征点的匹配时间较长,为此提出一种快速SIFT算法。该算法采用同心圆形窗口内的灰度累加值和差分值构建16维的简化描述符,并且在目标识别时,按照金字塔结构由粗至精进行特征点匹配。实验表明,在保证目标识别准确率的前提下,快速算法的运算时间比原始SIFT算法减少了两个数量级,具有很好的实时性能。     

基于散焦图像特征的微装配机器人深度运动显微视觉伺服

为了描述微操作手深度运动,采用灰度方差聚焦评价算子计算机械手散焦图像特征．散焦特征曲线理论上为单峰分布,峰值点对应显微光学焦平面深度位置．实际提取的散焦特征含有大量随机噪声,利用非线性跟踪微分器抑制噪声实现对机械手散焦图像特征及其微分信号的无颤振光滑逼近．依据散焦微分信号设计粗—精两级自寻优视觉控制器,完成微操作手对装配平面深度的精确定位．微装配深度运动实验验证了本文方法的有效性,机械手深度伺服误差为75 μm．     

双目视觉基于修正卡尔曼滤波器的运动估计

研究了目标物体的远程运动估计.首先,建立了一种双目视觉系统的基于卡尔曼滤波器的目标物体运动估计的运动学模型,并且证明了双目视觉系统同步的各自连续两帧图像中至少三个对应图像点能完全确定刚性物体的运动参数和空间位置;然后,通过对状态向量中的速度分量进行再估计,提出了一种修正卡尔曼滤波器对目标物体远程运动估计的算法,与直接卡尔曼滤波器的远程运动估计相比,提高了估计的精度.将该方法运用到一种实时预测的实验中,其结果证明了该算法的有效性.     

一种拟人空间机械臂视觉伺服图像处理研究

针对四自由度串并混联拟人空间机械臂本体,构建了基于运动控制卡模式的机器人软件和硬件系统。采用基于位置的控制结构,利用所求得的机械臂逆运动学方程,设计了由图像反馈和末端运动组成的视觉伺服控制系统。提出了一种基于SURF特征的静态目标识别算法,算法首先对目标图像提取SURF特征,并利用欧氏距离实现模板图像与目标图像特征点匹配,然后计算已匹配特征点的质心来获得目标的位置信息,最终实现了稳定的伺服定位。实验结果证明了系统的可靠性,并且证明了四自由度串并混联机械臂本体在实际运动的精确性和稳定性。