家用智能看护机器人高精度里程计估计算法

为了解决家用智能看护机器人车轮轮胎和地面作用力与电机输出力矩不平衡,易导致看护机器人产生滑动、里程计估计精度低的问题,引入牵引系数描述机器人滑动情况,推导含牵引系数的看护机器人运动学模型,以增量式光电编码器和惯性测量单元2种传感器为输入,将含牵引系数的运动学模型应用于基于扩展卡尔曼滤波算法的看护机器人里程计估计算法,搭建看护机器人实验系统完成算法验证。结果表明:在家用瓷砖地面,看护机器人分别以0.1,0.2,0.4 m/s的速度移动时,与传统里程计估计算法相比,所提出的机器人里程计估计算法的误差降低了40%左右。将含牵引系数的运动学模型应用于机器人里程计估计算法,可有效降低看护机器人的里程计估计误差,为提高看护机器人在室内地面的自主导航精度提供了一定的参考。

家庭智能看护机器人的运用研究——基于空巢老人环境视角

近年来,随着我国老龄化趋势的不断加剧,空巢老人问题引起了社会的广泛关注。由于现代生活节奏的不断加快,年轻人迫于生活的压力无法时常陪伴在老人身边,这些老人由于缺乏照顾,经常会出现出门迷路、生病、摔倒的现象,这对于老年人的身心健康会产生非常不利的影响。为了使得这种现象得到有效的缓解,很多企业都开始研发家庭智能看护机器人,让他们代替子女常伴老人身边,时刻关注老年人的身心健康,以此来提升老年人的生活质量。基于此,本文主要基于空巢老人环境对家庭智能看护机器人运用进行了分析和探讨。

家庭智能看护机器人现状与发展趋势

现代科学技术的进步促使智能机器人等高科技产品的出现,智能机器人广泛运用在社会的各行各业中,随着机器人制造技的进步,智能机器人也逐渐开始应用到家庭中,称之为家庭智能看护机器人。笔者现主要对家庭智能看护机器人的发展现状进行分析,找出其在发展过程中存在的一些问题,并就这些问题提出更好的发展方向。

结合深度学习的智能看护机器人目标检测研究

针对智能看护机器人在实际生活中对目标的检测速度慢和精度低的问题,提出了一种采用轻量型卷积神经网络模型对目标进行检测的算法。首先利用MobileNets基础网络对采集到的图像信息进行特征提取,然后利用多尺度特征图检测不同尺度的目标,同时引入抑制类别样本不均衡的焦点损失函数使模型更加侧重于对困难样本的训练。实验结果表明,改进后的网络模型计算量大幅减少,检测速度提高了7倍,对不同光照条件和复杂的背景环境具有鲁棒性,能够满足对目标的检测要求。