基于单片机的扫地机器人设计

扫地机器人作为服务机器人领域中的一个新产品,虽然已经取得一定的成果,但是仍有许多关键技术问题需要解决或提高。扫地机器人由5部分组成：系统控制,执行电机,传感器,输入输出和电源。系统控制采用单片机AT89C52,包括红外遥控接收模块,输出器件等。执行电机包括行走驱动和吸尘,行走结构采用轮式结构,圆形壳体,底盘为三轮电动小车,前面两轮由两个电极独立驱动,后沦为万向轮;吸尘系统用电机带动清扫刷转动,清扫灰尘并将灰尘集中于吸风口处,由吸尘机构制造强大的吸力将灰尘吸入灰尘存储箱中。在清扫吸尘后,利用安装在壳体下面的清洁擦除残留在地面上的细小灰尘,轮子电机,吸尘电机和毛刷电机使用的都是无刷直流电机;传感器主要为了保障机器人能够安全的工作;输入输出包括遥控子系统和显示子系统,能够较好地实现人机交互功能;电源采用可充电的5V锂电池。     

基于多传感器的扫地机器人导航系统避障研究

探讨了扫地机器人导航系统中基于多传感器的避障问题。通过设计一套多传感器避障方案,结合多传感器数据融合算法、避障路径规划算法,并考虑其他潜在影响因素,实现扫地机器人导航系统性能。     

扫地机器人增强位姿融合的Cartographer算法及系统实现

Cartographer是谷歌在2016年开源的一个可以在多传感器配置下实现低计算资源消耗的SLAM算法框架.针对原有Cartographer中位姿融合不准确、存在延迟的问题,首先设计了一种基于位姿增量的多传感器位姿融合方法;随后,针对扫地机器人Player平台,设计并实现了基于增强Cartographer算法的多模块SLAM系统;最后,通过Cartographer数据集的实验分析和真实场景的实际测试,验证了增强Cartographer算法的有效性以及SLAM系统在Player机器人平台上的可用性.     

基于STC52单片机的智能扫地机器人设计

目前各式各样的服务机器人被大量的运用到了人类社会的日常生活服务中从事了许多和我们日常生活密切相关的工作很大程度上提升了,人们生活的质量。为了改善繁忙的上班族没有时间打扫家庭卫生的问题，帮助其从劳动中解放出来。本设计制:作了一款智能扫地机器人可以代替人工进行室内清洁、打扫、杀菌。该智能扫地机器人系统的硬件基本组成架构包含以,下四个核心部分单片,机主控逻辑单元、传感器模块、,工作单元以及电源模块。其上的红外线感应器自动感应到房间的环境并辨识障碍物当探测到有障碍物时机器人会立即的改变其前进方向从而避开障碍物。机器人底部安装有紫光灯、拖布、风扇和存储盒，其以螺旋的运动方式前进从而实现吸尘、清洁、杀菌和存放垃圾功能。     

焊接机器人图像传感器噪声分析

焊接机器人获取焊缝的计算机视觉信息过程中,由于工件表面的反光系数,光学镜头性能的非线性,光电转换时叠加了随机噪声;信号电荷的存储、传输和输出存在暗电流等噪声;视频信号传输时存在噪声;视频信号模数转换存在量化噪声,导致获取的二维数字图像信号有一定的误差。为了减小此误差对后续的图像处理的影响,对图像传感器的图像噪声进行了分析,并得到了一个经验的图像噪声模型,实验结果表明:该模型有效且实用。     

足球机器人比赛场地图像特征识别

为实现足球机器人比赛场地图像信息的高效分辨,本文提出一种利用HSV彩色空间进行特征识别的算法,根据HSV彩色空间的颜色和亮度无关,将彩色图像从RGB空间转换到HSV空间,经过H分割对场地信息进行识别,最后实现具有显著颜色特性的图像的分类识别。实际运行分析表明:该算法具有较好的稳定性和鲁棒性。     

一种扫地机器人路径规划的改进算法

扫地机器人现有的各种路径规划对定位、航迹推算提出了严格的要求,路径计算量及规划难度也随即增大;而简单的随机覆盖法却存在着低覆盖率及高重复率的缺点.为了避免上述各种缺陷,提出了一种路径规划的改进算法,经过扫地机器人验证平台的测试,利用此种改进算法进行路径规划,不仅避免了上述各种缺陷,同时还能够根据环境的相关特征信息做出更进一步的优化.     

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。     

足球机器人视觉图像的快速识别

FIRA MIROSOT机器人足球比赛中，视觉系统是比赛系统中获得环境信息的唯一途径。视觉系统的识别速度和精度对比赛的胜负有很大的影响。针对传统的视觉缺陷，在色标设计方案、彩色空间的转换、色彩的阈值判别和图像分割几个方面进行改进，明显地减少了计算量，提高了实时性。实验结果表明，比赛中该方案在运算速度和精确度2方面都具有很大的优越性。     

微软展示图像语音识别机器人

微软公司对外演示了他们研发的软件机器人,该机器人可以使用图像识别、语音识别以及语音功能处理基本的任务。在微软的演示中,这种软件机器人被应用到大厦接待员的职位,负责接待来访者及收接物品。     

AGV机器人多角度静态识别图像智能拼接方法

传统多角度静态图像识别拼接方法存在图像拼接精准度低、识别准确率低和拼接时间、识别时间长的问题，对此，文章提出了AGV机器人多角度静态识别图像智能拼接方法。对中心矩进行了归一化处理，获得多角度不变矩，利用不变矩对静态图像进行特征提取；采用对数几率回归分类算法进行分类；采用最大似然法估算图像中的参数；利用梯度下降法判定参数最小值，得到图像识别结果；利用AGV机器人，将图像的识别结果投影到变换矩阵中，将矩阵中的重叠图像划分成一个缝合部分和两个过渡部分；通过多分辨率图像融合算法和加权平均图像融合算法对这三个部分进行融合，得到完整的图像，实现静态图像智能拼接。实验结果表明，该方法的拼接精准度较高、识别准确率始终在80%以上，拼接时间最高仅为36 s,识别时间始终低于20 s,该方法的准确性高、实时性强。     

基于模糊阈值的机器人视觉目标图像处理

机器人视觉目标图像信噪比低,背景噪声干扰大,目标识别处理通常利用目标的灰度信息进行预处理,由此设计一种基于数学形态学和模糊阈值的灰度图像实时预处理和阈值处理技术图像分割方法.仿真实验表明,该方法实时性好,简捷快速,对目标图像识别有实用价值.     

足球机器人彩色视觉图像的分割与识别

足球机器入世界杯(RoboCup)比赛要求视觉处理子系统能够准确地定位出场上机器人和球(共11个目标)的位置。受场地光照等比赛环境的影响,需要识别的各种色彩空间并非是规则且互不相交的矩形区域。因此用传统的阚值分割方法很难得到满意的结果。论文采用了一种结合阚值分割与种子点区域生长(SRG)的混合方法,这种方法先用阚值法将HSI色彩空间分成若干各不相交的子集,在每个子集中分别确定若干种子点,然后从这些种子点进行区域生长,在进行区域生长时,定义了一种适合HSI色彩空间的同类判据(homogeneity criterion),引入两个像素的联合抗噪因子P来衡量H的可信度。实验表明,采用的这种方法可以明显地提高区域分割的精度,实现彩色图像的准确分割,很好地满足了比赛的需要。     

基于信息融合的娱乐机器人目标识别

运用电、磁、图像等各种信息的融合，提出了一种比较有效地用于娱乐机器人目标识别的方法，进行了仿真并通过了实际运行的检验。     

神经网络在机器人视觉图像命令识别中的应用

在智能机器人技术中,视觉识别是关键.在智能机器人视觉系统获得的图像中,由于图像倾斜而造成的识别错误是视觉识别难以解决的问题.针对机器人所要完成的具体任务,对机器人的视觉识别问题进行探讨,为实现机器人对图像命令的识别,首先对机器人视觉系统获得的倾斜图像,采用Hough变换进行倾斜度检测并进行校正,然后采用人工神经网络法进行识别,根据识别结果对机器人的下一步运动进行决策与控制,达到了预期的目的.实验结果表明,该方法具有较高的识别率.     

基于YOLOv5s的扫地机器人

扫地机器人是一款服务型自动化机器人，它的诞生使我们得以从繁琐的家居清扫劳作中解放出来，让我们可以在更关键的应用领域当中更有精神和活力，极大程度地提升了我们的生活质量。文章采用YOLOv5s目标检测算法对U盘、钥匙等生活中容易掉落的小物品进行识别，首先分析了YOLOv5s的架构和原理，然后通过YOLOv5s对标注好的数据集进行训练，最后得到准确的检测结果，反馈到扫地机器人单片机上，对小物品进行处理。实验结果体现出了YOLOv5s的检测快速性和准确性。     

基于改进Faster-RCNN的IT设备图像定位与识别

本文根据国家电网IT设备识别的具体应用场景的特点,通过改进Faster-RCNN实现设备的精确识别定位,进而提高了电网数据中心管理的效率.文章主要在注意力机制、初始锚框调整以及锚框融合等方面进行改进.通过与常见图像算法的横向比较发现改进后的模型在收敛速度上提高了30％,精度上提高了1％.     

基于图像融合的表情识别研究

为提高表情识别精度,结合传统的深度卷积神经网络,提出一种基于深度度量融合算法的表情识别模型。首先通过DCNN(Dynamic Convolution Neural Network,深度卷积神经网络)模块对人脸图像特征进行学习,然后同步优化Softmax分类损失函数和三元组损失函数。在三元组损失函数优化方面,提出一种对称三元组损失函数Lw,以避免不完整判断问题,最后以CK+等作为数据来源,通过上述模型对表情进行识别。结果表明,本改进的表情识别方法,可有效辨识高兴、厌恶和藐视等表情,但对恐惧、生气等表情识别精度不高;与其他表情识别算法相比,本识别算法识别精度最高,达到97.86%,具有很大识别优势。     

网络机器人控制系统图像摄入的新方法

摄像机—图像采集卡方法是网络机器人控制系统图像摄入的经典方式。然而,这种方法存在着成本偏高、应用不灵活等的弊端。本文基于TWAIN技术规范提出了一种新的独立USB摄像头方法,该方法在VC++环境下实现驱动通用数字图像设备USB摄像头,与经典方法相比,本方法在应用于诸如基于网络的遥操作机器人控制系统中实现了低成本、应用灵活。