用三點法實現機器人三維位置測量的研究摘 要 ：提 出 了一 種 微 小 爬 壁 機 器 人 三 維 位 置 測 量 的新 方 法 。筆 者 通 過 深 入 分 析 研 究各 種 位 置 測 控 方 法 與 系 統 ，提 出采 用單 目視 覺方 法 中的 聚 焦法 ，以 CCD作 為 傳 感 器 ，用 三 點 法 實現 對 機 器 人 的 三 維 位 置 測 量 。 驗 證性 實驗 結果表 明 ，本研 究提 出的測 量原 理和 系統是 正 確 可行 的 。 關鍵詞 ：機 器人 ；位置 測量 ；CCD傳 感 器 ；單 目視 覺 ；攝 像 機 標 定 中 圖分 類 號 ：TP242．6 文 獻 標 識 碼 ：B Abstract：A new 3D position measurementmethod Ofa wall—climbing micro robothas been researched．Researc— hing on the various position measuring and controlling method，theauthorhasputforwardanewprojecttomeas— ure the 3D position of the robot，in which the focusing method with singlecamera and CCD sensorhasbeen used to getthe position information．The elementary experiment has verified the principle and the system． Key words：robot；position detection；CCD sensor；single camera vision；camera caiibration 位置測量技 術是智 能機 器人 的關鍵 技術 ，是各 種 機器人控 制系統 中極 為重 要 的環節 ，也 是 國內外研 究 的熱點所 在。 按 照測試 系統 與被 測機 器 人 的關 系 ，可 以將位 置 測量技術 分為接觸 式和非接觸式 兩大類 。接觸 式測量 系統 由于在測 量過程 中或多或少地 對機器人施 加 了載 荷 ，因而僅適用于靜 態 位置測 量 。而動 態 位 置測量 系 統 主要分 5類 ：①激光跟蹤 系統 ；@ CCD交 互測量 收 稿 日期 ：2001—07—03 基 金項 目：國家 863高科技 研 究 資助 項 目(9804-06)；教 育 部 高 等 學校 骨干教 師 資助 計 3t,j項 目 作者 簡 介 ：張 智海 (1973一 )，男 ，工 學碩 士 ，主 要 研 究 方 向 為 智 能 機 器人 測 控 技 術 。 系統 ；③ 超聲波 測量 系統 ；④ PSD(positionsensitivede— vice)位 置 測 量 系統 ；⑤ 帶 有 接 近覺 傳 感 器 的 測量 系 統 。位置測量 還可 以從另一個分類 角度劃分為主動式 測量和被動 式測 量 。主動式測 量主要可 以分為結 構光方法和激光 自動聚焦法兩類 。被 動式測量 主要 可 以分為雙 目視 覺 、三 目視覺 、單 目視覺 等方法 。 對 比以上各種方法 的 優缺 點 ，針對 筆者 研制 的微 小爬壁機器人 的空 間三 維位 置 測量 的要 求 ，測量 系統 必須滿足尺 寸小 、分 辨率 高 、穩定 性 和可 靠性 好 、時 間 響應快等特 點 ，提 出了采用 單 目視覺方法 中的聚焦法 ， 選用 CCD作 為傳感器 ，用 三點法實現對機器人 的三維 位置測量 ，并用 Matlab和 V
標簽： 機器人
上傳時間： 2022-02-12
上傳用戶：
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
量規設計手冊
標簽： 設計手冊
上傳時間： 2013-08-03
上傳用戶：eeworm
勁量7號電池資料
標簽： 電池資料
上傳時間： 2013-06-11
上傳用戶：eeworm
電感量計算.EXE
上傳時間： 2013-07-13
上傳用戶：eeworm
空時自適應信號處理
標簽： 信號處理
上傳時間： 2013-05-25
上傳用戶：eeworm
機械量測量用傳感器的設計
上傳時間： 2013-04-15
上傳用戶：eeworm
計算電磁場的矩量法 pdf版
上傳時間： 2013-07-26
上傳用戶：eeworm
0665、出租車空車燈LED環形閃爍電路
上傳時間： 2013-05-31
上傳用戶：eeworm
勁量5號電池資料
標簽： 電池資料
上傳時間： 2013-05-23
上傳用戶：eeworm
