共查询到17条相似文献，搜索用时 296 毫秒
1.
农业机器人面临的作业环境越来越复杂,为保证机器人在复杂环境中正常工作,机器人需要拥有可自主避障的行为控制系统来适应作业环境中未知障碍物避开的需要。在基于篮球比赛运动的农业机器人避障系统研究中,通过动态窗法建立工作控制,模拟了篮球运动中的动态避球行为,并为以模糊控制方法实现自主避障,使移动机器人的避障行为通过模糊逻辑控制和基于优先度的决策程序来实现。仿真实验表明:该机器人的避障系统有效、实用性好且具有实时性。 相似文献
2.
3.
阐述了在不确定环境下，机器人通过在探测过程中采用基于实际物理意义的隶属函数的模糊算法来躲避障碍物的方法。该方法根据机器人和障碍物的位置、速度、运动角度等信息来构造一具有实际意义的隶属函数，使该模糊算法对于静止障碍物和运动障碍物都能很好地躲避。计算机仿真试验的结果验证了该方法的有效性和实用性。 相似文献
4.
5.
以采摘机器人为研究对象,首先建立了采摘机器人作业环境及障碍物模型,并利用人工势场法搭建了环境和障碍物运动势场;然后基于人工势场法设计了采摘机器人动态路径规划系统;最后利用Mat Lab进行了仿真实验。结果表明:该系统优化效果明显,具有很好的避障和路径规划能力。实验很好地验证了系统的有效性和实时性。 相似文献
6.
7.
8.
9.
动态窗口法(Dynamic Window Approach-DWA)广泛应用于移动机器人局部避障中,但存在路径不合理及轨迹不平滑的问题。基于此,提出了改进的动态窗口法。求执行速度时,窗口中所有速度先形成预轨迹,然后移除预轨迹与障碍物相交的速度,接着考虑剩余速度的方向,并根据机器人预测位置、速度以及离障碍物最小距离,获得允许速度,从而机器人得到更加合理的执行速度。实验验证了改进的DWA算法在相同环境和自身约束下规划的路径更加合理,机器人能够通过密集障碍物区域,且运行的效率更高。 相似文献
10.
针对果园环境复杂、自动化程度低的问题,提出了基于Q-学习的果园机器人避障算法。该果园机器人搭载了激光雷达传感器。为了降低激光雷达数据的冗余度,首先对激光雷达数据进行截取,保留了机器人前进方向上一定角度内的数据,再将激光雷达的数据栅格化,采用数据差的方式标记出障碍物,将所有障碍物补齐为规定的正方形;然后,建立果园机器人的差速模型,对Q-学习的R值表、动作空间和动作选择策略进行建模,使得果园机器人能在果园路径规划过程中所获奖赏最大。MatLab仿真结果表明:该方法能够规划出一条较优路径。室内试验表明:机器人能平稳地避开所设障碍物,到达指定终点。 相似文献
11.
随着科技水平的提高,机器人的应用范围不断增加,其工作环境复杂多变,设计出一套应变能力强的避障系统必不可少。为此,阐述了基于篮球运动的避障系统设计,引用篮球运动中的个人防守技巧和立体型进攻防守技巧,研究篮球运动中进攻时的防守躲避意识,以动态窗法建立工作控制,并对工作环境信息实时采集分析,反应到控制系统,及时躲避障碍。农业机器人的行进方向采用模糊逻辑控制方法,避障系统设计则以VFH避障算法实现自主避障。避障系统设计中需要考虑动态障碍的运动学,才可及时自主避开。仿真试验结果证明了该避障系统的有效性和实时性。 相似文献
12.
13.
14.
温室3P3R机械臂系统动力学建模与分析 总被引：1，自引：0，他引：1
针对温室等设施农业环境,设计了一种具有3P3R机械臂结构的机器人,为了分析机械臂的操作性能并实现精确运动控制,对机械臂进行了运动学和动力学分析;采用Kane方法和旋量理论分析方法建立了机器人的操作臂运动学和动力学模型,利用该模型,针对原理样机的具体结构,在Mathematica环境下研究了机械臂的操作性能,得到在一定作业任务规划下,末端执行器的位姿变化规律,以及按照该规划轨迹运动时各关节的驱动力;结果表明,结合了Kane方法和旋量理论的动力学模型具有准确、简单、有效等特点,能够满足机械臂的运动学、动力学分析的要求。 相似文献
15.
基于信息融合的农业自主车辆障碍物检测方法 总被引：3，自引：0，他引：3
针对单一传感器在智能车辆环境感知中的局限性,提出一种基于摄像机与激光雷达信息融合的农业自主车辆前方障碍物检测方法。对单目摄像机获取的图像进行基于Ft（Frequency-tuned）算法的显著性检测,并生成显著图。同时对激光雷达反射点进行基于数据关联性评估的聚类分析,确定障碍物数量、边界与位置等先验信息。然后以激光雷达坐标相对应的图像像素坐标为种子点,由种子点激活经过处理的显著图,基于受限区域生长实现障碍物区域分割。试验结果表明,基于Ft算法的图像显著性检测具有更好的边缘检测效果,基于种子点的受限区域生长法可以有效地进行障碍物分割。在机器视觉的基础上融入激光雷达数据,可以更好地排除非障碍物的干扰,实现了障碍物的完整检出。 相似文献
16.
17.
基于强化学习的农业移动机器人视觉导航 总被引：3，自引：0，他引：3
以强化学习为基础,结合模糊逻辑理论研究了农业移动机器人通过自主学习获取导航控制策略的方法。首先使用机器视觉检测环境障碍并获取障碍物相对于移动机器人的方向和距离信息。然后应用强化学习设计了机器人自主获取导航控制策略方法,使机器人能够不断适应动态变化的导航环境。最后基于模糊逻辑离散化连续的障碍物方向和距离信息,构建了离散化的环境状态,并据此制定了自主导航学习Q值表。在自制的轮式移动机器人平台上开展了试验,结果表明机器人可以在实际导航环境中自动获取更优的导航策略,完成预期的导航任务。 相似文献