基于DSP机器视觉的矩形类物体识别研究

针对机器人控制对视觉的实时性要求,设计了一种基于TMS320C6416图像处理平台的嵌入式机器人视觉系统.本系统以VC 6.0为平台来开发控制DSP的操作界面,通过该操作界面控制DSP对矩形类物体图像的采集、处理和识别,后DSP把识别的结果传送给主机,为机器人手臂的轨迹规划提供目标物体信息.文中给出了系统的硬件设计方案和软件实现过程.     

基于自然语义模型的机器人视觉障碍识别系统

针对机器人在完成基于自身采集的视觉图像障碍识别过程中,由于障碍图像特征复杂,障碍视觉特征带有识别二义性,会发生识别错误;提出了一种基于歧义约束自然语义模型的机器人视觉图像障碍识别系统设计方法,建立了一套完整的硬件模块设计方案,并用约束自然语言软件设计方法实现了机器人视觉障碍二义性歧义消除;实验结果证明,该系统在机器人视觉智能障碍识别方面很好地消除了存在的二义性,提高了识别的准确度.     

基于EVision的双目视觉系统的设计与实现

设计和开发了一个排爆机器人的双目立体视觉系统。该系统使用Matlab7.0和机器视觉软件EVision6.2的EasyMultiCam进行图像捕获并和EasyMath模式匹配库进行图像特征匹配,能实时捕获排爆机器人周围的图像信息、进行摄像机标定、图像预处理、立体图像匹配、求取可疑目标物的特征点的立体坐标，并把图中实时显示在控制台上，控制排爆机器人准确地抓取可疑目标物。该机器人视觉系统成功的抓取实验，表明了它在精度上能够满足排爆机器人的项目要求。     

基于Adept机器人的视觉伺服控制系统

机器人视觉伺服控制在理论和应用等方面还有许多问题需要研究,例如特征选择、系统标定和伺服控制算法等.针对Adept机器人,提出了一种简单快速的不需要精确标定摄像机内外部参数的摄像机标定方法,完成了从被观测物体表面所在的视觉平面坐标系到机器人基坐标系的坐标变换.使用图像的全局特征,即图像矩特征进行伺服跟踪;利用所推导的图像雅可比矩阵,设计了由图像反馈与目标运动自适应补偿组成的视觉伺服控制器.将算法对静态目标的定位实验进行了验证,然后又将其应用到移动目标的跟踪上,通过调节和优选控制参数,实现了稳定的伺服跟踪和抓取.实验结果表明采用图像矩作为图像特征能够避免复杂的特征匹配过程,并且能够获得较好的跟踪精度.     

排爆机器人双目立体视觉系统的研究和开发

为了辅助公安人员更好地完成排爆工作，设计和开发了一个带双目立体视觉系统的排爆机器人。该视觉系统使用Matlab7.0和机器视觉软件EVision的EasyMatch库进行开发，能实时捕获排爆机器人周围的图像信息、进行摄像机标定、图像预处理、立体图像匹配、求取可疑目标物的特征点的立体坐标，并把图像实时显示在控制台，控制排爆机器人准确地抓取可疑目标物。该机器人视觉系统成功地抓取实验，表明了它在精度上能够满足排爆机器人的项目要求。     

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.     

基于图像矩与神经网络的机器人四自由度视觉伺服

针对传统的视觉伺服方法中图像几何特征的标记、提取与匹配过程复杂且通用性差等问题,本文提出了一种基于图像矩的机器人四自由度(4DOF)视觉伺服方法.首先建立了眼在手系统中图像矩与机器人位姿之间的非线性增量变换关系,为利用图像矩进行机器人视觉伺服控制提供了理论基础,然后在未对摄像机与手眼关系进行标定的情况下,利用反向传播(BP)神经网络的非线性映射特性设计了基于图像矩的机器人视觉伺服控制方案,最后用训练好的神经刚络进行了视觉伺服跟踪控制.实验结果表明基于本文算法可实现0.5 mm的位置与0.5°的姿态跟踪精度,验证了算法的的有效性与较好的伺服性能.     

基于组态王6.0的立体仓库网络控制系统

介绍了运用组态王6.0的网络功能建立的立体仓库网络管理与控制系统.该系统由物料输送辊道、物料分拣搬运机械手、立体仓库和堆垛机3部分组成,采用分布式控制与集中管理相结合的方式.阐述了网络系统的组成和主要功能,并给出了建立远程站点控制方式网络系统连接的主要参数设置.该系统可以很好地实现立体仓库物料出入库的自动控制与管理.     

双足机器人视觉系统的设计与应用

在一个十自由度双足步行机器人的平台上,基于双目视觉进行机器人视觉系统的设计.该系统包括两部分:一部分用于处理视频信号,另一部分为闭环控制系统.在信号处理部分,利用两个CMOS摄像头采集到的视频信息作为输入信号,基于TI公司的OMAP3530微处理器在Linux操作系统下进行图像信号的分析、计算等处理,输出机器人距离目标物的距离.在控制部分,以第一部分的输出信号作为输入,用DSP作为控制芯片实时控制机器人步态,并将步态调整结果作为反馈信号,使整个系统形成闭环控制,实现了机器人的自主控制.基于该思想,实现了对双足机器人步态的稳定控制,实验结果验证了该方法的可行性.     

基于小波网络的机器人视觉伺服控制研究

本文基于小波神经网络设计了一种三关节机器人视觉伺服系统。该系统采用eye-in-hand方式,基于图像特征构成视觉反馈,来完成机器人抓取物体的任务。论文对系统结构、坐标变换、成像原理、视觉控制器进行了详细的设计,并通过仿真试验证明了所设计控制系统的有效性。