机器人视觉（Robot Vision）简介 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。 图像的获取 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成： ＊照明 ＊图像聚焦形成 ＊图像确定和形成摄像机输出信号
智能机器人的语音识别 语音识别概述 最近，由于其重大的理论意义和实用价值，语音识别已经受到越来越多的关注。到现在为止，多数的语音识别是基于传统的线性系统理论，例如隐马尔可夫模型和动态时间规整技术。随着语音识别的深度研究，研究者发现，语音信号是一个复杂的非线性过程，如果语音识别研究想要获得突破，那么就必须引进非线性系统理论方法。最近，随着非线性系统理论的发展，如人工神经网络，混沌与分形，可能应用这些理论到语音识别中。因此，本文的研究是在神经网络和混沌与分形理论的基础上介绍了语音识别的过程。 语音识别可以划分为独立发声式和非独立发声式两种。非独立发声式是指发音模式是由单个人来进行训练，其对训练人命令的识别速度很快，但它对与其他人的指令识别速度很慢，或者不能识别。独立发声式是指其发音模式是由不同年龄，不同性别，不同地域的人来进行训练，它能识别一个群体的指令。一般地，由于用户不需要操作训练，独立发声式系统得到了更广泛的应用。所以，在独立发声式系统中，从语音信号中提取语音特征是语音识别系统的一个基本问题。 语音识别包括训练和识别，我们可以把它看做一种模式化的识别任务。通常地，语音信号可以看作为一段通过隐马尔可夫模型来表征的时间序列。通过这些特征提取，语音信号被转化为特征向量并把它作为一种意见，在训练程序中，这些意见将反馈到HMM的模型参数估计中。这些参数包括意见和他们响应状态所对应的概率密度函数，状态间的转移概率，等等。经过参数估计以后，这个已训练模式就可以应用到识别任务当中。输入信号将会被确认为造成词，其精确度是可以评估的。整个过程如图一所示。 图1 语音识别系统的模块图
3、理论与方法 从语音信号中进行独立扬声器的特征提取是语音识别系统中的一个基本问题。解决这个问题的最流行方法是应用线性预测倒谱系数和Mel频率倒谱系数。这两种方法都是基于一种假设的线形程序，该假设认为说话者所拥有的语音特性是由于声道共振造成的。这些信号特征构成了语音信号最基本的光谱结构。然而，在语音信号中，这些非线形信息不容易被当前的特征提取逻辑方法所提取，所以我们使用分型维数来测量非线形语音扰动。 本文利用传统的LPCC和非线性多尺度分形维数特征提取研究并实现语音识别系统。 3.1线性预测倒谱系数 线性预测系数是一个我们在做语音的线形预分析时得到的参数，它是关于毗邻语音样本间特征联系的参数。线形预分析正式基于以下几个概念建立起来的，即一个语音样本可以通过一些以前的样本的线形组合来快速地估计，根据真实语音样本在确切的分析框架（短时间内的）和预测样本之间的差别的最小平方原则，最后会确认出唯一的一组预测系数。 LPC可以用来估计语音信号的倒谱。在语音信号的短时倒谱分析中，这是一种特殊的处理方法。信道模型的系统函数可以通过如下的线形预分析来得到： 其中p代表线形预测命令，，（k=1，2，… …，p）代表预测参数，脉冲响应用 h(n)来表示，假设h（n）的倒谱是。那么（1）式可以扩展为（2）式： 将（1）带入（2），两边同时，（2）变成（3）。 就获得了方程（4）：
移动机器人的关键技术分为以下三种: (1)导航技术 导航技术是移动机器人的一项核心技术之一[3,4]"它是指移动机器人通过传感器感知环境信息和自身状态,实现在有障碍的环境中面向目标的自主运动"目前,移动机器人主要的导航方式包括:磁导航,惯性导航,视觉导航等"其中,视觉导航15一7]通过摄像头对障碍物和路标信息拍摄,获取图像信息,然后对图像信息进行探测和识别实现导航"它具有信号探测范围广,获取信息完整等优点,是移动机器人导航的一个主要发展方向,而基于非结构化环境视觉导航是移动机器人导航的研究重点。 (2)多传感器信息融合技术多传感器信息融合技术是移动机器人的关键技术之一,其研究始于20世纪80年代18,9]"信息融合是指将多个传感器所提供的环境信息进行集成处理,形成对外部环境的统一表示"它融合了信息的互补性,信息的冗余性,信息的实时性和信息的低成本性"因而能比较完整地,精确地反映环境特征,从而做出正确的判断和决策,保证了机器人系统快速性,准确性和稳定性"目前移动机器人的多传感器融合技术的研究方法主要有:加权平均法,卡尔曼滤波,贝叶斯估计,D-S证据理论推理,产生规则,模糊逻辑,人工神经网络等"例如文献[10]介绍了名为Xavier的机器人,在机器人上装有多种传感器,如激光探测器!声纳、车轮编码器和彩色摄像机等,该机器人具有很高的自主导航能力。 (3)机器人控制器作为机器人的核心部分,机器人控制器是影响机器人性能的关键部分之一"目前,国内外机器人小车的控制系统的核心处理器,己经由MCS-51、80C196等8位、16位微控制器为主,逐渐演变为DSP、高性能32位微控制器为核心构成"由于模块化系统具有良好的前景,开发具有开放式结构的模块化、标准化机器人控制器也成为当前机器人控制器的一个研究热点"近几年,日本!美国和欧洲一些国家都在开发具有开放式结构的机器人控制器,如日本安川公司基于PC开发的具有开放式结构!网络功能的机器人控制器"我国863计划智能机器人主题也已对这方面的研究立项 视觉导航技术分类 机器人视觉被认为是机器人重要的感觉能力，机器人视觉系统正如人的眼睛一样,是机器人感知局部环境的重要“器官”,同时依此感知的环境信息实现对机器人的导航。机器人视觉信息主要指二维彩色CCD摄像机信息,在有些系统中还包括三维激光雷达采集的信息。视觉信息能否正确、实时地处理直接关系到机器人行驶速度、路径跟踪以及对障碍物的避碰,对系统的实时性和鲁棒性具有决定性的作用。视觉信息处理技术是移动机器人研究中最为关键的技术之一。
带有视觉识别模块的分拣机器人 传统的机器人分拣操作一般采用示教或离线编程方式，当机器人所处的工作环境发生改变时机器人很难即时作出相应的调整，为了使机器人具有更加智能化的功能，以阿童木并联机器人和工业智能相机为基础，组成一套带有视觉模块的机器人分拣系统。这样的分拣系统结合了并联型机器人和视觉模块两个方面的优势，通过视觉模块智能的识别不同的对象，系统可以完成高速的分拣工作，显著提升了机器人对工作环境的适应能力，提高了工作效率。同时，实验结果证明了该系统软硬件设计正确，分拣成功率高。 随着我们国家生产需求的不断增加，机器人越来越多的参与到各行各业的生产过程中来。其中，对工件的分拣作业是当前生产过程中的一个重要环节，传统的机器人分拣，其动作和目标的摆放位置都需要根据程序预先严格的设定。一旦机器人所处的环境有所改变，很容易导致抓取错误。本文模拟工业生产中的分拣作业环境，引入视觉模块，用摄像机来模拟人类的视觉功能来对待测的对象进行识别分类，可以使分拣作业拥有更高的可靠性和灵活性，作业对象以及分拣工序可以随时随地的变换，也提高了工作的效率和机器人的智能化程度。 1机器人系统组成介绍 我们设计的机器人分拣系统主要由并联机器人、视觉模块、传送带装置以及分拣对象组成，结构如图1所示： 1.1并联机器人 相比于其他工业机器人，并联机器人占用较小的空间，其更具有高速度、高精度、灵活性等特点，更能適合苛刻的工业生产需求。我们在实验中采用的是阿童木4轴并联型机器人，如图2所示，它能够完成空间中X、Y、Z方向的移动及角度的转动。除了并联型机器人本体之外，机器人配套设施还包括机器人控制柜、控制编程器和驱动机器人各关节运动的伺服交流电机。机器人末端执行机构为气动吸盘，用于吸附传送带上的分拣对象，完成抓取动作。 1.2 视觉模块 视觉模块我们采用康奈视公司的In-Sight7000型智能相机，如图3所示。该视觉模块能够智能的识别出实验中不同种类的实验对象，以及采集各个实验对象的位置信息。 1.3网络交换机 实验中，我们使用一般的家用路由器来替代网络交换机。视觉模块采集到的信息要通过局域网来络传递给机器人，因此我们要用到网络交换机来搭建局域网络，进而使各个模块间完成信息传输。
开放实验项目报告 项目名称：语音识别机器人 专业 学生姓名 班级学号 指导教师 指导单位 2012/2013学年第一学期 一．设计背景
在科学日新月异的今天，电子设备的便捷化，人性化，智能化已成为不可逆转的潮流，而语音控制智能，更是其中研究发展的热点。凌阳SPCE061以其便捷的操作，可靠的性能，成为了各位电子爱好者的首选。本实验采用凌阳61板和运动小车（迷你型）模组设计的语音控制小车。凌阳板嵌入小车模型顶部。语音处理技术不仅包括语音的录制和播放，还涉及语音的压缩编码和解码、语音的识别等各种处理技术。本设计的语音控制小车，借助于SPCE061A在语音处理方面的特色，不仅具有前进、后退、左转、右转、停止等基本程序控制功能，而且还具备语音控制功能。 二．总流程图
三．主要模块 1、凌阳SPCE061是继μ’nSP?系列产品SPCE500A等之后凌阳科技推出的又一款16 位结构的微控制器。与SPCE500A不同的是，在存储器资源方面考虑到用户的较少资源的需求以及便于程序调试等功能，SPCE061A里只内嵌32K字的闪存（FLASH ）。较高的处理速度使μ’nSP?能够非常容易地、快速地处理复杂的数字信号。因此，与SPCE500A相比，以μ’nSP?为核心的SPCE061A 微控制器是适用于数字语音识别应用领域产品的一种最经济的选择。 其性能如下： A、16 位μ’nSP?微处理器； B、工作电压(CPU) VDD 为2.4~3.6V (I/O) VDDH 为2.4~5.5V C、CPU 时钟：0.32MHz~49.152MHz ； D、内置2K 字SRAM； E、内置32K FLASH； F、可编程音频处理； G、晶体振荡器; H、系统处于备用状态下(时钟处于停止状态)，耗电仅为2μA@3.6V ； I、2 个16 位可编程定时器/计数器(可自动预置初始计数值)； J、2 个10 位DAC(数-模转换)输出通道； K、32 位通用可编程输入/输出端口； L、14 个中断源可来自定时器A / B ，时基，2 个外部时钟源输入，键唤醒；
题目移动机器人的发展现状及趋势授课老师唐延柯 学生姓名 学号 专业电子信息工程 教学单位德州学院 完成时间 2013年11月16日
一、摘要 (2) 二、引言 (2) 三、智能机器人的构成 (3) 3.1硬件构成 (3) 3.2 软件构成 (3) 四、国内外在该领域的发展现状综述 (4) 五、智能移动机器人的应用及分类 (5) 5.1 智能机器人的应用 (5) 5.2 智能机器人分类 (7) 六、展望与讨论 (9) 6.1智能机器人的发展趋势展望 (9) 6.2 建议及设想 (10) 七、结论 (10) 八、参考文献 (11)
智能机器人的现状及其发展趋势 一、摘要 本文扼要地介绍了智能机器人技术的发展现状，以及世界各国智能机器人的发展水平，然后介绍了智能机器人的分类，从几个典型的方面介绍了智能机器人在各行各业的广泛应用，讨论了智能机器人的发展趋势以及对未来技术的展望，最后提出了自己的建议和设想，分析我国在智能机器人方面发展并提出期望。 关键词：智能机器人；发展现状；应用；趋势 The status and trends of intellectual robot Abstract:This paper briefly discusses the development, status of intellectual robot, development of intellectual robot in many countries. And then it presents the categories of intellectual robot, talks about the extensive applications in all works of life from several typical aspects and trends of intellectual robot. After that, it puts forward prospects for future technology, suggestion and a tentative idea of myself, and analyses the development of intellectual robot in China. Finally, it raises expectations of intellectual robot in China. Key words: intellectual robot; development status; application; trend 二、引言 机器人是一种可编程和多功能的，用来搬运材料、零件、工具的操作机，或是为了执行不同的任务而具有可改变和可编程动作的专门系统。智能机器人则是一个在感知- 思维- 效应方面全面模拟人的机器系统，外形不一定像人。它是人工智能技术的综合试验场，可以全面地考察人工智能各个领域的技术，研究它们相互之间的关系。还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。一部智能机器人应该具备三方面的能力：感知环境的能力、执行某种任务而对环境施加影响的能力和把感知与行动联系起来的能力。智能机器人与工业机器人的根本区别在于，智能机器人具有感知功能与识别、判断及规划功能[1]。 随着智能机器人的应用领域的扩大，人们期望智能机器人在更多领域为人类服务，代替人类完成更复杂的工作。然而,智能机器人所处的环境往往是未知
机器人与自动化技术 “机器人、无处不在的屏幕、语音交互，这些都将改变我们看待‘电脑’的方式。一旦看、听、阅读能力得到提升，你就可以以新的方式进行交互。”----比尔?盖茨在某电视节目中，预测未来科技领域的下一件大事时表示：机器人与自动化技术将成为未来发展的一大趋势，可以改变世界！ 工业机器人的应用，正从汽车工业向一般工业延伸，除了金属加工、食品饮料、塑料橡胶、3C、医药等行业，机器人在风能、太阳能、交通运输、建筑材料、物流甚至废品处理等行业都可以大有作为。 当然，即将“改变世界”的机器人不仅仅具有代替人工的价值，在很多人类无法实现的领域也将出现机器人的身影。譬如，派送采矿机器人到月球和小行星上采挖稀土矿，将有望成为现实。 而更令比尔?盖茨寄予厚望的是机器人将像“电脑”一样改变人类的生活。 日本早稻田大学研究人员推出一种新型仿人型家务机器人。它集安全性、可靠性和灵巧性于一身，还具有仿人脸的外观。在工作时，它将一名男子抱下床，与他聊天并为他准备早餐。由于拥有和成年女性大小相当的灵巧双臂、双手，这种机器人能够用夹子将面包从面包机中取出，而丝毫不弄碎它。 英国阿伯丁大学启动了一项新的研究计划，在3年内研发出允许机器人与人类进行交谈，甚至讨论具体决定的系统……。 作为先进制造业中不可替代的重要装备，工业机器人已经成为衡量一个国家制造水平和科技水平的重要标志。 在机器人市场中，目前80%的市场份额仍由跨国公司占有，其中瑞典ABB、日本发那科FANUC、日本安川yaskawa和德国库卡KUKA四大企业则是市场第一梯队的“四大金刚”。其它有瑞士史陶比尔Staubli、德国克鲁斯CLOOS、德国百格拉、德国徕斯、德国斯图加特航空航天自动化集团（STUAA）、意太利瀚博士hanbs、意大利柯马COMAU、英国Auto Tech Robotics等。 目前国内生产机器人的企业主要有：中科院沈阳新松机器人自动化股份有限公司、芜湖埃夫特智能装备有限公司、上海新时达机器人有限公司、安川首钢机器人有限公司、哈工大海尔机器人有限公司、南京埃斯顿机器人工程有限公司、广州数控设备有限公司、上海沃迪自动化装备股份有限公司等。 2015年，中国机器人市场需求预计将达35000台，占全球比重16.9％，成为全球规模最大的市场。 一、机器人的系统构成 由3大部分6个子系统组成。 3大部分是：机械部分、传感部分、控制部分。 6个子系统是：驱动系统、机械结构系统、感受系统、机器人-环境交互系统、人-机交互系统、控制系统。
1.什么是机器视觉 【概述】 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和 CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。 正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。【基本构造】 一个典型的工业机器视觉系统包括：光源、镜头、 CCD 照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯 / 输入输出单元等。 系统可再分为： 主端电脑(Host Computer) 影像撷取卡(Frame Grabber)与影像处理器影像摄影机 CCTV镜头显微镜头照明设备： Halogen光源 LED光源 高周波萤光灯源闪光灯源其他特殊光源影像显示器 LCD 机构及控制系统 PLC、PC-Base控制器 精密桌台伺服运动机台 【工作原理】 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。 【机器视觉系统的典型结构】 一个典型的机器视觉系统包括以下五大块： 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 2.镜头FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意： ①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点 / 节点⑦畸变 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD和面阵CCD；单色相机和彩色相机。 4.图像采集卡 图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。 比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。 5.视觉处理器 视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集
浅谈机器人视觉技术 摘要 机器人视觉是使机器人具有视觉感知功能的系统，是机器人系统组成的重要部分之一。机器人视觉可以通过视觉传感器获取环境的二维图像，并通过视觉处理器进行分析和解释，进而转换为符号，让机器人能够辨识物体，并确定其位置。机器人视觉广义上称为机器视觉，其基本原理与计算机视觉类似。计算机视觉研究视觉感知的通用理论，研究视觉过程的分层信息表示和视觉处理各功能模块的计算方法。而机器视觉侧重于研究以应用为背景的专用视觉系统，只提供对执行某一特定任务相关的景物描述。机器人视觉硬件主要包括图像获取和视觉处理两部分，而图像获取由照明系统、视觉传感器、模拟－数字转换器和帧存储器等组成。本文介绍了机器人的发展以及视觉计算理论和视觉的关键技术。 关键词：机器人、视觉、计算、关键技术 一、机器人发展概述 科学技术的发展,诞生了机器人。社会的进步也提出要求,希望创造出一种能够代替人进行各种工作的机器,甚至从事人类不能及的事情。自从1959年诞生第一台机器人以来,机器人技术取得了很大的进步和发展,至今已成为一门集机械、电子、计算机、控制、传感器、信号处理等多学科门类为一体的综合性尖端科学。当今机器人技术的发展趋势主要有两个突出的特点:一个是在横向上,机器人的应用领域在不断扩大,机器人的种类日趋增多;另一个是在纵向上,机器人的性能不 断提高,并逐步向智能化方向发展。前者是指应用领域的横向拓宽,后者是在性能及水平上的纵向提高。机器人应用领域的拓宽和性能水平的提高,二者相辅相成、相互促进。 智能机器人是具有感知、思维和行动功能的机器,是机构学、自动控制、计算机、人工智能、微电子学、光学、通讯技术、传感技术、仿生学等多种学科和技术的综合成果阎。智能机器人可获取、处理和识别多种信息,自主地完成较为复杂的操作任务,比一般的工业机器人具有更大的灵活性、机动性和更广泛的应用领域。要使机器人拥有智能,对环境变化做出反应,首先,必须使机器人具有感知
移动机器人的研究现状与趋势１１５【４３】ＳｈｅｎｇＬ＇Ｇｏｌｄｅｎｂｅ唱ＡＡ．Ｒｏｂｕｓｔｄａｍｐｉｎｇ ｃｏｎ们１ｏｆｍｏｂｉｌｅｍａｌｌｊｐｕｌａｔｏｒｓ嘲．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｍｅｔｉｃｓＰａｎＢ，２００２，３２（１）：１２６．１３２． 【４４】ＳｈｅｎｇＬ，Ｇ０１ｄｅｎｂｅ唱ＡＡ．Ｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｎ乜Ｄｌｏｆｍｏｂｉｌｅｍａｎｉｐｕｌａｔｏｒｓ【Ｊ】．ＩＥＥＥ１ｈｎｓａｃｔｉｏｎｓｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓ，２００ｌ，１２（５）：１１２１．１１３３． 【４５】李磊，叶涛，谭民，等．移动机器人技术研究现状与未来【Ｊ】．机器人，２００２，２４（５）：４７５—４８０． 【４６】徐国华，谭民．移动机器人的发展现状及其趋势【Ｊ】．机器人技术与应用，２００１，（３）：７—１４． ［４７】Ｌ硼ｎｅＥＰａｒｋｅｒ．ＣｏｏｐｅｒａｔｉｖｅＲｏｂｏｔｉｃｓｆｏｒＭｕｌｔｉ＿Ｔａｒｇｅｔ０ｂｓｅｒｖａｔｉｏｎ［Ｊ］．ＩｎｔｅｌｌｉｇｅｎｔＡｕｔｏｍａｔｉｏｎａｎｄＳｏｆｔＣｏｍｐｕｔｉｎｇ，ｓｐｅｃｉａｌｉｓｓｕｃｏｎＲｏｂｏｔｉｃｓＲｅｓｅａｒｃｈａｔＯａｋＲｉｄｇｅＮａｔｉｏｎａｌＬａｂｏｍｔｏｒｙ，１９９９，５（１）：５—１９． ［４８】ＭａｍｒｉｃＭＪ．ＬｅａｍｉｎｇｔｏＢｅｈａｖｅＳｏｃｉａｌｌｙ【Ａ】．ＦｒｏｍＡｎｉｍａｌｓｔ０Ａｎｉｍａｔｓ：ＩｎｔｅｍａｔｉｏｎａｌｃｏｎｆｅｒｅｎｃｅｏｎＳｉｍｕｌａｔｉｏｎｏｆＡｄａｐｔｉｖｅＢｅｈａｖｉｏｒ【ｃ］．１９９４．４５３－４６２． ［４９］ｕｅｙａｍａＴ，Ｆｕｌ（ＩｌｄａＴ．ｓｅｌｆ－ｏ唱ａＩｌｉｚａｔｉｏｎｏｆＣｅｌｌｕｌａｒＲｏｂｏｔｓｕｓｉｎｇＲａｎｄｏｍｗａｌｌ【ｗｉｍｓｉｍｐｌｅＲｕｌｅｓ【Ａ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＩ—ＣＲＡ【ｃ】．１９９３５９５—６００． ［５０】王越超．多机器人协作系统研究［Ｄ】．哈尔滨：哈尔滨工业大学，１９９９． ＰｒｅｓｅｎｔＳｉｔｕａｔｉｏｎａｎｄＦｕｔｕｒｅＤｅＶｅｌｏｐｍｅｎｔ ｏｆＭｏｂｉｌｅＲｏｂｏｔＲｅｓｅａｒｃｈ ｚＨＡＮＧＭｉｎｇ?１ｕ，ＤＩＮＧＣｈｅｎｇ－ｊｕｎ，ＤＵＡＮＰｉｎｇ （ｓｃｈｏｏｌｏｆＭｅｃｈ锄ｉｃａｌＥｎｇｉｎｅｅｒｉｎ舀ＨｅｂｅｉＵｎｉｖｅｒｓ时ｏｆＴｅｃｌｌｎｏｌｏ鼢Ｔｉ柚ｊｉｎ３００１３０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｐｒｅｓｅｎｔｒｅｓｅａｒｃｈｓｉｔｕａｔｉｏｎｏｆｍｏｂｉｌｅｒｏｂｏｔｉｓａｎａｌｙｚｅｄａｎｄｓｕｌ砌ａｒｉｚｅｄｉｎｃｌｕｄｉｎｇｉｔｓｃｏｍｐｕｔｅｒｃｏｎｔｒｏｌｓｙｓｔｅｍ，ｉｎｆｂｍｌａｔｉｏｎｆｕｓｉｏｎｏｆ ｍｕｌｔｉ－ｓｅｎｓｏｒｓ，ｅｎｖｉｒｏｍｅｎｔｒｅｃｏｇＩｌｉｔｉｏｎ，ｒｏｂｏｔＶｉｓｉｏｎ，ｒｏａｄｆｏｌｌｏｗｉｎｇａｎｄｉｎｔｅｌｌｉｇｅｎｔｃｏｎ仃Ｄ１．ＩｎｔｈｅｅｎｄｔｈｅｓｔｕｄｙｔｒｅｎｄｏｆＩＩｍｌｔｉ—ｒｏｂｏｔｃｏｏｒｄｉｎａｔｉｏｎａｎｄｍｏｂｉｌｅｍａｎｉｐｕｌａｔｏｒｉｓｐｏｉｎｔｅｄｏｕｔ． Ｋｅｙｗｏｒｄｓ：ｍｏｂｉｌｅｒｏｂｏｔ；ｉｎｆｂｍａｔｉｏｎｍｓｉｏｎ；ｒｏａｄ ｆｏｌｌｏｗｉｎｇ；曲ｅｌｌｉｇｅｎｔｃｏｎ仃０１；ｍｕｌｔｉ—ｒｏｂｏｔ 作者简介：张明路，工学博士、教授，博士生导师．１９９７年，毕业于天津大学 机械学专业，获博士学位．现任河北工业大学机械工程学院院长，全国高校机器人及自动化学会常务理事，河北省振动工程学会副理事长，“中国机械工程’杂志社编委会理事，天津市自动化技术及应用研究会副秘书长，天津市机械工程学会理事，中国机械工程教育协会高校机电类学科教学委员会委员．近年来承担了国家８６３计划等科研项目多项，发表学术论文３０余篇，其中ｓｃＩ收录３篇，ＥＩ收录１１篇．主页：ｈｔｔｐ：／／ｍｅｓ．ｈｅｂｕｔ．ｅｄｕ．ｃｌｌ／ｉｎｍｅｃｈｊＶｅｂ／ｉｎｄｅｘ．ｈｔＩＩｌ 联系电话：０２２—２６５“５０６；Ｅ．ｍａｎ：ｚｈａｎｇｍｌ＠ｈｅｂｕｔ．ｅｄｕ．ｃｎ
智能移动机器人 近年来，随着机器人研究的不断发展，机器人技术开始源源不断地向人类活动的各个领域渗透，结合这些领域的应用特点，各种各样的具有不同功能的机器人被研制出来，并且在不同的应用领域都得到了广泛的应用。 本文主要设计一个配置机械手的智能移动机器人，可以调速、转弯、抓取物体。涉及到双目摄像头定位、激光测距、电机控制、压力传感器等技术。 一、系统总体结构图 机器人系统主要由机械系统、驱动控制系统、视觉系统、传感器系统、上位机系统、电源系统以及人机交互系统等组成。 系统总体结构图如下： 智能机器人平台采用了主从结构的分布式处理方式，由上位机系统来协调控制各个子模块系统。各个子系统都有自己的数据处理机制，数据处理都在本模块的DSP处理器中完成。上位机只是负责数据融合、任务分解、策略选择制定、协调控制各子模块等工作。当上位机需要某个模块的数据时，子模块向上位机提供该模块经过处理以后的数据。由于大量的数据处理都在各个子模块中完成，上位机得到的都是经过处理后的小量数据，大大减少了上位机的负担。采用这种方式既提高了上位机的效率，又增加了系统的稳定性，方便系统的维护。 二、机械手
该机械手的设计仿照人类手臂的构造，总共有五个自由度，包括抬手臂转动关节，肩转动关节，肘转动关节，腕转动关节，手爪旋转关节与手爪开闭关节。这种多自由度的设计使得机械手具有较大的灵活度，以适应抓取不同目标物体的要求。 三、控制系统 1、感知系统 感知系统也就是传感器系统，本智能机器人系统的传感器系统可以只包含两个传感器，一个是测障、测距用激光传感器，一个是抓物时压力感测的压力传感器。 红外测距传感器（简称PSD：Poison Sensitive Detector）： 通常采用光学三角测量方法来确定机器人同物体之间的距离：传感器的红外发光管发出红外光，当红外光没有碰到障碍的时候，红外光保持前行；当红外光碰到障碍的时候，红外光反射回来，并进入探测器。这样，在反射点，发射器，探测器之间形成一个三角形，探测器通过镜面反射，将红外光射入一个线性CCD中，由CCD测量反射光的角度，并由角度的大小来计算障碍物的距离。本机器人系统配置4路PSD传感器，分别以接近于90度的角度间距安装于机器人的前、后、左、右四个方向上和机械臂抓手的手掌内。 图2 PSD传感器位置示意图 压力传感器： 测得与物体接触的压力值返回给DSP分析处理：是否继续抓紧动作。装在机械臂抓手的每个手指上。 传感器系统结构图
机器人视觉系统 ——人脸识别技术 优势 1 不被察觉，不会引起人的反感。 2 非接触性，不需要和设备接触即可识别 3 自然性 4 准确，可靠，灵活。 原理 在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。 主要过程 一般分三步： (1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。 (2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。（智械科技） (3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。 实现方法 基于OpenCv人脸识别设计方案 1 系统组成 以OpenCV 图像处理库为基础，利用库中提供的相关功能函数进行各种处理：通过相机对图像数据进行采集，人脸检测主要是调用已训练好的Haar 分类器来对采集的图像进行模
式匹配，检测结果利用PCA 算法可进行人脸图像训练与身份识别，而人脸表情识别则利用了Camshift 跟踪算法和Lucas–Kanade 光流算法。
机器人视觉系统(Robot Vision)简介 【字体：大中小】时间：2014-08-28 11:00:06 点击次数：23次 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。 图像的获取 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成： ＊照明 ＊图像聚焦形成 ＊图像确定和形成摄像机输出信号
智能机器人语音识别技术 姓名：李占博 学号：201215715
关键词：智能机器人；语音识别；隐马尔可夫模型 DSP 摘要：给出了一种由说话者说出控制命令，机器人进行识别理解，并执行相应动作的实现技术。在此，提出了一种高准确率端点检测算法、高精度定点DSP动态指数定标算法，以解决定点DSP实现连续隐马尔科夫模型CHMM识别算法时所涉及的大量浮点小数运算问题，提高了定点DSP实现的实时性、精度，及其识别率。 关键词：智能机器人；语音识别；隐马尔可夫模型；DSP 1 语音识别概述 语音识别技术最早可以追溯到20世纪50年代，是试图使机器能“听懂”人类语音的技术。按照目前主流的研究方法，连续语音识别和孤立词语音识别采用的声学模型一般不同。孤立词语音识别一般采用DTW动态时间规整算法。连续语音识别一般采用HMM模型或者HMM与人工神经网络ANN相结合。 语音的能量来源于正常呼气时肺部呼出的稳定气流，喉部的声带既是阀门，又是振动部件。语音信号可以看作是一个时间序列，可以由隐马尔可夫模型(HMM)进行表征。语音信号经过数字化及滤噪处理之后，进行端点检测得到语音段。对语音段数据进行特征提取，语音信号就被转换成为了一个向量序列，作为观察值。在训练过程中，观察值用于估计HMM 的参数。这些参数包括观察值的概率密度函数，及其对应的状态，状态转移概率等。当参数估计完成后，估计出的参数即用于识别。此时经过特征提取后的观察值作为测试数据进行识别，由此进行识别准确率的结果统计。训练及识别的结构框图如图1所示。
1. 1 端点检测 找到语音信号的起止点，从而减小语音信号处理过程中的计算量，是语音识别过程中一个基本而且重要的问题。端点作为语音分割的重要特征，其准确性在很大程度上影响系统识别的性能。 能零积定义：一帧时间范围内的信号能量与该段时间内信号过零率的乘积。 能零积门限检测算法可以在不丢失语音信息的情况下，对语音进行准确的端点检测，经过450个孤立词(数字“0～9”)测试准确率为98％以上，经该方法进行语音分割后的语音，在进入识别模块时识别正确率达95％。 当话者带有呼吸噪声，或周围环境出现持续时间较短能量较高的噪声，或者持续时间长而能量较弱的噪声时，能零积门限检测算法就不能对这些噪声进行滤除，进而被判作语音进入识别模块，导致误识。图2(a)所示为室内环境，正常情况下采集到的带有呼气噪声的数字“0～9”的语音信号，利用能零积门限检测算法得到的效果示意图。最前面一段信号为呼气噪声，之后为数字“0～9”的语音。
智能移动式送料机器人机械系统设计 摘要：智能移动式送料机器人以电动机作为驱动系统，运用单片机传感器等技术达到其智能移动的目的，实现行走、刹车、伸缩、回转等多种动作的操作。因此它具有机械化、程序化、可控化、适应性、灵活性强的特点。 前言：工业机器人是一种典型的机电一体化产品在现代生产中应用日益广泛，作用越来越重要，机器人技术是综合了计算机、控制、机构学、传感技术等多学科而形成的高新技术是当代研究十分活跃，应用日益广泛的领域。
现在，国际上对机器人的概念已经逐渐趋近一致。一般说来，人们都可以接受这种说法，即机器人是靠自身动力和控制能力来实现各种功能的一种机器。联合国标准化组织采纳了美国机器人协会给机器人下的定义：“一种可编程和多功能的，用来搬运材料、零件、工具的操作机；或是为了执行不同的任务而具有可改变和可编程动作的专门系统。”我国研制的排爆机器人不仅可以排除炸弹，利用它的侦察传感器还可监视犯罪分子的活动。监视人员可以在远处对犯罪分子昼夜进行观察，监听他们的谈话，不必暴露自己就可对情况了如指掌。 智能小车，又称轮式机器人，可以在人类无法
适应的恶劣和危险环境中代替人工作。它是一个集环境感知，规划决策，自动驾驶等功能于一体的智能系统。现如今已在诸多领域有广泛的应用。对于快要毕业的大学生来说也是一个实时、富有意义和挑战的设计课题。 正文： 设计方案： 一课题名称：智能移动式送料机器人设计 二机器人工作过程及设计要求 自主设计智能移动小车，设计一个取料 手爪装配到小车上，完成取料机器人的机械系统设计，并进行机器人运动规划和取料虚拟仿真，使机
器人完成如下动作：沿规定路径行驶——工件夹取——车体旋转——手爪张开，将工件从储存处送到运料车上。 三机器人设计的内容 一机械手的设计：
移动机器人的发展史和应用领域 移动机器人的发展史和应用领域电子元件知识11月29日讯，智能移动机器人，是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。它集中了传感器技术、信息处理、电子工程、计算机工程、自动化控制工程以及人工智能等多学科的研究成果，代表机电一体化的最高成就，是目前科学技术发展最活跃的领域之一。随着机器人性能不断地完善，移动机器人的应用范围大为扩展，不仅在工业、农业、医疗、服务等行业中得到广泛的应用，而且在城市安全、国防和空间探测领域等有害与危险场合得到很好的应用。因此，移动机器人技术已经得到世界各国的普遍关注。 移动机器人的研究始于60年代末期。斯坦福研究院（SRI）的NilsNilssen和CharlesRosen 等人，在1966年至1972年中研发出了取名Shakey的自主移动机器人。目的是研究应用人工智能技术，在复杂环境下机器人系统的自主推理、规划和控制。 什么是移动机器人？ 根据移动方式来分，可分为：轮式移动机器人、步行移动机器人（单腿式、双腿式和多腿式）、履带式移动机器人、爬行机器人、蠕动式机器人和游动式机器人等类型；按工作环境来分，可分为：室内移动机器人和室外移动机器人；按控制体系结构来分，可分为：功能式（水平式）结构机器人、行为式（垂直式）结构机器人和混合式机器人；按功能和用途来分，可分为：医疗机器人、军用机器人、助残机器人、清洁机器人等； 一种由传感器、遥控操作器和自动控制的移动载体组成的机器人系统。移动机器人具有移动功能，在代替人从事危险、恶劣（如辐射、有毒等）环境下作业和人所不及的（如宇宙空间、水下等）环境作业方面，比一般机器人有更大的机动性、灵活性。 移动机器人是一种在复杂环境下工作的，具有自行组织、自主运行、自主规划的智能机器
Topic Insights Robotics:From Automation to Intelligent Systems Eduardo Nebot Director of Australian Centre for Field Robotics;Fellow of the Australian Academy of Technology and Engineering,Australia This paper presents a brief overview of the progress that has been made in autonomous robots during the past few years.It pre- sents the fundamental problems that have been addressed to enable the successful deployment of robotic automation in indus- trial environments.It also describes some of the challenges facing future autonomous applications in more complex scenarios,such as urban vehicle automation. Initial implementations of robotics manipulators began in the late1950s,with applications in automotive manufacturing. Hydraulic systems were then replaced by electrical motors, making the robots more agile and controllable.The robots were initially used in very constrained and repetitive tasks,such as welding.They were controlled based on internal kinematics,with no sensing information about the current state of the environ- ment.The?rst innovation in this area started in the early 1980s,with the introduction of visual feedback provided by cameras.Several different sensor modalities were also added to monitor and interact with the environment,such as lasers and force sensors.Nevertheless,most of the work with manipulators was performed within a?xed area of operation.In such cases, there was almost no uncertainty regarding the location of the robot,and the external environment was very and understood. A very different scenario occurs when a robot is move around within its environment.Two new become essential to address this problem:positioning tion.A robot moving within a working area needs to is,to know its position and orientation with respect to a frame.In addition,it needs to have a very good the area in proximity in order to move safely with other objects. The?rst successful demonstrations of mapping and were implemented in indoor environments,and mostly sonic sensor information to obtain high-de?nition maps process consists of building a navigation map by within the environment under manual operation,and this map to localize the robot when working next breakthrough demonstrated that these two be done simultaneously,and thereby initiated a very of research known as simultaneous localization (SLAM)[3,4].These new algorithms enabled the building of a map and localization while exploring a and facilitated the deployment of large indoor applications. The?rst major impact of autonomous technology in outdoor environments was in?eld robotics,which involves the automation of large machines in areas such as stevedoring(Fig.1),mining,and defense[5]. The successful deployment of this technology in?eld robotics required the assurance that a machine would always be under con-trol,even if some of its components failed.This required the devel-opment of new sensing technology based on a variety of sensor modalities such as radar and laser.These concepts were essential for the development of high-integrity navigation systems[6,7]. Such systems,as discussed in Ref.[5],include sensors that are based on different physical principles in order to ensure that no two sensor modalities can fail at the same time.Similar principles were implemented in other areas,such as mining,utilizing the concept of an‘‘island of automation”—that is,an area where only autonomous systems are allowed to operate.This fundamental constraint was essential for the successful development and deployment of autonomous systems in many industrial operations. Machine learning techniques have started to play a signi?cant role in?eld robotic automation.During the last?ve years,we have seen a signi?cant number of very successful demonstrations using Fully autonomous straddle carriers operating in the port of Brisbane, Australia.