新型六足机器人机构与控制系统设计

六足机器人的研究对于崎岖地形的无人探测具有重要意义.为了开发可靠实用的六足机器人,设计了一种新型六足机器人的机构与控制系统.该机器人腿部由三个四杆机构复合而成,具有结构紧凑、传动可靠的优点.对机器人进行了运动学分析,并在Matlab和ADAMS中进行了步态规划及仿真实验,以此为基础建立了机器人的"动作库",供控制系统调用.并为机器人设计了基于ARM和FPGA的多层次控制系统.     

一种基于情绪量的多机器人冲突消解方法*

针对动态非结构化环境下多机器人之间存在的空间冲突问题,提出了一种基于情绪量的多机器人冲突消解方法。该方法可以使机器人根据情绪量自主判定对其他机器人的躲避半径,无须预先设定固定的避碰优先级或进行机器人之间的协商。仿真结果表明该方法是一种有效的多机器人冲突消解方法。     

改进的多机器人协作探索策略研究

提出了一种基于Wolfram Burgard方法改进的多机器人未知环境协作探索策略.该策略分别从以下3个方面提出相应的改进措施:为了减少重复探索区域和重探索的次数在代价值计算模型中加入了重复探索路径的影响因素;为了使各机器人始终保持通讯,在效用值计算模型中加入了有限范围通讯的影响因素;为了提高算法的实时性提出了一种全局规划与局部规划相结合的改进算法.仿真实验结果验证了该改进方法的有效性及相比于Wolfram Burgard原始方法具有以下优势:重复探索区域的重探索次数显著下降;机器人间能保持合理的间距以保证通讯不发生中断;算法的实时性有明显的提高.     

应用于六足机器人平台的舵机控制器设计

设计了应用于小型六足仿生机器人的舵机控制器。针对独立单片机的多舵机控制和速度控制，分别提出了时间片分割和脉宽递增的方法，成功实现了对18个舵机的独立控制以及舵机的多级速度变化。实验结果验证了方法的可行性。     

一种基于支持向量机的数据融合方法的研究

提出了一种基于支持向量机的分类分级的数据融合方法，并将此方法应用于机器人手爪抓取状态的判别。支持向量机作为一种较新的机器学习方法，由于建立在结构风险最小化准则之上，而不仅仅是经验风险达到最小，从而使得支持向量分类法具有较好的推广能力。     

一种基于十字同心圆的摄像机标定新方法

在研究传统的摄像机标定方法的基础上,提出了一种基于十字同心圆标定模板的摄像机标定新方法。该方法通过从2个或2个以上不同的方位上拍摄带有十字同心圆模板,采集具有标定特征的图像,从而完成摄像机的标定。这种基于曲线拟合的标定方法,与传统的提取参考点的标定方法不同,采集的参考点坐标相对准确,计算的摄像机标定结果具有很高的准确性;同时该方法原理简单,实现方便,具有很好的可操作性。通过实验验证表明,该摄像机标定方法具有较高的准确度、较小的误差率,可以获得较为满意的标定参数。     

基于CORBA机器人多传感器集成系统设计

提出了一种基于CORBA新的机器人多传感器集成系统设计方法．在结合CORBA技术与智能系统中分层递阶思想的基础上，对机器人多传感器集成系统进行了软件与硬件设计．该系统设计对解决多传感器集成系统中复杂性等问题，具有很好的指导与借鉴．     

基于并列选择遗传算法的多机器人协作探测

多机器人系统在执行探测任务时,存在多个机器人同时选择相同探测区域而造成碰撞几率增加和探测效率降低的问题.在原有并列选择遗传算法的基础上,提出了一种改进的遗传算法.仿真和实验结果表明,将该算法应用于多机器人协作区域探测,可以减小机器人之间的碰撞几率,提高多机器人系统的探测效率.     

两轮自平衡机器人多传感器数据融合方法研究

为了对机器人运行状态进行有效的识别,提出一种基于支持向量机的多传感器数据两级融合方法,从分类的角度实现了运行状态识别,解决了识别正确率较低的问题.将此方法应用于两轮自平衡机器人进行运行状态识别实验,当每种状态采集的独立样本数超过20个时,正确率可以达到98%以上.实验结果表明应用该方法可以对两轮自平衡机器人的运行状态进行有效、可靠的识别,能够满足两轮自平衡机器人快速机动过程中的实时性要求.     

基于类内方差最小化及模糊控制算法的 小波边缘检测技术

 应用传统的小波技术对图像进行边缘检测时,需要采用阈值对模非极大值抑制后的候选边缘点进行筛选,求取边缘.但是,目前阈值的求取是凭借人们的经验人为的设定,需要反复的试凑比较才能得出最后结果,另外,当前的单阈值自动求取方法还无法实现精确的边缘检测,这些缺陷限制了小波边缘检测技术在实际中的应用.针对这一问题,提出基于类内方差最小化原理自适应的求取双阈值的算法,不需要人为的设定任何系数和参数.采用模糊控制技术连接边缘像素,理论推导和实验结果证明了该算法的正确性和有效性.