电子鼻—智能气体传感器

论述了应用模式识别技术和气体传感器阵列所研制的模拟嗅觉系统。气体传感器阵列由８个金属氧化物气敏器件组成，它们对不同的气味和气体有不同的响应；传感器阵列输出的信号经过微机处理和识别。作者对实验过程进行了详细的讨论，实验结果表明该系统可成功地识别多种不同的气体。     

DPS纯数字传感技术——宽动态摄像机新技术的实现

宽动态摄像机解决了一般摄像机在强光下会出现眩光，导致强光周围的物体无法看清，以及因安装现场光线繁杂造成的监控画面被破坏．缺乏色彩层次等问题。然而，它也面临了一个问题——经过处理后的图像往往会失去其原有的色彩效果。本文针对一个不同于传统CCD传感器的新技术——DPS纯数字传感技术进行了深入介绍。     

基于不同视角的人脸模型识别方法

对在不同视角下，得到的人脸模型，文中提出一种基于人脸表面的识别方法，采用平面射影变换，将人脸的图像变换到一个相同的图像，使图像对齐；而后运用主成分分析法（PCA）进行分类。基于这种方法，由光线、面部表情、姿态的改变引起的不必要变化就可能被消除或可以忽略。这种方法可以达到比较准确的识别人脸的目的。实验结果显示，文中的方法对人脸模型提供了更好的表达，并且人脸识别的错误率更低。     

基于视觉感知的智能扫地机器人的垃圾检测与分类

目的 为了提高扫地机器人的自主性和智能化程度，为扫地机器人配备视觉传感器，使其获得视觉感知能力，通过研究有效的垃圾检测分类模型与算法，实现对垃圾的定位与识别，引导扫地机器人对垃圾进行自动识别与按类处理，提高工作的目的性和效率，避免盲动和减少能耗。方法 选择检测速度较快的YOLOv2作为主网络模型，结合密集连接卷积网络，嵌入深层密集模块，对YOLOv2进行改进，提出一种YOLOv2-dense网络，该网络可以充分利用图像的高分辨率特征，实现图像浅层和深层特征的复用与融合。结果 测试结果表明，智能扫地机器人使用本文方法可以有效识别不同形态的常见垃圾类别，在真实场景中，测试识别准确率为84.98%，目标检测速度达到26帧/s。结论 实验结果表明，本文构建的YOLOv2-dense网络模型具有实时检测的速度，并且在处理具有不同背景、光照、视角与分辨率的图片时，表现出较强的适应和识别性能。在机器人移动过程中，可以保证以较高的准确率识别出垃圾的种类，整体性能优于原YOLOv2模型。     

一种NAO机器人的白线识别方法

NAO机器人最主要通过图像来感知外界,与其它机器人有别的是NAO白色的外壳增加了球场上白线识别的难度。本文提出在图像预处理的基础上的识别方法,以白色边缘的导数为零的点和不可导点为分割点,将白色边缘分段,再根据每段的属性,综合分析后给出识别结果。实验结果表明,此方法在外界环境光线变化不大的情况下,能有效识别球场上的白线,满足了NAO机器人比赛中对图像识别的实时性和鲁棒性的要求。     

时变流场环境中机器人跟踪气味烟羽方法

机器人对气味烟羽的可靠跟踪是实现气味源定位的关键. 本文主要针对实际时变流场环境中的机器人跟踪气味烟羽问题进行研究. 文中在机器人测得气味时估计气味包的最大可能路径, 在此基础上结合流向信息, 规划搜寻路径并使机器人沿此路径运动以跟踪气味烟羽. 考虑到气味浓度场的时变特性以及可能存在的基本浓度, 采用浓度相对变化量表征气味信息. 室内时变流场环境实验表明, 使用本文所提方法的机器人可实时、有效地跟踪烟羽并趋向气味源.     

面向光流分析的机器人红外视觉图像对预处理

为了增强机器人单目视觉系统在黑暗环境下的环境感知能力,提高其在视觉图像序列处理过程中光流场计算的准确率,对由红外摄像机所采集的红外图像序列的预处理方法进行了研究,建立了一种空域与变换域相结合的处理方法。为平衡红外图像序列对之间的亮度差异并提高图像亮度,在空域中采用直方图均衡化方法进行处理;然后,对图像进行非下采样Contourlet变换,在变换域中利用图像的强边缘、弱边缘和噪声在不同分解尺度和分解方向上具有不同几何流的性质进行区分,分别采取保留、增强以及去除处理;最后利用调整后的系数进行图像重构。该预处理方法在平衡图像亮度的同时增强了图像纹理并减少了噪声。实验结果表明,预处理程序有效地提高了红外图像对的光流有效点识别率,该方法增强了机器人单目视觉系统在黑暗环境中对环境的感知能力。     

基于MTCNN的高光谱人脸识别自动控制系统

为避免光线、姿势、表情等因素影响高光谱人脸识别效果，该文设计了基于MTCNN的高光谱人脸识别自动控制系统。高光谱人脸采集模块通过人工智能机摄像头和CMOS图像传感器采集高光谱人脸图像样本，采用分块局部二值模式提取高光谱人脸局部特征，将其输入Ada-Boost支持向量机，得出高光谱人脸不同区域的最优谱带；利用多任务卷积神经网络，提取最优谱带特征，由Softmax函数完成高光谱人脸分类识别，将识别结果存储至人脸库构建模块，并呈现在手机智能终端。实验结果表明，该系统的高光谱人脸图像采集和LBP特征提取的应用效果较好，可有效识别出不同光线条件和光照角度下高光谱人脸，平均识别率高达99.36%。     

基于多BP子网络的电子鼻信息融合技术

针对电子鼻技术的应用中,利用常规BP(back-propagation)网络难以对复杂的混合气味进行识别这一问题,介绍了一种采用多BP网络联合进行电子鼻多传感器数据融合处理的新方法。利用这一方法并结合气体传感器阵列在不同温度条件下的响应信号,对不同品牌的葡萄酒样本进行定性识别,仿真验证结果表明该方法的识别准确率达到100%。     

基于切片图像的三维声纳目标识别

研究了为水下机器人声视觉设计的一套三维成像声纳系统的目标识别方法,该声纳可以在一次发射中获取一系列二维切片图像。根据面阵水平、垂直分辨率的不同和图像中目标的切片数量,结合水声环境对水下成像的影响,分析了几种不同目标切片图像的特点,提出一种以直方图中目标能量为特征的识别方法,该方法在算法实现上避免了三维重建的步骤,使识别速度显著提高,在对水池数据和海试数据的分类识别试验中证明其能有效地识别水下目标。     

一种室内障碍物与地面分割的快速方法

因地面含有丰富信息,常用来为室内移动机器人提供地图创建与导航的环境信息。考虑到光线反射对地面造成的干扰较强,在相似颜色环境下地面区分的难度较大,因此将高强光反射区定义为"缺陷"进行检测。利用其周边信息填充缺陷,有效增强了地面颜色的统一性。结合HSV联合密度进行彩色分割,利用地面位置区域特性,可准确获得地面与障碍物间的分割。试验表明,提出的方法具有运算简单、范围广、准确度高、便于机器人实时避障等优点。     

前背景骨架区域随机点对策略驱动下的车标识别方法

目的 现有的车标识别算法均为各种经典的图像特征算子结合不同的分类器组合而成,均未分析车标图像的结构特点。综合考虑车标图像的灰度特征和结构特征,提出了一种前背景骨架区域随机点对策略驱动下的车标识别方法。方法 本文算法将标准车标图像分为前景区域和背景区域,分别提取前、背景的骨架区域,在其中进行随机取点,形成点对,通过进行点对的有效性判断,提取能表示车标的点对特征。点对特征表示两点周围局部区域的相似关系,反映了实际车标成像过程中车标图案部分与背景部分的灰度明暗关系。结果 在卡口系统截取的19 044张车标图像上进行实验,结果表明,与其他仅基于灰度特征的识别方法相比,本文提出的点对特征识别方法具有更好的识别效果,识别率达到了95.7%。在弱光照条件下,本文算法的识别算法效果同样优于其他仅基于灰度特征的识别方法,识别率达到了87.2%。结论 本文提出的前背景骨架区域随机点对策略驱动下的车标识别方法,结合了车标图像的灰度特征和结构特征,在进行车标的描述上具有独特性和排他性,有效地提高了车标的识别率,尤其是在弱光照条件下,本文方法具有更强的鲁棒性。     

CNB—GA41B2PF 多功能宽动态枪式摄像机

CNB—GA4162PF多功能宽动态摄像机采用1／3”Sony Vertlcal Double-denslty Interline CCD高灵敏度图像传感器，水平分辨率达560TV线，带宽动态功能．可消除图像中的物体光线反差过大的现象，     

基于STM32单片机的寝室扫地机器人

寝室扫地机器人技术的研究与设计旨在通过科技改变学生的日常生活。本文介绍了该寝室扫地机器人的驱动系统、感知系统、清扫系统、控制系统和校正系统。硬件上以STM32F103ZET6为微控制器,通过超声波模块、红外传感器、MPU6050传感器和光电编码器反馈的信息来确定位置信息和下一步工作。结合学生寝室固定环境采用固定模式清扫。采用闭环控制系统使扫地车尽可能走直线,提高清扫覆盖率。通过光电编码器和直流电机的差速控制实现任意固定角度的转弯,并记录小车直线行驶的路程信息。前方的超声波传感器判断该扫地车离墙壁和障碍物距离,红外传感器检测墙壁和障碍物,避免发生碰撞。通过固定的转弯反应动作实现避障。针对寝室固定环境,该扫地机器人具有较强应用价值。     

基于四足机器人的工业仪表数字识别方法研究

在工业现场自主巡检中,由于定位误差和光线角度等因素的影响,使得四足机器人仅依靠机器视觉难以实现高精度的仪表数字识别。针对上述问题,提出一种结合移动机器人运动的工业仪表数字识别方法。该方法首先基于图像感知的四足机器人控制策略实现仪表对准,来获取大小适中的仪表图片,进而使用改进自动色彩均衡(ACE)算法提高图片清晰度,并使用改进高效准确的场景文本(EAST)检测器来优化仪表数字漏检情况,最后获得仪表数字识别结果。在基于四足机器人的工业巡检实验平台中验证了该识别方法,实验结果表明上述方法对工业仪表数字识别准确率达97.75%。     

基于优化Prewitt的高速夜间车道检测算法

针对夜间高速公路,提出识别车道标志线的新型检测算法.该算法采用改进的中值法滤波,基于光密度差的4方向模板对数Prewitt边缘检测预处理图像,得到二值化阈值T. ROI和左右车道线的确定大大减少运算量,结合车道线宽度去除伪车道,采用临时轨迹策略排除光线变化和前方车辆的干扰,最后得到完整清晰的车道线.实验证明该车道检测方法具有快速性、稳定性、准确性.     

智能机器人水果采摘识别系统设计

为了提高水果识别的准确性,减少周围环境对识别的影响,设计了一种用于智能水果采摘机器人的识别系统.采用随机森林来学习优化气味传感器的输出,其目的是更好地识别气味;利用摄像机采集到的原始图像计算出对应的本质图像,来对采集到的图像特别是有阴影的图像进行去阴影分析辨识.最后通过结合气味传感器的“气相”结果与摄像机的“色相”结果来评定采摘动作.实验证明该识别系统为后期果实的采摘提供了比较精确的参考.     

全自主移动足球机器人目标识别

Robocup中型足球机器人对图像处理的实时性要求较高.在RoboCup中型组比赛中,通常采用CMVision对图像进行处理,其存在一定的缺陷,如:耗费大量计算机资源,不能处理光线的干扰等.本文在其基础上根据目标识别要求,改变其图像扫描方式、采用邻域法去除光线干扰以及用邻域法处理场外屏蔽问题,满足了中型组足球机器人对于去除足球判别干扰以及去除光线对球心的定位干扰的要求.该方法已经在全国中型机器人比赛中显示出明显的优越性.     

网络传感器在机器人感知系统中的应用研究

本文针对网络环境下机器人感知系统信息获取技术，结合IEEE1451.2网络传感器设计 思想，提出一种即插即用机器人感知系统节点的设计方法，并针对具体感知节点提出一种在 线编程的方法，即可在线修改感知系统节点中具体的传感器／执行器的有关参数，如：生产 厂家、日期、校准参数等；并给出了网络环境下机器人感知系统的网络拓扑结构以及数字接 口．     

煤矿巡检机器人巷道气体环境智能检测系统设计

目前井下危险气体巡检机器人大多采用升降机构或固定探头的形式进行气体环境感知,对机器人的行驶灵活性产生了影响,且受机器人本体结构的限制,大多数巡检机器人只能检测到传感器安装范围内的局部气体环境信息,缺乏针对巷道任意截面空间内的气体浓度检测。针对以上问题,设计了一种基于气体扩散模型的煤矿巡检机器人巷道气体环境智能检测系统。该系统以气体扩散理论为基础,结合煤矿巷道气体环境特点,引入巷道壁帮围岩、风速、气体扩散系数对煤矿巷道气体扩散模型的影响,采用虚拟像源法和遗传算法优化BP神经网络智能算法建立了巷道气体扩散优化模型。通过传感器检测系统获取巡检机器人在行进过程中任意点的气体浓度等环境信息,代入气体扩散优化模型求解最优气体扩散系数,通过输入巷道某点坐标位置,可计算求解相应点的气体浓度分布情况,随着巡检机器人的移动,可获取其路径中不同巷道截面上气体浓度分布数据。实验结果表明,该系统能够解算出符合检测误差要求的巷道任意截面上任意点的气体浓度,并实现动态实时检测;克服了传统煤矿巷道气体检测方法的局限性。利用巡检机器人取代人工巡检作业,为煤矿井下气体智能检测提供了一种新思路与新方法。