自主机器人视觉与行为模型及避障研究

主动的障碍物探测与避障行为控制一直是自主机器人的重点研究课题．在以往的研究中，机器人的视觉系统与电动机驱动系统住往是各自独立的构成控制体系，人们很少关注它们之间的关系，这样就从本质上割裂了两者之间的紧密耦合关系，减少了获取更多信息的途径．本文主要研究如何建立机器人视觉与电动机驱动系统关系的视觉与行为模型，通过这种紧密的耦合关系为机器人运动提供更丰富的信息来源．此外，在该模型的基础上引入了强化学习，引导机器人进行动态避障．实验表明该方法是可靠的，能够满足实时性要求．     

基于视觉与行为模型的机器人目标跟踪

由于存在通信延时等问题，月球机器人必须具备一定智能来进行行为控制。Brooks提出机器人的包容结构理论重点在于强调机器人不同控制层间的联系，以及机器人不同行为功能的分配。本文提出一种视觉与行为模型，主要描述在同一控制层内视觉传感器与行为控制之间的关系，它将机器人的视觉行为与运动行为紧密联系起来，在运动的同时计算地面光流场变化来学习当前机器人动作状态，利用颜色信息的多窗口目标跟踪获取目标属性，最后采用强化学习方法，规划加器人动作．提高了运动控制的稳定度和精确席。     

深度学习的无人机双目视觉避障研究

针对无人机避障系统中视觉防撞的关键技术进行研究,改进YOLOv4-tiny目标检测算法,并提出一种基于目标检测的视觉防撞方法.结合MobileNet的可分离卷积结构,优化YOLOv4-tiny目标检测网络,以此提高检测精度.通过去除非检测目标区域的冗余信息,提高SURF匹配算法的效率,由最小二乘法对目标区域进行三维解算,将解算的深度与无人机的位姿信息作为防撞判定区域视野尺度的依据,并结合目标检测的像素位置,实现无人机视觉防撞.最后,利用标准数据集对改进后的网络模型进行分析,mAP值为69％,并搭建无人机视觉通讯模块进行视觉防撞测试,最终验证了方法的合理性.     

基于深度视觉的四旋翼无人机自主飞行感知和避障综述

随着无人机技术的深入发展,基于深度学习且以视觉输入的四旋翼无人机(四旋翼)自主飞行感知和避障研究备受该领域学者的关注,以无人机飞行模式朝着完全自主的终极目标不断迈进。无人机的自主感知和避障正是实现无人机自主飞行的关键所在。简要地阐述了目前无人机自治水平等级和相关深度学习方法;对四旋翼的仿真平台和公开数据集进行了较为全面的介绍;从无人机自主飞行感知和避障2个方面,对当前基于深度视觉的四旋翼自主飞行感知和避障相关国内外文献报道,进行了较为全面的分析和总结;结合深度学习方法和以视觉输入的四旋翼自主飞行感知和避障在一些关键的开放性问题上的不足,对其未来挑战和发展趋势进行了总结和展望,旨在为后续研究提供参考。     

双足机器人避障与步态规划研究

针对双足机器人的步态控制方案是保证其稳定快速运行的重要条件,也是其得到跨越式发展的重要保障.关于ZMP概念的应用可以有效解决双足机器人的各舵机步态行程问题,通过应用偏导方程把质心位置与时间函数紧密联合起来,从而进一步推得有关相关舵机的步态位置.该设计所得的机器人具有仿生机器人在路面行走能力,并且能够及时躲避障碍物,具有可控性强性,敏捷性,和较高的鲁棒性.动态避障是根据光电传感器判别调节步态,其既可以判别脚底二维平面的光幕信号也可判别周围光幕信号,具有控制意义的在规定地点转向与避障.最终通过仿真与实物行走避障等调试与判别总体实现问题.实验结果表明该方案具有可行性和有效性,从而对双足直立机器人在未来的广泛应用做出有效根据.     

移动机器人的避障行为及导航控制

本文研究了移动机器人基于红外、超声和视觉的导航控制问题。介绍了机器人基于红外和超声传感器避障的原理,提出了机器人二值化解析视频图像提取出目标点的导航控制算法。实验结果表明,该综合红外、超声和视觉的导航控制方式在复杂的动态外界环境中具有较好的效果。     

基于DSP的四旋翼飞行器视觉导航避障系统研究

国内外学者对无人机技术进行了大量研究,特别是在对无人机的控制和自主着陆等方面的研究有了丰硕的研究成果。但针对无人机如何有效规避障碍物这一问题依旧值得深究,特别是在大城市,无人机在作业时会遇到很多复杂的地形和大大小小的障碍物,避障这一问题在没有得到根本解决前就依旧需要寻找更行之有效的解决措施。一方面为了弥补GPS全球定位导航局部分失效的缺点(如在建筑物密集地带和在室内作业),另一方面为了代替INS惯性导航系统漂移误差的影响,该项目中将光流避障算法理论应用于视觉避障的研究,让无人机能精准的避开障碍物,这一技术经过多次测试并不断完善,有希望成为无人机发展的新突破。     

基于道路场景理解的巡检机器人避障方法研究与应用

为提升巡检机器人的导航避障能力,本文将深度学习技术应用于场景识别中,提出了一种基于道路场景理解的巡检机器人自主避障方法(Road Scene Understanding Net, RSUNet).该方法首先将多层卷积与LeakyReLU激活函数相结合,并以残差结构和金字塔上采样结构的方式,构建高精度道路场景理解网络;其次,设计自适应控制模块来对比前后两帧图像的深层特征信息,并根据特征差异大小自动控制后续网络层的特征计算,避免相似特征重复提取,保障网络效率;最后,将场景理解结果转化为巡检机器人前方不同区域的目标信息,通过分析机器人前方可行道路区域以及障碍物所处位置来指导巡检机器人实现导航避障.实验结果表明,所提方法有效的平衡了场景理解网络的识别精度与计算效率,同时,在实际变电站巡检机器人平台上,该方法也表现出较强的适应性,并能准确高效的为机器人提供场景信息,辅助机器人完成实时自主避障.     

基于STM32的双足避障机器人设计

本文计了一种基于STM32的双足避障机器人,机器人主体使用超轻材质的铝合金搭建,结构稳定可靠,环境适应能力强.采用高性能的STM32单片机为系统主控芯片,配合外围传感器信息采集系统和舵机驱动控制系统,能够完成自主行走,躲避障碍,路径规划等任务.经实验验证,该机器人系统能很好的实现自主避障行走,可以有效减少机器人在避障行走中对环境的依赖性,满足设计要求.     

智能车辆导航中障碍物检测方法研究

随着智能车辆技术的发展,如何检测障碍物成为了智能车进行自主导航的关键。文中介绍了基于视觉和激光雷达检测障碍物的方法,从而解决了车辆的自主导航问题。讨论了视觉法和雷达法在各自领域中检测道路障碍物的方法,分析了各种研究方向的优缺点,并指出未来通过多传感器数据融合进行障碍物检测将是重点和难点。     

多传感器信息融合技术在移动机器人障碍探测中的应用

在移动机器人障碍探测中,需要实时准确的感知环境信息,而单一传感器仅能提供部分环境信息,对环境进行描述时存在局限性。文中提出采用红外传感器和超声波传感器相结合来感知环境信息,完成障碍物信息的采集,并利用自适应加权融合算法实现数据融合的方案。实验仿真结果表明,多传感器数据融合后比单一传感器所采集的数据更接近于真实值,波动性小,并且不易受外界环境的影响。该方案较好地满足了移动机器人障碍探测的需要,具有一定的有效性和实用性。     

基于DTMC建模和分析的障碍Ad hoc网络

One of the main characteristics of Ad hoc networks is node mobility, which results in constantly changing in network topologies. Consequently, the ability to forecast the future status of mobility nodes plays a key role in QOS routing. We propose a random mobility model based on discrete-time Markov chain, called ODM. ODM provides a mathematical framework for calculating some parameters to show the future status of mobility nodes, for instance, the state transition probability matrix of nodes, the probability that an edge is valid, the average number of valid-edges and the probability of a request packet found a valid route. Furthermore, ODM can account for obstacle environment. The state transition probability matrix of nodes can quantify the impact of obstacles. Several theorems are given and proved by using the ODM. Simulation results show that the calculated value can forecast the future status of mobility nodes.     

多波束前视声呐在潜器避障中的应用研究

介绍了多波束前视声呐特性及其PC104处理机的功能;描述了避障系统的数据采集和传输方法;提出了用基于栅格图标的方法来完整描述声呐探测信息,从而构建出水下局部环境模型;采用带有增长率算子的运动映射直方图算法作为声呐传感器数据后处理算法,合理地表达了声呐数据的不确定性,克服了探测数据中混带的噪声;设计了基于声呐传感器的反应式避障算法,确保潜器能够及时、有效、安全地避开障碍物;最后通过湖上试验,验证了所作研究的正确性及可行性.     

自主移动机器人即时定位与地图构建方法研究

自主移动机器人的即时定位与地图构建是机器人领域中的关键问题。文中对自主移动机器人即时定位与地图构建研究的两个主要问题进行了分析,研究了不确定信息的描述和处理方法,以及数据关联的方法。综述了现阶段即时定位与地图构建的实现方法,其中包括两种卡尔曼滤波算法和粒子滤波算法,以及基于视觉的SLAM算法。通过分析现有算法的特点,提出了自主移动机器人即时定位与地图构建未来研究的发展方向。     

基于深度强化学习的端到端无人驾驶决策

端到端的驾驶决策是无人驾驶领域的研究热点.本文基于DDPG（Deep Deterministic Policy Gradient）的深度强化学习算法对连续型动作输出的端到端驾驶决策展开研究.首先建立基于DDPG算法的端到端决策控制模型,模型根据连续获取的感知信息（如车辆转角,车辆速度,道路距离等）作为输入状态,输出车辆驾驶动作（加速,刹车,转向）的连续型控制量.然后在TORCS（The Open Racing Car Simulator）平台下不同的行驶环境中进行训练并验证,结果表明该模型可以实现端到端的无人驾驶决策.最后与离散型动作输出的DQN（Deep Q-learning Network）模型进行对比分析,实验结果表明DDPG决策模型具有更优越的决策控制效果.     

基于粒子流和能量模型的异常行为检测

提出了一种基于单目摄像机的异常行为检测方法,可有效检测群聚群散事件。针对传统稠密光流法耗时大,抗噪声性差,对光照变化敏感,而稀疏光流又不能提供丰富运动信息的不足,提出采用二值前景为掩码计算局部稠密光流,既剔除了干扰,又减少耗时。针对光流仅能反应物体瞬时运动信息,不能反应运动的累积效应,不能描述物体间的相互影响,提出建立以光流为底层特征的粒子流场,以稳定地进行特征提取。最后,通过计算粒子幅值直方图的能量来进行异常行为的检测。搭建了实验监控系统,不同场景的实验表明,该方法实时性好,鲁棒。     

基于红外的微机器人集群自主通信转接控制方法

利用光子追踪法建立了大气直视信道模型, 仿真分析了信噪比(SNR)、比特率和能见度三者对自由空间光通信误码率的影响。选用1.55μm和10.6μm两个波长作对比分析, 结果显示两种波长的误码率随SNR的增大而减小, 随比特率的增大而增大。在能见度较低时, 10.6μm激光的误码性能优于1.55μm激光, 并且在低SNR和高比特率的情况下, 这种优势越发明显。在能见度较高时, 两种波长的误码性能相差无几。