C++与Prolog双向数据交换实现混合控制架构下机器人任务规划

在慎思/反应混合控制架构下开展定性推理与定量计算相结合的分层规划是机器人任务规划研究的一条可行途径。针对分层任务规划中存在的软件工具实现方面的问题,提出C++与人工智能语言Prolog相结合的解决方案。围绕服务机器人作业研究中的一个典型案例,开发了C++与Prolog双向加载的接口程序,开展了Prolog加载C++程序以及C++加载Prolog程序的实验研究,分别取得了单向数据传输和双向数据传输的实验结果,实现了机器人分层任务规划的完整流程。研究方法具有一般性,可在不同工程应用、不同Prolog开发环境中扩展应用,特别适用于将C++作为平台、Prolog作为知识库与推理机子系统的软件系统中。     

动态环境下移动机器人运动目标测速方法

提出了基于Kinect摄像机的 机器视觉测速方法,用于实时的测量运用目标的速度信息。首先,设计出固定在运动目标上 的由 五个已知位置关系的圆组成的标识物,利用图像处理算法根据标志物的拓扑关系检测出运动 目标标志物在Kinect坐标系下 的位置;然后,将Kinect坐标系坐标通过坐标变换转换到世界坐标系;最后,根据采样时间 内测出的距离求出速度信息。通过 以上3步骤,依次解决运动目标检测和运动目标测速问题。理论分析和试验结果表明, 本文方法在移动机器人运动或者静止 情况下能够处理运动目标作直线运动、原地转动及其合成的曲线运动等不同运动形式下的速 度测量,应用范围广泛,计算实 时性和准确性高。     

气垫式越野机器人土壤参数分步识别

土壤参数在线识别需要解决由多参数耦合引起的估值多解问题以及由状态噪声和测量噪声引起的估值准确性问题。为了解决估值多解问题,利用气垫式越野机器人的垂向力控制自由度,分别设计g-EKF算法、对数均值法和最小二乘法对3个推力相关土壤参数、3个垂向接地压力相关土壤参数和2个推土阻力相关土壤参数进行分步识别。为了解决估值准确性问题,在第一步g-EKF算法中,采用采样点选择、样本重排和测量值修正等多种措施抑制状态噪声和测量噪声的影响;在第二步对数均值法中,利用对数变换抑制非对称分布噪声对均值计算的影响。开展多角度的试验研究,包括各步估值算法的可行性和准确性、分步估值准确性的递次影响、土壤参数估值准确性对能耗优化的影响。试验结果表明,在各种噪声水平的工况下,提出的土壤参数分步识别策略及相应算法均能够有效解决多解问题和准确性问题。     

基于改进人工势场法的动态环境运动规划

移动机器人和智能无人驾驶车辆的路径规划问题是实现自主导航的关键问题。本文提出了基于改进人工势场法的局部路径规划算法,只需传感器提供局部环境信息,就可做出即时反应来指导机器人运动,算法简单,效率较高。实验结果表明该方法可以在动态环境下实时计算障碍物位置和信息,顺利到达目标点,高效、稳定,具有广泛适用性。