智能捡网球机器人的目标识别定位和路径规划研究
发布时间：2021-09-24 15:05
随着网球赛事在我国的大力推行,我国出现了越来越多的专业网球运动员和网球爱好者。网球运动员每天都需要大量的训练,不断重复拾取散落在地上的网球,大大加重了运动员的负担。图像识别和路径规划技术在不断高速发展,而目前却鲜有将这些智能技术应用于网球的拾取,人们捡网球大部分仍是依靠机械化的手动辅助捡球装置。为了解决运动员在训练过程中拾取网球费时费力这一问题,实现智能化捡球,本文针对智能捡球机器人的目标识别定位与路径规划技术进行了研究。首先,本文采用了基于hsv颜色空间的网球识别算法识别网球,同时利用Mask-RCNN训练自己的数据集来识别网球和障碍物。进行实验对比两种算法的识别效果,最终因为基于颜色空间的识别算法受到天气、光照、网球密集程度等因素的影响较大而选择了利用CNN的识别算法。通过双目相机标定、三维重建,获取网球和障碍物的坐标,并实时输出。其次,由于网球场存在网球的同时存在障碍物。蚁群算法优秀的全局规划能力以及人工势场算法良好的避障性能较为符合捡网球机器人的实际工作需要,即在捡网球的同时避开障碍物。因此本文将传统的蚁群算法和人工势场法结合形成势场蚁群算法,并对其种群规模和信息素分配方式进行...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
基于视觉的带传动捡球机器人Figure1.2BeltdriveballpickingrobotBasedonthevision
1绪论3无锡工艺学院的马飞设计了一款将数个传感器数据融合的自动化捡球机器人，捡球速度约为每分钟6个，通过四个红外传感器以及摄像头来分辨网球，红外计数器获取网球的个数，动作控制中心通过融合算法获取网球的坐标，将实时数据发送至上位机并进行显示，同时激活动力系统，实现前、左、右方向避障的同时完成捡球动作。该设计方案理论上可以通过多传感器获得网球坐标，但多传感器融合算法较为复杂，不易实现，且红外传感器的精度也很难保证。因此需要选择更适合的识别方式并对识别算法进行优化（马飞，2017）。图1.3基于多传感器融合的捡球机器人Figure1.3Ballpickingrobotbasedonmulti-sensordatafusion北方工业大学的王凯等人设计出了一款基于全景摄像头的捡球机器人，其有效识别范围在3m以内，在机器人的前部设计了吸球装置，在不断前进的过程中依靠强大的吸力将球吸到一定的高度，接着球在重力的作用下通过管道后被存储在机器人的后半部分。测试拾取6个球耗时43秒。该设计虽然吸取成功率较大，但同样存在噪音太大、功耗过高的问题，且全景摄像头成本较高，实用性不强（王凯，2017）。
智能捡网球机器人的目标识别定位和路径规划研究4图1.4基于全景视觉的捡球机器人Figure1.4Ballpickingrobotbasedonpanoramicvision来自华南农业大学的吴伟键等人设计了一款通过叶轮捡球，超声波避障，单目摄像头进行颜色识别的捡球机器人，识别速率达到了每秒20帧以上，相对小巧，且具有捡球效率高，功耗低等特点，但每次识别仅能识别单个目标，识别准确率较低，且无法获取准确坐标，并且缺少路径规划模块，智能化程度较低，仍有较大提升空间（吴伟键，2019）。
【参考文献】：
期刊论文
[1]一种新型卷积神经网络植物叶片识别方法[J]. 朱良宽,晏铭,黄建平. 东北林业大学学报. 2020(04)
[2]基于树莓派的双目测距技术研究[J]. 王江波,常璐瑶,杨昆,李建源,朱梦涵. 仪表技术. 2020(03)
[3]基于Faster RCNN变电设备红外图像缺陷识别方法[J]. 李文璞,谢可,廖逍,李小宁,王皓. 南方电网技术. 2019(12)
[4]基于Mask RCNN的目标识别与空间定位[J]. 欧攀,路奎,张正,刘泽阳. 计算机测量与控制. 2019(06)
[5]基于迁移学习和Mask R-CNN的稻飞虱图像分类方法[J]. 林相泽,朱赛华,张俊媛,刘德营. 农业机械学报. 2019(07)
[6]智能网球收球机器人系统[J]. 吴伟键,曾毅杰,冯贵斌. 科技视界. 2019(05)
[7]基于Mask R-CNN的物体识别和定位[J]. 彭秋辰,宋亦旭. 清华大学学报(自然科学版). 2019(02)
[8]基于改进Faster R-CNN的空中目标检测[J]. 冯小雨,梅卫,胡大帅. 光学学报. 2018(06)
[9]一种多传感器数据融合的智能捡球机器人结构设计[J]. 马飞. 内蒙古师范大学学报(自然科学汉文版). 2017(04)
[10]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星. 电子科技大学学报. 2015(02)
博士论文
[1]移动机器人的路径规划与定位技术研究[D]. 张琦.哈尔滨工业大学 2014
[2]基于势场法和遗传算法的机器人路径规划技术研究[D]. 刘传领.南京理工大学 2012
[3]移动机器人路径规划的蚁群优化算法研究[D]. 赵娟平.东北大学 2012
[4]基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D]. 饶秀勤.浙江大学 2007
[5]基于远程相关性的图像处理[D]. 王舟.华南理工大学 1998
硕士论文
[1]基于视觉识别的智能捡网球机器人开发[D]. 宿增迪.大连理工大学 2018
[2]结合粒子群算法和改进蚁群算法的机器人混合路径规划[D]. 宋彬.中国矿业大学 2018
[3]基于多目标和动态环境的室内智能车路径规划[D]. 刘祎然.北京邮电大学 2018
[4]基于全景视觉的网球服务机器人的设计与研究[D]. 王凯.北方工业大学 2017
[5]基于小波变换和中值滤波的图像去噪方法研究[D]. 胡娟.成都理工大学 2017
[6]改进蚁群算法在机器人路径规划上的应用研究[D]. 喻环.安徽大学 2017
[7]基于改进蚁群算法的捡球机器人多目标路径规划研究[D]. 耿振节.兰州理工大学 2015
[8]改进量子蚁群算法的研究及应用[D]. 李亚龙.安徽大学 2014
[9]基于彩色图像和深度图像的人头跟踪[D]. 张力.大连理工大学 2013
[10]基于OPENCV的计算机视觉技术研究[D]. 黄佳.华东理工大学 2013
本文编号：3407967
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
基于视觉的带传动捡球机器人Figure1.2BeltdriveballpickingrobotBasedonthevision
1绪论3无锡工艺学院的马飞设计了一款将数个传感器数据融合的自动化捡球机器人，捡球速度约为每分钟6个，通过四个红外传感器以及摄像头来分辨网球，红外计数器获取网球的个数，动作控制中心通过融合算法获取网球的坐标，将实时数据发送至上位机并进行显示，同时激活动力系统，实现前、左、右方向避障的同时完成捡球动作。该设计方案理论上可以通过多传感器获得网球坐标，但多传感器融合算法较为复杂，不易实现，且红外传感器的精度也很难保证。因此需要选择更适合的识别方式并对识别算法进行优化（马飞，2017）。图1.3基于多传感器融合的捡球机器人Figure1.3Ballpickingrobotbasedonmulti-sensordatafusion北方工业大学的王凯等人设计出了一款基于全景摄像头的捡球机器人，其有效识别范围在3m以内，在机器人的前部设计了吸球装置，在不断前进的过程中依靠强大的吸力将球吸到一定的高度，接着球在重力的作用下通过管道后被存储在机器人的后半部分。测试拾取6个球耗时43秒。该设计虽然吸取成功率较大，但同样存在噪音太大、功耗过高的问题，且全景摄像头成本较高，实用性不强（王凯，2017）。
智能捡网球机器人的目标识别定位和路径规划研究4图1.4基于全景视觉的捡球机器人Figure1.4Ballpickingrobotbasedonpanoramicvision来自华南农业大学的吴伟键等人设计了一款通过叶轮捡球，超声波避障，单目摄像头进行颜色识别的捡球机器人，识别速率达到了每秒20帧以上，相对小巧，且具有捡球效率高，功耗低等特点，但每次识别仅能识别单个目标，识别准确率较低，且无法获取准确坐标，并且缺少路径规划模块，智能化程度较低，仍有较大提升空间（吴伟键，2019）。
【参考文献】：
期刊论文
[1]一种新型卷积神经网络植物叶片识别方法[J]. 朱良宽,晏铭,黄建平. 东北林业大学学报. 2020(04)
[2]基于树莓派的双目测距技术研究[J]. 王江波,常璐瑶,杨昆,李建源,朱梦涵. 仪表技术. 2020(03)
[3]基于Faster RCNN变电设备红外图像缺陷识别方法[J]. 李文璞,谢可,廖逍,李小宁,王皓. 南方电网技术. 2019(12)
[4]基于Mask RCNN的目标识别与空间定位[J]. 欧攀,路奎,张正,刘泽阳. 计算机测量与控制. 2019(06)
[5]基于迁移学习和Mask R-CNN的稻飞虱图像分类方法[J]. 林相泽,朱赛华,张俊媛,刘德营. 农业机械学报. 2019(07)
[6]智能网球收球机器人系统[J]. 吴伟键,曾毅杰,冯贵斌. 科技视界. 2019(05)
[7]基于Mask R-CNN的物体识别和定位[J]. 彭秋辰,宋亦旭. 清华大学学报(自然科学版). 2019(02)
[8]基于改进Faster R-CNN的空中目标检测[J]. 冯小雨,梅卫,胡大帅. 光学学报. 2018(06)
[9]一种多传感器数据融合的智能捡球机器人结构设计[J]. 马飞. 内蒙古师范大学学报(自然科学汉文版). 2017(04)
[10]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星. 电子科技大学学报. 2015(02)
博士论文
[1]移动机器人的路径规划与定位技术研究[D]. 张琦.哈尔滨工业大学 2014
[2]基于势场法和遗传算法的机器人路径规划技术研究[D]. 刘传领.南京理工大学 2012
[3]移动机器人路径规划的蚁群优化算法研究[D]. 赵娟平.东北大学 2012
[4]基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D]. 饶秀勤.浙江大学 2007
[5]基于远程相关性的图像处理[D]. 王舟.华南理工大学 1998
硕士论文
[1]基于视觉识别的智能捡网球机器人开发[D]. 宿增迪.大连理工大学 2018
[2]结合粒子群算法和改进蚁群算法的机器人混合路径规划[D]. 宋彬.中国矿业大学 2018
[3]基于多目标和动态环境的室内智能车路径规划[D]. 刘祎然.北京邮电大学 2018
[4]基于全景视觉的网球服务机器人的设计与研究[D]. 王凯.北方工业大学 2017
[5]基于小波变换和中值滤波的图像去噪方法研究[D]. 胡娟.成都理工大学 2017
[6]改进蚁群算法在机器人路径规划上的应用研究[D]. 喻环.安徽大学 2017
[7]基于改进蚁群算法的捡球机器人多目标路径规划研究[D]. 耿振节.兰州理工大学 2015
[8]改进量子蚁群算法的研究及应用[D]. 李亚龙.安徽大学 2014
[9]基于彩色图像和深度图像的人头跟踪[D]. 张力.大连理工大学 2013
[10]基于OPENCV的计算机视觉技术研究[D]. 黄佳.华东理工大学 2013
本文编号：3407967
本文链接：https://www.wllwen.com/jiaoyulunwen/tylw/3407967.html
