基于毛笔建模的机器人书法系统

针对机器人书法系统存在仅考虑毛笔笔直状态下机器人书写的问题,提出了一种新的机器人书法系统,可使机器人能够在倾斜状态下书写汉字。该系统首先分析毛笔足迹,建立一种适合用于机器人毛笔书写的基于线性回归算法的笔触模型;然后使用遗传算法从笔画图像获得轨迹信息,加入了起笔、行笔、收笔规则,生成虚拟笔画图像;最后采用B样条算法实现机器人路径规划,坐标变换完成姿态计算,从而进行实际书写。机器人书法系统提取了3种笔画特征作为评价指标,实验结果表明:机器人毛笔书法系统可以得到较好的书写效果。     

基于笔纸墨物理属性的毛笔书法仿真

为了更真实地模拟毛笔书法独特的艺术效果,提出一种基于笔纸墨物理属性的毛笔书法仿真方法.通过分析笔纸墨在书写过程中的相互作用,提取笔纸墨中与书法效果表达相关的物理属性,建立简化的数学模型,提出墨水十字扩散算法;利用F-Tablet采集的手写信息生成仿真过程中的参数,省去了烦琐的参数设置过程.实验结果表明,该方法在计算机中再现了人们毛笔书法的创作过程,可以达到逼真的毛笔书法仿真效果.     

书法机器人研究综述

书法机器人将书法创作与机器人技术相融合,通过控制机械臂模拟人的书写行为和书法创作,再现艺术魅力.机器人书法作为机器人运动规划的典型应用,对传统书法文化的传承和教育具有深远意义.按照书法机器人的研究脉络,回顾分析书法机器人的发展历程.首先介绍笔画分离与提取关键技术,总结虚拟笔刷建模的两种经典笔触模型;然后详细阐述书写轨迹涉及到的核心技术,应用不同的书写轨迹规划控制书写路径,在此基础上分析目前书写评价指标,讨论书法机器人的评价模型;最后回顾总结已有的研究进展及流程,对比传统书法机器人和智能书法机器人各自的优缺点,提出将传统的书写轨迹路径、笔触模型融入到智能书法机器人训练模块中,以弥补其在笔画书写顺序方面的不足.同时,展望书法机器人未来的研究方向和发展趋势,指出未来书法机器人可围绕深度神经网络、深度神经进化、深度强化学习等开展研究.     

工业码垛机器人示教技术的研究与改进

对工业码垛机器人示教再现技术进行了研究与改进,提出了一种新的示教再现方法;按照文中所述方法,任一货物在码放过程中,其码垛轨迹经过的四个空间点只有一点需要经过示教获得,其余三点均可通过文中提出的算法程序根据货物参数获得;所建证的示教再现方法原理简单明了、过程灵活精确、结果简洁高效,能够大大提高工业码垛机器人示教再现的效率;具体实验也表明,所述方法实际可行,能够根据实际需要得到满意的码放物垛.     

利用触摸屏对机器人示教

要让机器人替我们工作,就必须先对机器人发出指示,让它知道应该完成的动作和工作的具体内容,这个过程就叫做示教(Teaching)。经过几十年的研究发展,示教方法已经从原来的直接示教(direct teach)逐步过度到离线示教(off—line teach)。示教方法越先进,示教时间就越短,精度就越高,机器人的工作效率也就会大大提高。 经常逛大型商场的人肯定对触摸屏不会陌生,当我们的手指触摸屏幕的不同部分时,屏幕就会通过显示不同的文字和画面来响应,既快捷又方便。那么能否把触     

通过ADS7846在PDA上实现个性化书法输入

目前,在嵌入式系统中通过触摸屏写出的文字,笔划粗细都是相同的,字迹显得僵硬,不如毛笔字或钢笔字潇洒大方且风格多样。提出了一种适用于PDA及其它嵌入式设备的低成本、高速度、简单可行的解决方法,使得在触摸屏上书写时,LCD屏上能显现出如同毛笔字或钢笔字的传统书法特色的文字,笔划粗细疏密有致,字迹亲切自然,同时也能显现出书写人笔迹的个性风格。     

三维虚拟环境中的书法创作

为了充分利用数字化技术促进书法艺术的教学和发展,提出并实现了虚拟化书法创作系统.首先构建基于三角网格的毛笔虚拟模型;然后通过常用曲线拟合笔画书写路径,并在笔画路径上指定关键帧,以表现书写时毛笔在相应位置上的节奏快慢和提、按、顿、挫等状态;最后实时绘制书法作品并渲染书写过程.用户可以随意用文中系统进行书法创作,在三维环境中逼真地展示书法创作的全过程.实验结果表明,所构建的毛笔虚拟模型计算量小、实时性强,创作效果与真实毛笔的书写效果非常接近.     

示教再现型烹饪机器人菜肴评定方法的研究

运用因子分析方法,研究了示教再现型烹饪机器人中对菜肴的评定。介绍了烹饪机器人示教系统和菜肴评定方法的关系,以及因子分析的数学模型;最后给出了烹饪机器人菜肴评分因子分析算法和主成分解释,解决了烹饪机器人示教系统中对菜肴评分的机器分析问题。大量实验表明该分析方法能够高效地抽取主成分因子,能较好地满足烹饪机器人示教系统评分数据分析的要求。     

基于示教与视觉纠偏的机器人自动焊接方法研究

给出了一种示教与纠偏相结合的焊缝跟踪方法,用于实现机器人的自动焊接．针对传统的示教再现机器人,由激光视觉传感器测量实际路径与示教路径之间的偏差．机器人控制器根据示教路径和偏差,对焊枪的运动方向和位置进行调整,实现焊缝跟踪．利用六自由度机器人和激光结构光视觉传感器设计了实验系统,对所提方法进行了实验．实验结果验证了该方法的有效性．     

基于STFT的仿人机器人手臂轨迹生成方法

为了提高机器人轨迹生成算法的泛化性,提出了一种基于时间-空间特征模板(STFT,spatiotemporal feature template)的机器人手臂轨迹生成方法.首先,针对机器人示教轨迹往往存在的时间长短和幅度差异较大的问题,采用广义的典型时间规整(generalized canonical time warping,GCTW)方法来统一时间和幅度的变化,从而获取机器人示教轨迹的共同特征模板.其次,基于STFT,引入机器人轨迹生成的平滑性约束、任务约束等因素,设定轨迹生成的目标函数并优化.最终在NAO仿人机器人平台上验证了所提出的轨迹生成算法,基于STFT生成机器人弧形轨迹并完成数字书写.实验结果表明,本文提出的基于STFT的轨迹生成策略可以生成满足期望条件的机器人轨迹,并具有一定的泛化性.     

基于STM32的机器人仿真示教器设计

为了克服传统机器人示教系统扩展性差且较为封闭等缺点,设计了一种基于STM32的机器人仿真示教器。该示教器以STM32作为主控芯片,引入μC/OSII实时操作系统,并采用以太网通信的方式,提高了系统的开放性。通过对利用计算机模拟得到的三维机器人进行仿真操控,验证该示教器的手动控制和示教再现等基本功能。实验结果表明,该仿真示教器可以灵活方便地练习机器人的示教操作,达到模拟操作实体机器人的效果,具有一定的实用价值。     

书法临摹过程的交互式动画建模方法

为了从书法汉字图像重建其动态笔画书写过程,提出一种书法临摹过程的交互式动画建模方法.首先收集几种典型的真实笔触样本,通过统计建模的方法构建一个新的毛笔笔触模型;然后借助数位板,通过书法图像交互获得汉字的笔锋运动轨迹;再结合书法经验知识计算每个笔锋轨迹点的笔触形状,得到笔触变化的时间序列,生成汉字书写动画.实验结果表明,该方法适合不同字体风格汉字的书写动画生成,能广泛地应用于涉及汉字书写动画制作的影视传媒等数字媒体应用领域.     

HITDM-Ⅰ型研磨机器人的研制

本文研制的研磨机器人 HITDM-I 采用示教-再现工作方式,由计算机管理和控制.机器人的示教轨迹由码盘检测,存储于计算机中.机器人的驱动采用两台5相混合式步进电机,本文介绍了步进电机位置控制原理及线路.还介绍了研磨机器人再现速度控制的原理及实现.     

什么是机器人智能

目前的机器人已是第三代了.第一代机器人是示教再现机器人,它重复最初示教的工作.第二代机器人是带传感器的机器人,它装有各种类型的传感器,如触觉传感器,压力传感器,加速度传感器等,以搜集机器人与周围环境关系方面的信息.这     

盲用多点触摸输入法的设计与实现

随着智能手机等电子产品的普及,多点触摸屏应用越来越广泛。但是因触摸屏表面较光滑,使得盲人不能通过触觉获得屏幕的信息,造成其输入文字困难。提出采用多点触摸联机手写识别盲文技术的汉字输入法。该方法不仅解决了盲人能利用多点触摸屏输入文字信息,也能应用于明眼人的触摸屏联机手写盲文识别进行汉字输入,其书写汉字速度远高于现有的触摸屏的手写输入法。     

一个简单的机器人视觉引导装配实验系统

本文对视觉控制下的一个简单实验室装配系统作了介绍,讨论了系统组成、机器人控制、二维图象特征的提取、对物体自动识别、定位定向、系统标定、实现垒积木装配工作.本实验系统用的是我所研制的国内第一台示教再现机器人.     

面向喷釉工艺过程的机器人成套系统设计

本文研究工业机器人喷釉工艺过程,从喷釉生产线机械结构系统设计、喷釉生产线电气控制系统设计,到机器人喷釉系统人机交互界面设计,进行成套系统设计.本文使用的埃夫特智能装备股份有限公司自主研发的无动力示教关节臂,可以方便工人记录喷釉轨迹、釉料参数,该数据可在其他工业机器人喷釉单元上再现.本研究电气控制系统和人机交互的工作方式,减轻了喷釉工人的工作量,机器人操作人员只需通过触摸屏,就可以实现全自动机器人喷釉单元的自动化作业,解决了人工施釉方法存在生产效率不够稳定、喷釉质量波动大、不利于集中除尘作业、对工人身体健康造成影响等问题,降低了釉料的浪费率,实现了喷釉工艺的自动化模式生产.     

示教机器人模型

这个模型具备示教再现机器人。的基本构成:传感器、示教键盘、控制器、驱动电路和电机伺服系统。虽然只有两个自由度,但经过不同机械结构的组合,以及通过示教,可做出很多有趣的动作,它还可以成为机械昆虫的一条腿。     

基于图像语义分割的真实毛笔笔触实时生成技术

书法在文化传承中占据重要地位,书法书写笔迹的生成也一直是计算机图形学的研究重点和难点.现存基于模型和经验的方法,由于建模难度大,大都将笔触表述为简单的几何图形并且缺少变化,难以真实还原毛笔书写的笔触和笔迹.使得现存书法笔迹生成软件仅仅用于娱乐,而难以上升到数字化书法教育层面.文中从计算机视觉的角度出发,通过4个相机获取毛笔的实时书写图像;针对Deeplabv3+语义分割算法无法有效地分割小尺寸类别的缺点进行优化,使用优化的Deeplabv3+算法提取图像中毛笔笔头等关键信息,并通过Hough变换和PnP位姿估计算法计算笔杆相对位姿;基于位姿信息矫正和融合各相机笔触图像,提出一种未知区域估计方法估计相机无法拍摄到的笔触区域.按照不同条件提取400多幅书写图像作为数据集并进行实验结果表明,优化后的Deeplabv3+算法平均交并比(mean intersection-over-union,mIOU)达到0.849,与优化前相比提升了0.117;在小尺寸类别上交并比(intersection-over-union,IOU)达到0.59,提升了0.473.在保证实时性的前提下,最终生成的笔触与传统基于模型和经验的方法相比,可以更加真实地还原书写时的笔触,并避免对毛笔进行复杂的建模,为笔迹生成研究提供一种新的思路.     

一种基于DTW-GMM的机器人多机械臂多任务协同策略

为了控制机器人完成复杂的多臂协作任务, 提出了一种基于动态时间规整−高斯混合模型(Dynamic time warping-Gaussian mixture model, DTW-GMM)的机器人多机械臂多任务协同策略. 首先, 针对机器人示教时轨迹时间长短往往存在较大差异的问题, 采用动态时间规整方法来统一时间的变化; 其次, 基于动态时间规整的多机械臂示教轨迹, 采用高斯混合模型对轨迹的特征进行提取, 并以某一机械臂的位置空间矢量作为查询向量, 基于高斯混合回归泛化输出其余机械臂的执行轨迹; 最后, 在Pepper仿人机器人平台上验证了所提出的多机械臂协同策略, 基于DTW-GMM算法控制机器人完成了双臂协作搬运任务和汉字轨迹的书写任务. 提出的基于DTW-GMM算法的多任务协同策略简单有效, 可以利用反馈信息实时协调各机械臂的任务, 在线生成平滑的协同轨迹, 控制机器人完成复杂的协作操作.