基于改进麻雀搜索算法的移动机器人路径规划

针对移动机器人在不同工作环境中,收敛速度慢、易陷入局部最优值、非必要拐点多等问题,本文提出一种改进麻雀搜索算法的路径规划策略。首先,在种群初始阶段采用K-means聚类方法对麻雀个体位置进行聚类和区分,提高种群的工作效率,消除随机性的影响;其次,在危险感知转移策略中,构造一个基于正余弦函数的自适应更新表达式,避免达到局部最优;最后,提出一种拐点系统评估机制,将路径转角处的折线变换为平滑的直线,使机器人更快地到达目标。仿真和实验结果表明,所提改进算法的可靠性和优越性。

基于K210的火点检测与喷头定向控制

无人机在执行灭火任务时,喷头喷射方向固定且无法自动寻找火点方向,通过人工操纵手柄控制无人机高度及俯仰角来尝试不断调整其喷射方向,以保证灭火剂喷射在火焰上实现有效灭火。针对依靠人工进行火点检测与定向喷射这一过程效率低和准确率不高等问题,提出一种可以在低成本、低功耗硬件中实现实时目标检测,进而控制喷头定向火点的方法。该方法将训练好的YOLOv2-Tiny目标检测模型部署到可移动平台K210上,内部的卷积神经网络硬件加速器快速检测视频中是否存在火点并输出目标的位置信息,根据位置信息使用PID(proportional,integral,derivative)控制算法调节二维旋转喷头定向火点。使用监控摄像头拍摄及网上下载等方式构造的数据集对模型进行训练,训练后模型的检测精确率达到94.60%,将模型下载至K210开发板上能达到每秒14帧的速度,检测精度达到96.5%,落点位置平均误差为3.7 cm,具有很高的实用价值。