面向机器人智能抓取任务的视觉定位实验

开发了面向机器人抓取任务的视觉定位实验平台。该实验平台基于5自由度关节式机器人实现物料抓取,采用运动控制器及伺服电机进行控制。基于机器视觉的抓取目标定位系统采用Matlab软件开发,包含图像预处理、图像分割、目标识别、坐标计算、运动路径规划等。视觉定位系统能够识别多个被抓取对象的位置、姿态,并生成抓取运动指令,通过网络与机器人运动控制器通信实现自动抓取。该实验融合了机器视觉、机器人控制、机电一体化等多方面课程知识,具有良好的开放性和广泛应用性,有利于培养学生的工程实践能力和创新能力。     

基于机器视觉的写字机器人实验系统设计

设计了一种基于机器视觉的写字机器人实验系统。该系统机械结构包括2自由度运动单元和书写机构;硬件部分由主控、识别、运动控制以及人机交互等模块组成,主控模块使用STM32作为主控制器;软件部分通过使用Bresenham算法结合坐标变换实现书写机构按照特定轨迹进行运动。测试结果表明,写字机器人系统可以完成运动手势识别,控制书写机构运动;也可以通过识别手写笔的运动来控制书写机构进行同步书写。该系统易于实现,且具有运动手势识别准确率高、同步书写精度较高等优点。     

基于位置的机器人视觉伺服控制

大多数视觉伺服研究中,不考虑机器人的动力学特性,把机器人当作一个理想定位设备.结合机器人的运动学特性和动力学特性,采用基于位置的视觉伺服控制器和常规PD控制器相结合的方法,实现了机器人对目标运动的跟踪.并对一个二连杆视觉伺服系统进行了仿真,仿真结果说明了算法的有效性.     

基于多传感器多目标实时跟踪视觉系统在全自主机器人上的应用

视觉系统是全自主机器人的重要组成部分,而如何精确高效地处理视觉信息是视觉系统的关键问题.介绍了一种基于彩色图像的目标识别与定位及避障方法,对全自主机器人感知环节进行了研究.通过分析摄像头采集的图像,并借助碰撞传感器、红外传感器等方法确定目标.所提出的算法已在国内及国际比赛中应用,收到很好的效果.     

基于粒子群算法的工业机器人焊接系统

针对复杂的自由曲线型焊缝的焊接作业,对传统的工业机器人焊接系统进行改进。将机器视觉与工业机器人相结合,搭建"eye-to-hand"视觉系统。首先采用工业相机采集焊缝图像并发送至工控机,通过焊缝识别算法进行识别以获取焊缝信息;然后结合焊接工艺参数及焊缝信息建立焊接模型,并引入粒子群算法对机器人进行轨迹规划;最后将轨迹规划结果通过以太网发送至机器人,以此引导工业机器人完成焊接作业。实验结果表明,改进的工业机器人焊接系统可自主完成复杂曲线型焊缝的识别及轨迹规划,且焊接效果满足要求,有效地提高了工业机器人在焊接场景下的智能化及自主作业能力。     

茄子采摘机器人目标识别与测距方法

采用基于亮度的阈值分割算法对G-B灰度图像进行分割,采用4连通像素标记法对果实目标进行标记,提取质心、面积、外接矩形、切断点等特征。采用平面标定方法,建立摄像机矫正数学模型,利用Matlab多次标定计算完成双目视觉系统进行自标定。根据图像分割结果,选取质心为匹配基元,采用极线约束、视差梯度约束的算法来实现果实目标的匹配。根据相似三角形原理,计算茄子果实深度信息。结果表明,测量距离300~600 mm范围内,茄子深度信息的误差基本上在±15mm以内,平均用时0.26 s。基于双目视觉的茄子采摘机器人识别与定位方法原理简单,智能性好,适应面广,能够满足采摘机器人目标识别和定位的要求。     

全局视觉足球机器人的动态目标识别方法改进

在全局视觉小型足球机器人比赛中,为保证控制的实时性和准确性,要求机器人的视觉系统能够快速处理图像信息,并对目标进行准确的识别和跟踪,但由于受外界环境的干扰和视觉系统自身的原因,全局视觉足球机器人经常出现目标丢失或识别错误等现象。文章通过分析影响目标识别效果的各种因素,提出了相应的改进方法,并以ROBOCUP小型组足球机器人系统为平台设计了目标识别方案。     

工业机器人实验教学平台

针对工业机器人系统复杂、学习难度大等问题,设计了基于机器视觉的五子棋人机对弈实验教学平台。通过机器视觉实验,学生可以学习相机标定、棋子快速识别与定位的图像算法。通过对弈搜索算法实验,学生可以学习树状智能搜索算法的原理。最后进行机器人程序控制实验,了解机器人轨迹规划的基本原理,通过修改机器人程序可得到不同的机器人运动轨迹。利用开发的人机交互界面,可进行对弈实验测试。该实验达到了预期实验目的。     

基于机器视觉的机器人抓取实验系统

针对工业机器人成本高、开源性差和维护困难等问题,设计了一种基于机器视觉的机器人抓取实验系统.该系统利用机器视觉、深度学习和路径规划等技术对目标工件进行识别、定位,并完成抓取任务.机器人系统在结构设计上采用串联结构,利用无刷直流电机作为机器人关节的驱动机构.为了解决工件识别与定位问题,利用Pytorch框架下的深度学习模...     

管道巡检机器人视觉系统实验教学平台设计

为加强机器人专业实验教学,提高人才培养质量,设计了一套基于管道巡检机器人的视觉系统实验教学平台。该实验平台由目标物的检测识别和目标物的定位测距两部分组成,涉及视觉系统的相机标定技术、深度学习技术、YOLO检测算法、单目定位测距技术等。实验结果表明,该视觉系统具有较强的淤积物检测识别能力和较高的淤积物检测精度。学生通过该平台不仅学习了管道机器人视觉系统的设计思路和方法,而且创新实践能力大大提高。     

泊车机器人障碍物视觉识别系统研究

针对智能停车库中的泊车机器人视觉系统研究需求,提出一种基于双目视觉的泊车机器人障碍物识别系统。通过双目摄像头进行图像采集,利用张正友棋盘标定法进行双目相机标定;采用Bouguet进行立体校正,将高斯滤波与拉普拉斯算子相结合进行图像预处理;采用YOLO卷积神经网络对目标障碍物进行快速识别;利用区域匹配算法进行立体匹配并生成目标障碍物视差图;通过成像点和目标障碍物的立体几何关系计算得到目标障碍物的深度信息。实验结果表明,该系统具有良好的实时性和较高精度,障碍物识别时间平均为0.0901s,在2 600mm具有最佳测距精度,可为泊车机器人自动泊车提供保障。     

油气管道检测机器人避障运动控制算法研究

针对油气管道专用检测机器人运动控制系统进行研究。在深入分析管道内机器人运动特性的基础上,利用基于模糊控制与神经网络控制的环境自学习网络方法对环境信息进行学习判断。利用模糊神经网络方法对管道机器人的运行轨迹进行自学习跟随,同时解决了管道机器人障碍物识别与规避的问题。仿真结果表明,该方法能够实现管道机器人的环境识别、路径跟随与障碍物识别等功能,符合管道检测的实用要求,具有较高的实际应用价值。     

基于Arduino单片机和OpenMV的颜色目标定位与跟踪小车的设计与实现

以垃圾车智能识别垃圾桶颜色和导航任务为应用背景,设计了一种能依据视觉自主识别目标颜色并进行追踪导航的四轮小车.首先通过OpenMV视觉集成模块中的阈值编辑器离线标定目标颜色的阈值.在此基础上,小车通过OpenMV的CamShift算法,基于标定的颜色阈值在每帧图像中搜寻和识别目标色块,并通过串口向小车的主控单片机Arduino UNO发送目标色块的中心横坐标位置信息,使得小车能够根据色块中心点的位置偏差控制电机转向、前进和停止,从而实现小车对颜色目标的自动识别、跟踪导航以及避障等功能.实验结果表明,小车能够准确识别出红、绿、蓝、灰4种色块并运动到目标附近自动停车,满足了垃圾小车自动识别垃圾桶颜色的任务需要.     

一种基于颜色识别的智能分拣机器人的设计

本文根据中国工程机器人大赛"机器人搬运工程"赛项的竞赛要求,设计了一种基于颜色识别的智能分拣的机器人,详细设计了物料的识别与分拣、物料的运输与存放机构,提出了改进的物料识别算法,完善了其控制系统方案,通过实验和竞赛验证了方案的稳定性和可靠性.     

基于EdgeBoard的AI视觉多功能智能车的设计与实现

以百度飞桨PaddlePaddle作为运算平台，采用卷积神经网络算法构建数据模型，对智能车赛道数据进行了采集和处理，并基于百度深度学习开源平台AI Studio进行模型训练，完成对车道数据的检测．本系统实现了将赛道检测的人工智能技术与传统运用传感器进行侧面标识物的检测相结合，最终完成基于百度EdgeBoard计算板和Wobot控制器的视觉多功能智能车的设计与实现．     

基于视觉与IMU的跟踪机器人研究

针对普通轮式机器人在运动和控制等方面的限制,设计并实现了轮式滑动转向移动机器人,该机器人具有结构简化、运动灵活、可靠性高、可控性好等特点.基于EKF实现单目视觉和IMU数据融合,运用SURF实现被跟踪对象特征的检测与匹配,结合垂直线等环境特征获取Range/Depth信息以及被跟踪对象及道路转弯信息.实验表明:该系统及相关算法有较强的实时性和鲁棒性.     

移动机器人目标物体识别研究

基于视觉信息的运动目标识别是室内移动机器人自主导航的重要研究内容。背景噪声干扰、自然光照、机器人视角变化等因素经常影响识别稳定性。针对该问题,提出一种有效的目标物体识别方法,采用体素网格滤波和支持kd-tree结构对点云数据有效组织,以识别复杂环境中的物体。实验表明,该方法在满足实时性前提下,相比传统迭代最近点、采样一致性初始配准算法具有更高的准确率,更适合复杂环境下的物体识别。     

基于视觉的道路图像识别技术研究

道路图像识别技术在智能车辆、辅助驾驶、移动机器人等领域中得到了广泛应用,基于视觉的道路图像识别技术已成为众多学者研究的课题。介绍了几种不同的道路识别技术,并着重对基于特征的方法进了阐述,提出了基于区域特征的分水岭算法及改进方法,然后就道路图像的边缘检测进行了分析,最后给出了该领域的研究方向和发展趋势。     

基于机器视觉的车道标志线检测研究

针对车辆辅助驾驶或自主驾驶中的车道保持问题, 研究了基于视觉的车道标志线实时检测方法. 介绍了系统组成、工作原理和车道模型, 并着重讨论了车道图像的检测算法. 其主要思想是在图像上选取几个合适的处理区域, 通过对每个处理区域进行适当的预处理、边缘检测和霍夫变换等过程来提取车道描述特征. 试验结果表明, 该方法具有实时性好、识别可靠性高等特点, 在一定程度上能为后续的辅助驾驶或自主驾驶提供决策依据.     

减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测(英文)

为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率.