机器人视觉中纠缠快速摆脱建模仿真

研究机器人视觉中纠缠摆脱方法,提高摆脱速度。机器人在一些特殊的环境下,会被随机缠绕住,在摆脱缠绕过程中,传统的机器人视觉处理配合PH曲线规划算法受到纠缠无序性的影响,存在连续重复试错问题,导致机器人摆脱的速度和位置出现较大的扰动,摆脱视觉路径规划结果存在较大偏差,减慢摆脱速度。为解决上述问题,提出了一种基于人工蜂群算法的机器人视觉中纠缠摆脱方法。对机器人视觉图像进行二进制编码,对编码结果进行二值变换,根据视觉图像二值变换结果进行特征点统计,获取对应的直方图。对观察蜂和采蜜蜂的蜜源空间位置进行更新,计算观察蜂选取蜜源的概率,并对新蜜源进行搜索。实验结果表明,利用改进算法进行机器人视觉中纠缠快速摆脱处理,能够提高摆脱速度,并且使机器人能够按照合理的路径运行。

水下机器人缠绕障碍自动摆脱控制模型仿真

提出一种适用于水下机器人缠绕障碍自动摆脱的控制模型。通过机器人自带的水下图像传感装置,利用图像变换水下采集的声纳图像进行降维处理,并求出其特征声纳图像,根据图像特征距离判断是否受到纠缠,在确定受到纠缠的情况下,采用主对协调控制,由于受到纠缠状态下,机器人在水下位置是在纠缠区,通过规划机器人的路线,实时检测纠缠情况,迭代规划摆脱路径,摆脱纠缠。仿真实验结果表明,该方法在40dB信噪比条件下,对水下机器人的纠缠摆脱有着较好的效果,可以有效地对水下机器人进行纠缠摆脱。