基于单个人工地标的机器人自主定位

结合地标设计的四个基本规则,设计了基于QR code的自相似二维人工地标,并讨论了其在复杂环境下的提取、识别问题,研究了相应的算法.利用摄像机标定技术,通过在人工地标上选取标定点求解出摄像机参数,实现了基于单个人工地标的机器人定位.实验结果表明,机器人完全可以在复杂环境下利用该人工地标实现快速、准确地定位和导航.     

基于单个人工地标的机器人自主定位

结合地标设计的四个基本规则，设计了基于QR code的自相似二维人工地标，并讨论了其在复杂环境下的提取、识别问题，研究了相应的算法. 利用摄像机标定技术，通过在人工地标上选取标定点求解出摄像机参数，实现了基于单个人工地标的机器人定位. 实验结果表明，机器人完全可以在复杂环境下利用该人工地标实现快速、准确地定位和导航.     

新型人工地标的设计、识别、定位及应用

人工地标是机器人定位与导航的重要辅助手段。设计了一种基于QR Code(quick response code)技术的新型人工地标,该地标不仅能存储丰富的环境信息,还能为机器人提供有效的方位信息。为了让机器人能够在远距离找到人工地标,设计了基于颜色和形状的快速识别算法。利用消影线原理设计了定位算法,可在机器人摄像机坐标系中快速、准确地定位人工地标。给出了机器人远距离搜寻、识别、定位及读取人工地标的控制方案,为机器人自主定位及导航奠定了基础。实验表明,该人工地标识别距离远、识别速度快、定位精度高,在复杂室内环境下仍能有很高的识读效率和很好的稳定性。     

基于单应矩阵分解的轮式移动机器人视觉伺服轨迹跟踪

为了控制移动机器人从当前轨迹跟踪上期望轨迹,设计了一种不需要引入额外变量的机器人轨迹跟踪算法。首先,根据欧式空间下的参考坐标系,与机器人期望坐标系和当前坐标系分别构建单应矩阵,之后通过坐标系变换以及单应矩阵的快速分解得到了当前轨迹与期望轨迹之间的相对位姿关系;然后根据此相对位姿定义了轨迹跟踪误差,求出开环误差方程,最后设计了自适应的视觉伺服轨迹跟踪控制律,并通过李雅普诺夫理论证明了闭环系统渐近稳定。仿真和对比实验结果表明:当t→∞时,移动机器人的当前线速度和角速度与期望线速度和角速度匹配度较高,当前运动轨迹与期望运动轨迹相当一致,当前图像特征点的轨迹序列可以较好地跟踪上期望图像特征点的轨迹序列,此外位姿误差e(t)将收敛于0,且可以使移动机器人跟踪上期望轨迹。     

模型未知动态场景下移动机器人的视觉镇定

为了让移动机器人在动态变化的环境下完成镇定任务,提出了一种基于视觉伺服、可在动态场景中利用模型未知的特征点完成轮式移动机器人的视觉镇定控制方法。首先利用特征点和视觉图像的几何关系计算出不同场景深度的比例;然后,通过单应矩阵分解和坐标系变换,求出各个坐标系之间的相对关系;最后,采用自适应控制器将机器人驱动到期望位姿处。仿真和实验结果表明:在场景发生变动时,移动机器人可以完成镇定控制,即当线速度v→0和角速度w→0时,误差e→0,机器人镇定到期望位姿0.0 m,0.0 m,0.0°处。     

用于机器人离线编程的工件标定算法研究

针对机器人离线编程技术应用过程中工件标定问题进行了研究，并利用工件标定实质，通过确定仿真环境中工件坐标系到实际环境中工件坐标系之间的转换矩阵实现工件调整与匹配。在此基础上，针对工件特点进行了标定算法的详细研究，提出正交平面工件标定、圆形基准四点工件标定和辅助特征点三点三种工件标定方法，从而比较全面地解决机器人离线编程技术应用过程中的工件标定问题。     

一种基于多重单应引导的特征点匹配算法研究

针对复杂地形低空遥感影像特征匹配难的问题,提出了一种多重单应引导的特征点匹配算法.算法首先提取影像中的SIFT特征点并进行NN粗匹配,再经ransac算法鲁棒估计单应矩阵,并给定视差阈值,由单应矩阵进行引导匹配,直到数目稳定为止,对剩余特征点重复以上匹配过程,直到ransac估计超限为止,最后对单应估计的匹配对进一步由ransac算法鲁棒估计基础矩阵对应的内点,利用LM算法对内点求解最优基础矩阵获得更精确的匹配点.实验证明,采用文章算法进行特征点匹配,可以有效提高匹配点数量和可靠性,为快速生成高分辨率数字地面模型提供一种新的技术途径.     

白点定位图像处理算法

为了解决全自主足球机器人自定位难题,采用白点定位图像处理算法求解足球场地白线边缘中点作为自定位特征点.通过沿预定义一维扫描线的彩色滤波、求最大梯度点和亚像素分解求中点等3个步骤,求解出若干定位白点,为机器人自定位做准备.结果表明:白点定位图像处理算法,定位精度最大误差为1.2mm,程序运行平均时间为15ms,定位过程抗干扰能力强,完全能够满足足球机器人自定位准确性、实时性和鲁棒性的要求.     

一种数码相机定位模型的求解算法

为了解决数码相机定位问题,利用双目定位法,在确定物平面坐标系与像平面坐标系的坐标变换矩阵的基础上,提出了一种同侧共切线算法,结合算例证明了这种算法可以有效地求解此坐标变换矩阵。     

基于Kinect的仿人机器人抓取目标定位

目标定位是仿人机器人实现抓取操作的前提。针对机器人单目视觉容易丢失深度信息,双目视觉难以对缺乏纹理特征的物体获得有效深度信息的问题,提供一种基于Kinect的仿人机器人抓取目标定位系统。首先建立Kinect和机器人坐标系,构建布尔沙坐标转换模型;然后利用线性总体最小二乘(LTLS)算法求解该模型;最后依据Kinect获取的抓取点坐标信息,通过坐标转换将其转换到机器人坐标系:从而实现机器人对目标物体的定位。在仿人机器人NAO平台上对该系统进行实验验证,其结果表明:利用该方法,机器人在一定空间范围内能够可靠的定位目标物体,并且较其单目视觉定位更准确;根据所提供的目标定位系统,NAO机器人实现了对不同物体的抓取操作。     

基于移动机器人定位和导航的人工路标设计

在复杂环境下,如何快速、准确地识别路标是移动机器人定位和导航的关键问题.基于图像分割原理,利用投影和方向特征的处理方法,提出了一种新的人工路标方案.通过统计学的相关理论验证了该路标图案的可行性,实验结果也显示了该图案可以较好地解决移动机器人的路标识别问题.     

#br# NAO机器人的视觉伺服物品抓取操作

针对家庭环境中服务机器人物品的抓取问题,提出一种改进的基于位置的视觉伺服抓取算法。首先,利用Naomark标签完成对物体的快速识别,并通过世界平面单应矩阵分解对物体的位姿进行估计;然后,对NAO机器人的机械臂进行运动学建模,并分别设计单臂和双臂抓取的视觉伺服控制律;最后,为进一步提高抓取的稳定性和鲁棒性,对末端执行器进行路径规划。实验结果表明,本方法能够快速、稳定地抓取目标物品。     

双足机器人动态上下楼梯的规划与控制

针对双足机器人上、下楼梯时的稳定行走问题,结合机器人动态上、下楼梯的约束条件,规划双足机器人动态上、下楼梯的步态,并提出了相应的稳定性控制策略。其中,机器人侧向平面采用保持机器人质心动态平衡的规划方法,通过调整躯干侧向最大偏移量,实现机器人侧向平面的稳定;机器人前进方向和重力方向采用三次多项式拟合的步态规划方法,通过传感器反馈的躯干姿态角及相应的角速度信息,结合楼梯台阶信息,调整机器人前进方向和重力方向质心的位置,保证机器人运动的稳定性。仿真结果验证了该方法的有效性。     

基于分布式导航信息的大范围环境机器人导航

针对大范围半未知环境下的机器人导航问题,基于认知理论提出了“分布式导航信息获取模式”。采用二维码技术设计了一种新型人工地标,并给出了其识别及识读的方法。通过在关键点位置配置不同的人工地标,基于导航信息的分布式表达,将大范围半未知环境下的机器人导航划分为全局引导层和局部搜寻层,使机器人在大范围半未知环境下的导航摆脱了传统的地图创建-全局定位-路径规划模式的限制。实验验证了该导航方法的有效性。     

基于虚拟重力的双足机器人迭代学习控制

基于双足机器人在小斜坡上的无源动态行走步态,采用虚拟重力原理,得到各时刻虚拟重力对机器人关节施加的力矩,将其应用于水平面上机器人动态行走控制,结合迭代学习控制方法,实现水平面上动态行走的步态跟踪控制.仿真结果表明,相对普通PID控制方法,结合虚拟重力的迭代学习控制效果良好,具有较强的鲁棒性.     

一种基于VINS/FINS组合导航方法

针对视觉惯性组合导航系统中微惯性器件精度偏低,以及足部惯性导航系统航向角误差可观测性差的问题,研究了一种基于上述两种系统的信息双向融合的导航定位方案. 该方法的系统结构由安装于双足步行机器人躯干部分的惯性导航系统和安装于其足部惯性导航系统两部分组成. 惯性导航系统通过视觉同时定位与地图构建数据融合方法可以获得相对准确的航向角,足部惯性导航系统利用零速修正后的位置信息实时修正惯性导航系统中的低精度惯性器件误差,从而构建视觉与惯性信息双向融合的组合导航系统结构. 实验结果表明,该组合导航方案可以有效提高双足步行机器人的航向精度和定位精度.     

Walking Stability Control Method for Biped Robot on Uneven Ground Based on Deep Q-Network

A gait control method for a biped robot based on the deep Q-network (DQN) algorithm is proposed to enhance the stability of walking on uneven ground. This control strategy is an intelligent learning method of posture adjustment. A robot is taken as an agent and trained to walk steadily on an uneven surface with obstacles, using a simple reward function based on forward progress. The reward-punishment (RP) mechanism of the DQN algorithm is established after obtaining the offline gait which was generated in advance foot trajectory planning. Instead of implementing a complex dynamic model, the proposed method enables the biped robot to learn to adjust its posture on the uneven ground and ensures walking stability. The performance and effectiveness of the proposed algorithm was validated in the V-REP simulation environment. The results demonstrate that the biped robot''s lateral tile angle is less than 3° after implementing the proposed method and the walking stability is obviously improved.