首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  免费   0篇
基础科学   3篇
  2020年   2篇
  2019年   1篇
排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
海洋浪涌对海洋物流吊装机械工作安全及可靠性有很大的影响。目前海浪运动补偿多基于IMU或MRU等船舶专用传感器,其成本较高。采用组合标识,提出基于视觉的吊装机器人卷扬随动控制方法。首先,对机械臂进行运动学分析以及手眼标定,采用视觉标识对复杂环境下的目标进行检测,采用主方向定位以及DLT算法对标识进行定位;然后通过建立卷扬系统模型,在速度环上采用伪微分反馈复合控制算法,使用基于双S形曲线运动规划加减算法进行目标运动跟踪、路径重规划,并采用加减速方法生成运动轨迹。通过搭建试验平台,模拟海上工作环境并进行静态目标和动态目标跟随试验,验证了卷扬升降控制的可行性以及随动控制策略的有效性。  相似文献   
2.
鉴于OpenPose进行肢体识别复杂度较高,提出基于TfPose完成人体骨架提取,并采用神经网络集成学习方法对吊装指令肢体信号进行识别,完成智能化吊装操作。首先,采用D-H法对吊装机器人进行正运动学分析,确定卷扬机构工作空间范围,并使用共形几何代数方法求解其逆运动学,完成吊装机器人从当前位置运动到目标位置的数学建模;然后,基于TfPose获取人体骨架向量和RGB骨架图,以BP神经网络和InceptionV3网络为基分类器,采用神经网络集成学习方法确定最优化权重,完成吊装指令肢体信号识别;最后,将识别的吊装指令肢体信号通过UDP通信传送给吊装机器人控制模块,以完成吊装操作。实验结果表明,该方法平均肢体识别精度达0. 977,提高了吊装效率。  相似文献   
3.
鉴于Kinect相机进行肢体识别监控距离有限,提出使用网络大变焦摄像头、构建CNN-BP融合网络进行肢体动作识别,并以9组机器人吊装指令为例进行训练和识别。首先,基于OpenPose提取18个骨架节点坐标,生成RGB骨架图和骨架向量;然后,采用迁移学习方法对RGB骨架图使用InceptionV3网络提取图像深层抽象特征,并对训练数据集采用旋转、平移、缩放和仿射多种数据增强方式,以扩充训练数据,防止过拟合;再将提取的骨架向量使用BP神经网络提取点线面等浅层特征;最后对InceptionV3网络和BP神经网络输出进行融合,并使用Softmax求解器得到肢体识别结果。将肢体识别结果输入机器人辅助吊装控制系统,建立双重验证控制方法,完成机器人辅助吊装操作。实验结果表明,该方法保证了模型运行的精度和时效性,实时识别精度达0. 99以上,大大提升了远距离人机交互能力。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号