基于树莓派的预防性轻型除冰机器人行走控制系统设计

针对现有除冰机器人结构复杂、重量大、采用事后式除冰方式以及未能根据线路状况对行走除冰控制策略进行协调的缺陷,设计了一种基于树莓派的预防性轻型除冰机器人行走控制系统.该系统首先通过温湿度模块检测作业环境、自主决策行走除冰动作;然后通过倾角模块检测线路仰俯角、图像采集模块捕捉覆冰状况,之后树莓派综合考虑线路阻力和覆冰除冰的...     

基于树莓派4B的无人机动态追踪平台设计

针对无人机领域中的监管问题,基于YOLOv5-Lite的改进模型,提出了一种随着训练过程为模型动态地分配损失权重的指数移动样本加权函数。通过模型运算,控制二自由度云台对无人机实时跟踪,且视频采集、模型计算和二轴云台控制均在树莓派4B本地进行。优化过的模型在保持原模型参数量的同时,在mAP@.5:.95指标中达到了70.2%,相较于原模型提高了1.5%。在树莓派上的实时推理平均速度为2.1 FPS,处理效率更高。树莓派在模型推理的同时,通过I2C协议控制舵机平台对无人机目标进行追踪,保持对无人机的实时动态监测,提高了系统的可靠性,具有更好的实用价值。     

基于树莓派的EtherCAT主站设计与性能分析

本文设计了一种基于树莓派的轻量化EtherCAT主站及其测试系统。在测试系统上,通过多通道侦听器,测量了多个并行运行主站的性能参数;借助于软硬件时间戳,测量了轮询/中断、单/多核等多种模式下的时延抖动;还测量了数据帧在协议各层的时延与抖动。基于树莓派的EtherCAT主站采用VxWorks操作系统,在实现过程中重点对系统内核配置、网卡驱动、报文处理、应用层软件等方面进行了优化。经测试,该主站性能稳定,在125μs循环周期下的抖动约6μs,可满足工业现场数据采集、楼宇自动化、AGV控制等需求。     

基于改进的LIP算法低照度图像增强算法

针对空间站低照度环境下,采集到的彩色图像清晰度低的问题,提出了一种LIP模型与MSRCR算法结合的方式进行图像处理的方法。首先,利用LIP模型对图像进行分区,对每个像素的亮度分量进行增强,改善图像对比度,突出图像的细节信息;然后,合理的调整参数,通过MSRCR算法,调节图像中3个颜色通道之间的比例关系,对亮度分量进行二次增强,突出图像的信息;最后,通过搭建实验平台,模拟空间站复杂光照情况,进行实验对比分析。结果表明,通过LIP模型与MSRCR算法结合的形式,保证低照度下的图像信息更好的提取,增强图像整体的对比度、亮度以及熵值,为空间站低照度下的图片处理提供了良好的参考价值。     

基于Petri网的消防机器人任务分配及路径规划方法

针对多类型消防机器人协同工作的任务分配及路径规划问题,建立了能够描述消防机器人运行状态的Petri网模型.以消防机器人总工作时间最小化为优化目标,结合Petri网结构特性提出了一种整数线性规划方法.首先,根据消防机器人的任务需求,将消防机器人的工作环境划分为不同类型的工作区域.其次,基于Petri网的结构特性构建整数线...     

融合 CNN 和 Transformer 的机器人室内场景识别

为了提高机器人在复杂的室内环境中场景识别的准确率,本文提出一种融合卷积神经网络(convolutional neural network, CNN)和视觉Transformer结构的机器人室内场景识别模型。本文模型利用CNN提取场景局部特征,然后使用视觉Transformer结构捕捉特征中远距离依赖关系,其中提出的视觉Transformer结构包括3个部分,分别是特征编码结构(Attention Embedding)、Encoder结构和一个将高层语义特征转化成像素级特征的结构(Attention Project)。本文研究的机器人场景识别模型利用CNN提高视觉Transformer局部细节特征的描述能力,同时通过视觉Transformer帮助CNN构建远距离特征的依赖关系,从而能够有效的表征和利用机器人工作场景图像的视觉特征。最后,通过机器人在实际工作环境中采集的数据集和开源的COLD数据集进行实验,验证了本文研究模型的有效性,场景识别精度更高。     

基于A-DResUnet的语音增强方法

为了更精确地从语谱图中提取特征信息,提出了一种基于A-DResUnet的语音增强方法。A-DResUnet模型在ResUnet模型的基础上融合了空洞卷积,提升捕获语音上下文信息的能力;同时在编码器中加入卷积注意力模块(CBAM),提高对噪声谱图特征的关注。实验结果表明,与模型输出目标为干净语音语谱图相比,用噪声谱图作为模型输出目标时,该模型对未知噪声具有更强的分离能力;相较ResUnet模型,提出的A-DResUnet模型减少了语音细节信息的损失;对比基于DNN、GAN的语音增强方法,PESQ平均提升了22.81%、33.11%,STOI平均提升了9.62%、15.33%,为复杂环境下的语音增强提供了一种更有效的方法。     

大面阵CCD相机图像信号模拟器的设计

面阵CCD相机需要增加光学镜头并在时序控制电路驱动下才能输出图像,给图像采集、存储等图像处理实验带来不便。在分析面阵CCD(M22)的特性和时序的基础上,设计了一种基于现场可编程门阵列FPGA的大面阵CCD模拟器,把一幅标准图像预先存储放在FLASH中,上电初始化后,再把该图像从FLASH拷贝到SDRAM中,根据相应的指令,在时钟的下降沿把SDRAM中图像信息按照Camera link协议输出,并对像素时钟进行计数,产生行同步信号。实验结果表明,面阵CCD模拟器符合M22相机的输出时序要求。模拟器的设计与实现为图像采集和存储等实验提供了支持和保证,缩短了工程上的调试时间。     

基于树莓派的客服人员工作状态监测系统研究

文章设计了一款基于树莓派的客服人员工作状态监测系统.该系统结构简单、成本低廉、功能易于移植和扩展,有利于提高客户服务信息化水平,为对客服人员工作状态进行分析提供了技术支撑。     

电力机器人的自主导航与视觉辅助定位融合方法

为了改进电力作业现场复杂环境下机器人定位精度,提出了一种自主导航与视觉辅助定位融合方法。在激光传感器即时定位与地图构建的基础上,基于视觉图像处理,对机器人位置进行校准,使其能够准确停靠在任务位置。应用结果表明,所提方法能够有效提高机器人定位精度,定位误差小于1 cm。     

基于图像增强处理的CDVS匹配算法

紧凑型视觉描述子（CDVS）的目标是针对移动端的图像检索以及匹配应用提供一套标准化的比特流语法。CDVS标准算法对于光照条件良好的图像具有很好的匹配效果,但是对于昏暗条件下拍摄的图像,匹配的准确度表现不足。因此提出一种基于直方图均衡化的CDVS匹配算法,对昏暗条件下的图像通过直方图均衡算法进行质量提升,增加关键点匹配数,然后再利用CDVS标准算法对图像进行匹配。另一方面,提出一种基于同态滤波的CDVS匹配算法,对昏暗图像进行频域变换,突出高频信号,抑制低频信号,增加图像对比度。实验对比了昏暗条件下图像匹配结果与处理之后图像匹配结果,验证了本算法的有效性。     

基于树莓派与计算机视觉的家庭火灾报警系统的设计与研究

当前火焰识别技术发展较快,多从动态与静态特征对火焰进行识别与分割,但识别误差仍然很大,同时火焰识别算法对硬件的高依赖性导致其难以适用于居民住宅。为解决这些问题,本文以树莓派3B开发板作为硬件基础设施,结合数字图像处理技术,设计出一种基于树莓派与计算机视觉的家庭火灾报警系统。首先使用传统火焰识别算法对火焰区域进行分割,并结合SVM算法对火焰进行识别与分类,准确率达到了97%,最后做出决策,判断是否向居民发出预警信息。系统可扩展性强,且成本较低,可普遍适用于居民住宅。     

基于树莓派嵌入式平台的车道线检测算法

本文设计了一种基于树莓派嵌入式平台的多道路场景车道线检测算法。在图像预处理阶段,设计了一种车道线的自适应二值化提取算法,通过将待测像素点与其所在菱形空间的顶点进行比较,完整地提取了二值化后的车道线信息;同时与最大类间方差法（OTSU）结合,以图像融合的方式有效滤除了干扰信息。在车道线拟合阶段,对概率霍夫变换进行了斜率约束与限定距离的改进,进行二次滤除干扰信息后准确计算出车道线边缘点。最后使用最小二乘法拟合出车道线。测试结果表明,算法抗干扰能力较强,对多种道路场景的检测准确率可达90.24%,并且在树莓派平台上运行速度为25fps,满足实时的要求。     

基于Raspberry Pi的Web温度监测系统应用

采用Raspberry Pi设计了一套Web温度监测系统,系统以嵌入式技术、物联网技术、万维网技术为设计平台,可以对一个待测点或者多个待测点进行远程监测,并且使用数据库建立数据存储与访问功能,结合Chart.js和jQuery这两个JavaScript函数库来显示数据,利用Raspberry Pi代替建站所必须的虚拟主机或云主机,通过互联网将Raspberry Pi所采集的温度信息上传至互联网,打开固定网址后通过手机、平板、电脑等互联网设备远程获取温度信息,温度信息会通过柱状图和表格以网页的形式直观的显示在互联网设备上,用户即可方便的通过互联网平台在需要测量温度信息的工作环境中采集并分析数据,从而做出最终决策。     

计量检定实验室仪表读数自动识别系统设计

针对计量检定实验室对仪表进行检定时人工检定方式效率低下,读数识别系统开发成本高的问题,设计了一套基于树莓派的计量检定实验室仪表读数自动识别系统.系统采用树莓派4B控制摄像头采集仪表读数的图片,然后采用SSDA算法定位图像读数区域,并进行字符分割,再使用BP神经网络和特征匹配算法识别分割出的字符,最后通过SSH方式将识别...     

基于优化Gabor滤波器的输电导线断股图像检测

输电导线在运行中可能发生损伤、断股现象,对其进行及时检测和诊断对于保证电网的安全运行具有重要意义。现代输电线路状态检修一般采用直升机或者巡线机器人搭载视频检测装置的方式。文中提出应用Gabor滤波器对输电导线视频图像数据进行处理,实现输电导线断股的图像检测,即通过计算完好导线图像与滤波器卷积能量的输出响应、应用小生境遗传算法寻找最优的Gabor滤波器参数和分割阈值,最后通过检测图像的滤波和能量的二值化处理得到检测结果。实验结果表明,该算法能够较好地提取输电导线断股处的故障信息,具有适用性广、识别能力强、检测速度快等优点。     

低照度下人脸检测MSRCR光频分段滤波增强算法

在不受约束的环境下,人脸检测由于光照、遮挡和表情的不同具有一定的挑战性,低照度环境下多任务级联卷积神经网络(MTCNN)人脸检测器准确率下降。为提高低照度环境下人脸检测的准确率,提出了一种基于MSRCR光频分段滤波增强算法(3CGF-MSRCR)。利用MTCNN进行人脸检测,采用一种RGB三通道分解引导滤波(GF)方法对多尺度视网膜增强算法(MSRCR)进行改进。首先对人脸图像进行MSRCR增强并分解RGB三通道,得到三通道的图像权重,利用GF方法对各个通道分别进行滤波,更新三通道权重,最后重构人脸图像。在实际低照度场景人脸数据集Dark Face与公开的标准人脸数据集CelebA上进行了训练与测试,并在实际路灯场景下进行了测试,对比了算法的运行时间。测试结果显示：本文所提出的方法能有效抑制MSRCR的高频噪点,并保留亮度增强效果,提高了准确率,且算法运算速度较快。     

基于人工智能图像识别的输电线路巡检研究

为了准确、及时地发现输电线路中的缺陷,研究基于人工智能图像识别技术的输电线路立体化巡检模式。具体地,以人工智能图像识别技术为支持,借助K-means算法对立体巡检图像进行聚类处理,同时,采用人工神经网络对图像中输电线路缺陷进行智能识别。经测试,在相同工作量下,未采用本文所提技术的输电线路缺陷识别需要5个分析员持续工作15 d,平均每分钟进行2～3张图片的识别,图像识别速度为20～30 s/张;采用人工智能识别技术,识别速度高达0.25 s/张,仅需3.6 h便可以将识别任务完成。在弱光环境下,经过增强处理的图像边缘更加清晰,目标图像与背景实现明显分界,且现阶段可利用输电线路中相同部件不同角度的7张图片实现高于90%的识别准确率。另外,通过对相同条件下其他几种方法影响模型实际收敛情况的比较发现,所有方法的重构误差均呈现出逐渐降低之势,最终都趋于稳定。结果表明本文技术在立体化线路图像缺陷检测中有一定普适性,有利于工作效率的显著提升。     

基于深度信息的巡逻机器人避障系统实现

针对巡逻机器人的避障导航,基于Realsense深度摄像头获取环境深度信息,在使用机载计算机对深度图像进行分层处理的基础上,设计了巡逻机器人避障导航系统,同时对巡逻机器人通信协议以及决策流程等进行了改进设计,最后在ROS机器人开源操作系统上对其进行实验及验证。实验结果表明,在相同环境下,该方法能使巡逻机器人快速、安全、有效地避开静态障碍物而到达目标点。该方法不仅能够提高避障的成功率,获得实时避障效果,而且能够降低巡逻机器人的数据处理量,有利于巡逻机器人的移植。