面向堤坝监测的无人机自动巡检系统设计

针对人工巡检监测堤坝费时费力,存在安全风险,还可能会造成堤坝损害等问题,设计一种无人机大坝自动巡检系统:首先对搜索区域进行建模,采用基于栅格的技术,为每架无人机划分待搜索区域,然后采用牛耕法对区域进行全覆盖搜索;通过改进的yolov5算法对裂缝图像进行快速识别,利用MAD中值滤波和广义形态学滤波对红外图像进行预处理,实现了对堤坝渗漏区域的快速准确识别。

基于回溯的室内机器人完全遍历路径规划

完全遍历路径规划算法得到越来越多的关注。提出一种基于回溯的双向完全遍历路径规划算法,根据工作环境的纵横比,选择合适的局部遍历优先级采用牛耕法完成局部覆盖,采用改进的A*算法规划出从临界点到回溯点的无碰撞路径完成区域转移,实现工作环境的全覆盖,当回溯点个数为零时,机器人就完成了对地图的完全覆盖。仿真表明,与BA*和B-Theta*算法相比,在横向距离大于纵向距离如30×50的地图上,转弯次数减少15%,且能实现完全覆盖,回溯点的个数减少81%,重复路径长度减少5%。新算法有较好的参考和应用价值。

基于单元分解法的移动机器人遍历路径规划

针对移动机器人遍历路径规划问题,利用boustrophedon单元分解法建立环境模型,将环境地图分割成若干子区域,每个子区域设一个基点,子区域与基点一一对应。提出了一种领域法,通过搜索基点,即可找到该子区域以及确定该子区域是否被遍历到。首先进行第一层遍历路径规划,遍历完成后,搜索地图模型基点,确定是否存在未遍历到的基点,该基点即代表其子区域。寻找到后进行第二层局部区域遍历。

矿区废弃地移动机器人全覆盖路径规划

矿区废弃地为室外大型非结构化环境,包含多种类型的障碍物且存在诸多不确定性因素,给移动机器人全覆盖路径规划造成了极大的困难.本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划.首先,针对矿区废弃地已知环境,采用牛耕式单元分解法对复杂环境做出区域分解,将具有综合复杂性的地图分解为多个不含障碍物的子区域;然后,根据子区域的邻接关系构建无向图,采用深度优先搜索算法确定子区域间的转移顺序;最后,采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移.仿真结果表明,生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效,所得的方法能够处理复杂的非结构化环境,完成废弃矿区移动机器人的覆盖路径规划.