共查询到18条相似文献，搜索用时 515 毫秒
1.
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
2.
3.
随着农业科技的发展,机器人技术凭借其作业效率高、人力资源投入少、安全隐患小等优点,在农业生产方面的应用越来越广泛。但是,机器人在未知的农业生产环境中,缺乏自动寻径功能,自适应运动能力较弱,在躲避障碍物方面的研究更是少之又少。为此,通过研究农业机器人运动系统结构及自我定位原理,建立了农业机器人运动模型,完成了避障路径规划的结构设计,并采用模糊控制算法,对机器人避障流程进行了合理规划。最后,进行仿真实验,验证了农业机器人能够成功躲避障碍物,即机器人避障路径规划的可行性。 相似文献
4.
5.
为了提高采摘机器人自主导航的环境适应能力,提出了一种基于改进的遗传算法的模糊学习逻辑控制方法,提高了机器人路径规划的能力和效率,缩短了路径规划所用时间。该方法以传感器测得的障碍物距离、轮转速和目标地点方向作为输入量,左右驱动轮的速比作为输出量,控制机器人的移动路径和方向。为了使机器人规划的路径尽量短,达到节能的目的,引入了改进的遗传算法,使用修正项对遗传算法进行改进,建立了适应度函数的基本模型。最后,对采摘机器人的性能进行了测试,通过测试发现:机器人可以成功地躲避障碍物,且能够完成最短路径规划,规划反应时间短、可靠性高。 相似文献
6.
7.
为了提高果蔬采摘机器人机械手采摘路径规划决策的效率,降低数据分析的冗余性,在分析生物免疫系统功能、作用机理及特点的基础上,提出了一种基于相似性矢量距的免疫遗传算法,并将其植入到了机械手躲避障碍物的决策系统中。该算法利用相似矢量矩方法将选择概率的局部搜索和整体搜索有机地结合起来,使算法保留了最优抗体,保证了计算不陷入局部最优解,并使抗体的计算具有了多样性。为了验证算法的有效性和可靠性,设计了果实采摘机器人的测试样机。通过测试发现:机器人机械手动作过程中可以有效地躲避障碍物,到达指定的目标采摘区域,在相似矢量矩免疫遗传算法、免疫遗传算法和相似矢量矩3种算法的测试结果中,相似矢量矩免疫遗传算法的收敛性最好,优化路径最优。 相似文献
8.
在农业生产中,由于农作物生长环境的复杂性及传统的机械作业,易对农作物造成损伤。针对该未知复杂环境中的采摘机器人自主避障设计,提出了基于足球比赛运动的采摘机器人进行了自主避障系统,实现采摘机器人自主导航。基于足球比赛运动策略的采摘机器人开发设计中,为实现采摘机器人自主进行路径优化以避开障碍物,以模糊逻辑算法作为避障决策控制算法,以多种传感器感知环境信息设计避障系统。试验结果表明:安装本文设计开发的避障系统的采摘机器人可进行路径优化,自主避障,验证了该避障系统的有效性。 相似文献
9.
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
10.
《农机化研究》2021,43(11)
具有自主作业能力的采摘机器人一直是国际上研究的热点,而障碍物检测躲避能力是其重要的功能,因为在机器人识别作业区域或成熟果实后需要自主的定位和移动。为此,提出了一种基于单目视觉和人工势能场的障碍物检测和避障算法,可以有效采集和检测障碍物的信息,再依据障碍物及目标区域的距离使用人工势能场方法对路径进行优化,实现采摘机器人的自主移动。为了验证障碍物检测和避障方案的可行性,模拟采摘机器人作业环境和自主移动流程,对采摘机器人避障行为进行了测试。测试结果表明:采用单目视觉和人工势场方法可以使机器人成功的避障,并规划出效率最高的到达目标作业区域路径,对采摘机器人自主导航技术的研究具有重要的意义。 相似文献
11.
针对大田作业农业机器人避障问题,引入多级模糊控制策略,通过三角信息融合法处理超声波阵列信息,并采用齐次坐标变换获取全局坐标系下的障碍物信息,将其分别作为主、子模糊控制器的输入。主模糊控制器实时调整子模糊控制器的量化因子和比例因子,子模糊控制器通过模糊推理获得农业机器人的几何中心速度和等效前轮转向角,并依据阿克曼转向原理协调分配四轮驱动速度和转向角度。仿真实验表明:该控制方法能够使农业机器人规划的从起始状态到目标状态的无碰撞路径更加平滑,同时使农业机器人避障所需步数减少13%左右。 相似文献
12.
视觉导航轮式移动机器人横向预测模糊控制 总被引：6，自引：2，他引：6
提出了一种对机器视觉导航的轮式移动机器人进行横向控制的有效算法，根据轮式移动机器人运动学模型预测其横向偏差和方位偏差的变化，以修正严重滞后的机器视觉采样横向偏差和方位偏差，利用修正后的横向偏差和方位偏差设计了系统横向模型控制器。仿真结果表明，该算法有效地克服了因非结构化农田自然环境视觉识别延迟过长所引起的控制系统性能下降的问题，具有良好的控制效果和较强的纵向速度自适应能力。 相似文献
13.
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
14.
针对目前使用的采摘设备落后、工作量大、稳定性差等问题,为了提高采摘机器人的环境适应能力,对采摘机器人的避障控制系统进行了分析,拟采用模糊控制系统的方法,来加强采摘机器人避障系统的能力和效率,减少采摘机器人避开障碍物及规划出适当路径所用时间。模糊控制使用超声波检测前方障碍物距离,以控制转轮速度和方向作为输入量,速比作为输出量,控制移动的速度和方向。为使采摘机器人避障路径规划尽可能短,采用改进的遗传算法和模糊控制系统建立基本模型。对采摘机器人的避障性能进行仿真试验,结果表明:基于模糊控制的采摘机器人的避障系统可以成功地避开障碍物及规划出最短行走路径,且能够快速定位树上的果实和准确地完成采摘任务,具有效率高、易操作、采摘成功率高等特点。 相似文献
15.
温室移动机器人导航和避障模糊控制 总被引：6，自引：1，他引：6
对适用于温室农业生产的移动机器人导航和避障进行了研究，采用模糊控制技术对温室移动机器人的控制算法进行研究。利用单片机作为控制核心，研制了一种模糊控制器，并在移动机器人模型上进行了实验。实验证明，该模糊控制算法在一定程度上能够满足温室移动机器人控制的需要。 相似文献
16.
《Journal of Agricultural Engineering Research》1999,72(4):299-309
A navigation method, which employs sonar-based mapping of crop rows and fuzzy logic control-based steering, is described for a wheeled mobile robot in an agricultural environment. Crop rows are exploited for automatic navigation of a mobile robot without the need to construct artificial landmarks. The crop row map is constructed from the sonar readings and is transferred to the fuzzy logic control system, which steers the robot along the crop row. Three experiments concerning crop row mapping, fuzzy logic control, and their combination, were conducted using the experimental robot in a simulated maizefield. The errors found in evaluating the performance of these techniques were as follows: the position and directional standard errors in the mapping tests were 12·7 mm and 2·4°; those in the steering tests 16·3 mm and 2·2°; and in the overall tests 33·6 mm and 3·2°. 相似文献
17.
18.
针对果园目标检测时相机抖动以及物体相对运动导致检测图像模糊的问题,本文提出一种将DeblurGAN-v2去模糊网络和YOLOv5s目标检测网络相融合的D2-YOLO一阶段去模糊识别深度网络,用于检测识别果园模糊场景图像中的障碍物。为了减少融合网络的参数量并提升检测速度,首先将YOLOv5s骨干网络中的标准卷积替换成深度可分离卷积,并且在输出预测端使用CIoU＿Loss进行边界框回归预测。融合网络使用改进的CSPDarknet作为骨干网络进行特征提取,将模糊图像恢复原始自然信息后,结合多尺度特征进行模型预测。为了验证本文方法的有效性,选取果园中7种常见的障碍物作为目标检测对象,在Pytorch深度学习框架上进行模型训练和测试。试验结果表明,本文提出的D2-YOLO去模糊识别网络准确率和召回率分别为91.33%和89.12%,与分步式DeblurGAN-v2+YOLOv5s相比提升1.36、2.7个百分点,与YOLOv5s相比分别提升9.54、9.99个百分点,能够满足果园机器人障碍物去模糊识别的准确性和实时性要求。 相似文献