基于数据驱动的云边智能协同综述

随着物联网(IoT)的快速发展,大量在传感器等边缘场景产生的数据需要传输至云节点处理,这带来了极大的传输成本和处理时延,而云边协同为这些问题提供了有效的解决方案.首先,在全面调查和分析云边协同发展过程的基础上,结合当前云边智能协同中的研究思路与进展,重点分析和讨论了云边架构中的数据采集与分析、计算迁移技术以及基于模型的智能优化技术;其次,分别从边缘端和云端深入分析了各种技术在云边智能协同中的作用及应用,并探讨了云边智能协同技术在现实中的应用场景;最后,指出了云边智能协同目前存在的挑战及未来的发展方向.     

一种教学机器人控制系统的设计与实现

文章介绍了一种基于32位ARM处理器LPC2212和实时操作系统μc／osⅡ的教学机器人控制系统的硬件设计及软件实现。实验结果表明了系统设计的合理性和可行性。     

基于AVR Atmega162和CS5534的高精度称重系统设计

基于AVR Atmega162和24位高精度模数转换器CS5534的可应用于多场合的称重系统从硬件与软件两方面入手,阐述了称重传感器与CS5534的接口电路及使用、电源的隔离、多机通信的处理、滑动滤波算法的实现,以及称重数据的显示及传输方法。实验结果表明,该系统精度高,稳定性好,适用于多种工作场合,有很大的市场价值。     

110kV输电线路巡线机器人

针对110kV输电线路具有防震锤、耐张线夹、悬垂线夹、跳线、转弯等诸多障碍。线路与障碍物的相对位姿和形态不是非常固定的特点,介绍了一种全新的运行于该输电线路的巡线机器人。机器人本体机构综合了多节分体机构和轮臂复合机构的优点．行车运动机理兼容了轮式移动和步进式蠕动爬行的特点。刚度大、姿态稳定性好、跨越障碍能力强、巡检速度有保证。机器人控制系统由地面遥控,数据接收移动基站和本体控制单元组成。本体控制单元采用2层分布式计算机控制结构．规划层用于机器人管理和路径规划,执行层用于机器人的姿态和运动控制。运行实验表明．机器人较好地实现了自主越障．能够完成规定的巡检任务．具有广阔的应用前景．     

高压输电线路巡检机器人能源在线补给装置的研制

为了彻底解决高压输电线路巡检机器人的能源供给问题,介绍了一种适用于高压架空输电线路自动巡检机器人的能源在线补给装置,该装置主要由自具电源和锂电池充电电路组成。其中自具电源将高压输电线周围的磁能转化为直流电能,它不仅可直接为机器人供电,而且还可以在电源控制器的控制下通过充电电路对备用锂电池在线充电,完全满足机器人长时间、长距离不间断巡检工作的要求,同时该装置还可广泛应用于其他高压输电导线上各类电气设备和野外带电作业移动设备,具有广阔的应用前景。     

CAN总线及其在喷浆机器人中的应用

ＣＡＮ总线是一种有效支持分布式控制和实时控制的串行通信网络,它具有可靠性高、纠错能力强、走红少等优点,已成为一种总线标准。介绍了ＣＡＮ总线及其具体特性,论述了它在喷浆机器人中的应用。     

多运动视觉里程计的方法与技术

多运动视觉里程计(multi-motion visual odometry,MVO)是在动态场景中估计动态物体位姿变化的算法,对于移动机器人和自动驾驶汽车等自主化设备(autonomous things,AuT)的研发具有重要的理论意义和较大的实用价值.综述机器人领域多运动视觉里程计的发展过程及最新研究进展,根据特征点...     

基于CC2431的智能空间定位系统

针对智能空间移动目标定位的要求,在现有的智能空间无线传感器网络平台基础上,利用CC2431片上系统构建了一种基于Z-Stack的智能空间定位系统。详细分析了定位系统各节点的工作过程,剖析了基于命令簇的系统运行机制,给出了定位系统的命令簇信息格式。定位实验结果表明该定位系统能够满足智能空间中位置感知服务、移动目标跟踪等的应用要求。     

基于混合式多智能体系统的协作多机器人系统研究

针对各种先进制造模式对多机器人系统开放性、灵活性的要求，利用智能体(Agent)的思想，综合了集中规划与分布规划的优点，在局域网环境下，设计了用动态集中规划方法构造的混合式MAS(Multi-Agent System)协作多机器人系统．对机器人Agent的结构及各模块的功能进行了重点介绍．该混合式MAS的特点是：可以方便地动态增加或减少Agents；允许存在异构的机器人；并能够根据各Agent的运行状态和工作能力的变化，对任务进行重新分解和分配．系统实验结果表明，该系统较传统的机器人系统具有良好的开放性、灵活性和鲁棒性。     

基于深度学习的图像自动标注方法综述

图像自动标注是目前计算机视觉和自然语言处理交叉研究领域的一个研究热点。对图像自动标注领域中的深度学习方法进行综述;针对图像自动标注领域的国内外研究现状,按照基于多模态空间、基于多区域、基于编码-解码、基于强化学习和基于生成式对抗网络等五个分类标准进行详细综述;介绍图像自动标注领域相关的数据集和评价标准,对比不同图像自动标注方法的优缺点;通过分析图像自动标注领域的当前研究现状,提出该领域亟待解决的3个关键问题,进一步指出未来的研究方向,并对本研究进行总结。