基于蝗虫视觉的微型机器人避障方法研究

为提高机器人自主避障的稳定性和可靠性,通过对蝗虫神经系统中具有碰撞预警能力的小叶巨大运动检测器(LGMD)神经网络进行优化处理,构建适用于嵌入式微型机器人的仿生视觉避障系统。针对LGMD网络在黑暗环境中碰撞感知性能较差,将传统图像处理算法与仿生网络相结合,通过融合拉普拉斯锐化和高斯模糊的激励来增强碰撞对象的扩展边缘,提出基于图像增强的碰撞检测神经网络(LGMD-LS)。利用MATLAB软件对模型进行视频仿真分析,结果表明:相较于LGMD模型,改进算法在黑暗环境中能有效识别迫近障碍物,具有较好的鲁棒性。在自制微型机器人上进行实物验证,结果表明:机器人在黑暗场景中能够有效避障,验证了算法的可靠性。为应用于实际场景下机器人碰撞检测提供参考依据。

液压四足机器人油源流量自适应控制研究

在保证机器人正常运行的前提下,为了控制方便,通常液压四足机器人的油源采用恒压恒流的供能方式,这将会导致机器人驱动功率远低于油源提供的功率,造成了严重的能源浪费。为了减小能量损失,提出变流量动态供油策略。介绍油源的变流量控制基本原理,通过负载预测得到各个液压缸速度大小,再结合阀控缸的数学模型推算出单腿在运动过程中实时供油流量需求,并建立仿真模型与机器人样机实验验证流量自适应控制的有效性。实验结果表明:利用油源流量自适应控制策略,液压四足机器人的节能效率相比恒流量供能系统提高了56.51%。

路网约束下异构机器人系统路径规划方法

由无人机(Unmanned aerial vehicles,UAV)和地面移动机器人组成的异构机器人系统在协作执行任务时,可以充分发挥两类机器人各自的优势.无人机运动灵活,但通常续航能力有限;地面机器人载荷多,适合作为无人机的着陆平台和移动补给站,但运动受路网约束.本文研究这类异构机器人系统协作路径规划问题.为了降低完成任务的时间代价,提出一种由蚁群算法(Ant colony optimization,ACO)和遗传算法(Genetic algorithm,GA)相结合的两步法对地面机器人和无人机的路线进行解耦,同时规划地面机器人和无人机的路线.第1步使用蚁群算法为地面机器人搜索可行路线.第2步对无人机的最优路径建模,采用遗传算法求解并将无人机路径长度返回至第1步中,用于更新路网的信息素参数,从而实现异构协作系统路径的整体优化.另外,为了进一步降低无人机的飞行时间代价,研究了无人机在其续航能力内连续完成多任务的协作路径规划问题.最后,通过大量仿真实验验证了所提方法的有效性.

基于改进深度Q网络的机器人持续监测路径规划

持续监测问题指的是通过规划移动机器人在路网中的巡逻路线,从而对路网环境实施长期监测,以实现保障环境安全的目的。环境中的待监测点通常受到最大允许监测周期(重访周期)的限制,并且最优的监测路径不应具有固定的周期,否则监测过程容易被恶意入侵者针对性地破坏。针对上述问题,提出一种基于改进深度Q网络(Deep Q Networks,DQN)的机器人监测路径规划算法。改进DQN的决策方法,使机器人获得一条监测频率高、安全性好(防止被智能入侵的能力)、非固定周期的监测路径。仿真实验结果表明:所提算法可以高效地覆盖所有待监测节点;与传统的DQN算法相比,该算法不会使监测陷入周期性的循环路径之中,增强了系统的抗入侵能力。

动态障碍物环境下的扫地机器人路径规划

针对扫地机器人在清扫过程中因无法提前判断动态障碍物而发生碰撞的问题,提出一种动态障碍物环境下的扫地机器人路径规划方法。通过对激光和地图数据的处理,实现动态障碍物的检测与求解;利用改进的二维高斯分布函数结合动态障碍物信息更新地图栅格代价值;结合动态障碍物分析,改进膨胀方式,并引入新型评价子函数系数计算方法和动态阈值设定方法优化动态窗口法(DWA);在栅格代价值更新的地图上,利用全局和局部路径规划算法实现动态避障。实验结果表明:该方法能较好实现扫地机器人对于动态障碍物的提前避让,具有可行性和有效性。

基于改进SIFT的室内机器人惯性视觉定位系统

对移动机器人室内单目视觉定位存在的定位精度较低,光照鲁棒性差的问题,提出一种基于改进SIFT的实时惯性视觉定位系统。首先压缩SIFT尺度空间,降低描述子维度;再利用结合位置信息的描述子曼哈顿距离进行FLANN匹配,PROSAC迭代优化。在跟踪阶段结合IMU获取的初值约束匹配,剔除误匹配。在回环检测阶段利用惯导位姿给定位姿初值范围,局部搜索SIFT特征点匹配实现重定位。在室内天花板数据集上验证改进SIFT算法,匹配准确率平均提升12.4%。在室内多个场景验证定位精度,平均定位误差为0.076 m。实验结果表明,所设计的算法能够在算力受限平台实现较精准的实时室内定位。

基于改进Bytetrack的群体机器人跟踪算法

针对群体机器人在实际跟踪场景中常常受到遮挡、目标密集、尺度变换等因素的影响导致漏检、轨迹中断和ID频繁跳变等问题,基于Bytetrack跟踪算法,改进了卡尔曼滤波的状态变量,提出了噪声尺度自适应卡尔曼算法(NASA-Kalman),并在卡尔曼滤波中引入加速度参数(AMA)提高跟踪的准确性。实验表明,在MOTA、MOTP方面相较于原算法均有所提高。为了进一步验证跟踪算法的有效性,在MOT20数据集上对算法进行了评估,在MOTA、MOTP方面分别提高了0.65%和1.26%。

基于深度相机和二维码的室内移动机器人定位技术

提出一种以ORB_SLAM2为基本框架、使用二维码辅助深度相机的室内移动机器人定位方法。针对现有的视觉SLAM在定位过程中出现的Z轴漂移现象,提出平面运动模型约束,以降低机器人定位结果中的Z轴累计误差;针对视觉SLAM在弱纹理环境中算法退化、容易跟踪失败等问题,在室内环境中张贴二维码并将其数学模型作为定位约束,以提高系统的准确性与鲁棒性。真实环境下的实验结果表明:相比原始算法,所提算法在Z轴精度上提高了42.95%;以ORB_SLAM3的定位结果为真值,所提算法的定位精度提高了4.11%,该算法在室内环境下具有定位优势。

侧滑和打滑下的轮式移动机器人轨迹跟踪控制

针对未知侧滑和打滑干扰下轮式移动机器人(WMR)轨迹控制中,存在模型不确定性、外部干扰等扰动导致传统滑模控制易出现收敛精度不足、控制输入抖振的问题,提出一种基于非线性扩展状态观测器的自适应二阶滑模跟踪控制方法(ASOSMC-NESO)。首先建立了侧滑与打滑条件下的轮式移动机器人运动学和动力学模型;其次,由反步法设计运动学控制器,为动力学提供虚拟速度;接着,针对外部干扰设计了非线性扩展状态观测器,以估计总扰动;然后,基于二阶积分滑模的思想将积分滑模和非奇异快速终端滑模面相结合,设计了动力学控制器,并给出了控制器稳定性分析。实验结果表明,对比一阶滑模控制方法,该控制方法误差最大值在线性和非线性轨迹下,分别下降约89.53%和16.28%,而且控制输入基本不受干扰影响。由此可见,ASOSMC-NESO能有效提高WMR在未知侧滑和打滑下的控制精度,并有效削减抖振和提升WMR轨迹跟踪鲁棒性。

基于广义回归神经网络的视觉球形机器人建模

由于球形机器人具有复杂的机械结构和特殊的运动方式,导致其动力学模型具有非线性、多变量、强耦合、参数不确定等复杂因素,因此难以建立精确的数学模型。针对上述问题,设计了一种改进广义回归神经网络(GRNN)对其进行建模。首先,获取基于机理模型的球形机器人实测数据;然后,基于实测数据训练出改进GRNN模型并分析其预测效果;最后,分别基于改进GRNN和机理模型,设计球形机器人的控制器进行自平衡实验,前者比后者受到干扰时的波动幅度更小、调节时间短了近1 s。实验结果证明了所设计建模方法的可行性和有效性。

面向平层多房间的内墙作业移动机器人路径规划

本文针对多房间的移动机器人内墙作业的路径规划任务,提出一种两阶段路径规划方法.第1阶段针对沿墙作业过程中环境存在灰尘或雾气造成的传感器失效问题,以及房间多出口时路径规划不完整问题,我们提出起点自动选择沿墙路径规划方法,基于栅格地图离线生成沿墙规划路径.第2阶段,针对点到点路径规划过程中的动态避障问题,我们提出一种基于PSAC (prioritized experience replay soft actor critic)算法的点到点路径规划方法,在软行动者-评论家(soft actor critic,SAC)的中引入优先级经验回放策略,实现机器人的动态避障.实验部分设计了沿墙路径规划对比实验和动态避障的对比实验,验证本文所提出的方法在室内沿墙路径规划和点到点路径规划的有效性.

带惯性轮的两轮机器人H_(∞)鲁棒控制系统

针对复杂环境中两轮机器人的实用性和平衡控制问题,构建了一种带惯性轮的两轮机器人H_(∞)鲁棒控制系统。首先,介绍了两轮机器人的机械结构及性能,通过惯性轮和底部双轮共同作用增强机体的运动能力,提升机器人对环境的适应性;其次,推导了坡面上带惯性轮的两轮机器人动力学模型;在此基础上,设计了一种基于H_(∞)鲁棒控制器的两轮机器人系统,实现了机器人姿态控制的自平衡稳定性、鲁棒性以及抗扰性;最后,仿真和实测实验验证了所设计机器人系统的可行性和有效性:机器人系统的倾斜角度可调范围更大、控制精度更高,可有效抑制由于机体振动和外界干扰对系统的影响。

单目视觉移动机器人导航算法研究现状及趋势

拥有自主导航能力的移动机器人在救灾、家政等人类生活中使用得愈加广泛。单目视觉导航算法作为机器人视觉导航中的一种,具有成本低、距离不受限的优势,但仍存在尺度不确定性和初始化问题。该综述根据对移动机器人的运动性质研究,主要从障碍检测、空间定位、路径规划三个方面对单目视觉导航技术进行了模块化分析,并以单目视觉导航算法的关键技术迭代与发展为脉络,对各模块的典型算法进行分析,从速度、准确性、鲁棒性等方面对不同算法进行综合性评比,并对算法存在的主要问题与难点进行剖析,结合人类对移动机器人能力的需求和移动机器人的技术状态对单目视觉导航技术的未来发展趋势进行预测。

结合历史运动状态的机器人高效沿墙算法研究

针对目前室内移动机器人沿墙走算法过于复杂、路径易重复、不能完全遍历、效率低等问题,采用室内未知环境下结合历史状态的机器人沿墙高效遍历研究来解决这些问题.该算法由移动机器人的上一个周期历史环境运动状态(分8类)、当前环境运动状态(分8类)和旋向信息(分2类)建立运动规则库,沿墙行走时移动机器人时时采集这三类信息(上一个周期历史环境运动状态、当前环境运动状态和旋向信息)决定移动机器人当前的运动方向,如此循环直到完成指定的沿墙任务.最后对该算法进行了仿真与实际实验,实验结果证明该算法可以在不同的、复杂的环境中高效、快速地完成沿墙走的任务,并且对室内未知环境有很好的适应性.

基于单目视觉和轮式编码器的室内移动机器人松耦合定位方法

本文提出一种以ORB-SLAM2为基本框架、使用编码器信息辅助单目视觉信息的室内移动机器人定位方法。针对单目视觉同步定位与地图构建(SLAM)呈现的尺度模糊、尺度漂移等问题,融入轮式编码器信息以恢复其绝对运动尺度;针对移动机器人定位过程中的z轴漂移问题,构建平面运动模型约束以减少z轴上的累积误差。多种真实环境下的实验结果表明,与原始ORB-SLAM2算法相比,本文算法的绝对轨迹精度及z轴轨迹精度得到明显改善。

改进海洋捕食者算法和插值平滑的机器人路径规划

鉴于传统的智能优化算法(intelligent optimization algorithm,IOA)不能很好解决插值平滑的机器人路径规划(robot path planning,RPP)问题,以及最近提出的海洋捕食者算法(marine predators algorithm,MPA)的优势和不足,提出了一种改进的MPA,即提升信息交流的MPA(interchange enhanced MPA,IEMPA),用于解决RPP。首先提出一种融合趋向全局最优的反向学习策略用于随机选择一个捕食者的位置更新,以便降低陷于局部最优的概率;然后提出了一种三阶段最优引导最差策略来强化最差个体以便提升整个群体和提高搜索能力;随后,提出一种信息共享策略用于捕食前期以进一步提高算法的搜索能力;最后将IEMPA用于插值平滑的RPP中。大量的多场景RPP问题的优化实验结果表明,与MPA等优秀算法相比,IEMPA搜索能力更强、精度更高、收敛速度更快,能更好地处理RPP,可应用到在其他复杂优化问题上。

基于RBF神经网络的四旋翼磨抛机器人力/位混合控制

由六自由度并联平台和四旋翼无人机构成的四旋翼磨抛机器人的飞行轨迹和末端执行器打磨力难以稳定控制,为此提出一种基于RBF神经网络的力/位混合控制方法。根据Euler-Lagrange方程建立系统动力学模型,采用力/位混合控制器实现机器人在打磨时对力和位置的精度要求。在力控制环,采用PID控制和接触力前馈控制;在位置控制环,采用基于RBF神经网络的鲁棒控制。利用MATLAB/Simulink进行机器人轨迹跟踪和磨抛力控制仿真实验。结果表明,所提出的控制方法使得四旋翼磨抛机器人具有良好的轨迹跟踪效果,并且打磨力能保持稳定。

变胞手爪攀爬机器人多姿态力学分析

为了同时满足在实际生产中对攀爬机器人越障能力和负载能力的高要求,设计了一种带变胞手爪的仿生攀爬机器人。变胞手爪在夹持过程中,手指在接触到管道之后进行限位,通过机构变胞,使各手指在一定角度内依次转动,能稳定抓取不同类型的管道。利用虚功原理建立了变胞手爪在夹紧管道时各手指与管道之间接触力和驱动力的静力学模型。根据理论计算结果,在ADAMS中对攀爬机器人在多种姿态下的攀爬运动特性进行了仿真分析,实现了攀爬机器人在不同管道上的攀爬。仿真结果表明,攀爬机器人在多姿态下具有可靠夹持能力和稳定运动能力,验证了攀爬机器人的结构设计和变胞手爪力学模型的正确性。

空地异构机器人系统协作巡逻路径规划方法

空地异构机器人系统由空中无人机和地面无人车组成,当两者协作执行持续巡逻任务时,使用无人车充当无人机的地面移动补给站能够解决无人机续航能力不足的问题.运动受限于路网中的无人车必须在适当地点为无人机补充能量,这使得两者的路径高度耦合,给空地协作路径规划带来了挑战.针对此问题,本文通过分析无人机能量、路网、空地汇合时间、巡逻任务全覆盖等多种约束,以无人机完成全部巡逻任务的总距离为代价,建立了空地协作巡逻路径规划模型.该模型可推广至多架无人机与多辆无人车协作的情形.然后,采用遗传算法与蚁群算法相融合的方法,对无人机巡逻路径和无人车能量补给路径进行优化求解.仿真实验表明,本文的方法不仅可以得到很好的路径规划结果,而且较其他算法具有更优的收敛性和执行速度.

基于融合BEBLID和改进ORB算法的单目视觉里程计研究

为防止FAST算法在纹理丰富的环境下提取的特征点过于密集,通过预设条件使特征点稀疏化,便于后续对极约束恢复相机的位姿;为保证相机摄入的图像帧中纹理较少,特征提取时不会丢失图像信息,提出根据特征点数量调整检测方式,使其自适应提取图像特征,增强对复杂环境的适应性;为提高图像特征的匹配精度,通过融入BEBLID使特征点描述符充分表达。经实验验证,面对复杂的场景,改进算法有较强的环境鲁棒性。改进算法的匹配精度要高于ORB算法,在算法耗时方面相较SIFT算法有量级提升。经轨迹测算后,相比于ORB算法,改进算法在相机运动上更贴合真实轨迹,在位姿精度上有较明显的提升。