基于视觉传感器的机器人控制系统(附件)【字数：13197】
摘 要随着信息技术的蓬勃发展以及其应用范围的不断拓广，机器人技术也随之而产生，起初机器人只是应用于日常生产中，但随着时代的变迁与发展，这项技术已经被广泛地应用到军事、机械、自动化、科研等多个领域，现在市场上出现最多的是移动机器人，这类机器人对于视觉方面的要求是越来越高，因为利用视觉传感器来确立目标物体的位置直接的决定了机器人的智能化程度。本文研究的是基于视觉传感器的机器人控制系统，该系统的工作原理是通过kinect上的摄像机对所处的环境进行图像的采集，然后通过串口通信实现机器人工作基站与计算机的通信，将所采集到的图像传输到计算机上，在计算机上进行图像处理，并且计算出点与点之间的距离与实验中的距离进行比较，算出偏差值 ，最后将偏差值通过串口通信传输到机器人工作基站，以此来校正机器人的路线。具体的工作有:（1）查阅有关机器人控制系统的资料，考虑从哪几个方面对它进行控制，同时研究采用何种图像处理技术；（2）搭建实验平台，选择适合系统的硬件，那本实验选择的是turtlebot作为实验平台；（3）对软件进行设计，选择与此控制系统相匹配的电脑系统（Linux系统）；（4）对设计中的电机进行控制，在此基础上规划机器人的移动路径，让它实现前进和避障的功能；（5）确定图像中特征点的偏差与机器人运动偏差之间的转换关系。
目 录
第一章 绪论 1
1.1课题研究的背景和意义 1
1.1.1研究背景 1
1.1.2研究意义 1
1.2国内外研究现状 2
1.2.1国外研究现状 2
1.2.2国内研究现状 4
1.3本论文所研究内容 5
第二章 系统设计 6
2.1系统的组成 6
2.1.1硬件设计 6
2.1.2软件设计 8
2.2硬件选型 9
2.3软件选择 10
第三章 电机驱动控制 11
3.1电机简介 11
3.1.1直流无刷伺服电机工作过程 11
3.2对电机的驱动 12
3.3驱动电机实现移动控制 13
3.4驱动电机实现位置检测 13
3.5驱动电机实现速度调节 *好棒文|www.hbsrm.com +Q: #351916072#
14
第四章 TURTLEBOT平台 16
4.1TURTLEBOT系统 16
4.2实验所需硬件设备 16
4.3测试移动状态 16
第五章 机器人控制实验结果 18
5.1实现地图创建 18
5.2编码实现前进和避障 21
5.2.1Turtlebot不避障 21
5.2.2Turtlebot避障 21
结束语 22
致 谢 23
参考文献 24
第一章 绪论
1.1课题研究的背景和意义
1.1.1研究背景
上世纪80年代首先提出了机器人视觉的概念，然后随着机器人技术的不断提高和摄像设备的不断完善，渐渐的发展为机器人研究领域内的一项关键技术，同时成为了衡量机器人智能化程度的一项重要指标。针对机器人的视觉传感器，ASME（美国制造工程师协会）和ARIA（美国机器人工业协会）的定义是：通过光学仪器设备发出扫描射线，有非接触式的接受装置捕获信号并做出处理，进而还原出真实的场景，为机器人提供视觉信息，使它们进行决策和活动的装置。
机器视觉技术是一项跨学科的技术，其内容包括机械原理、电子测量、传感器、信号分析与处理等领域，其作用是使机器人能根据外界信息做出视觉反应和处理，增强机器人适应环境的能力。例如，机器视觉导航和对地图的绘制就是机器人视觉技术的一个重要应用领域，目前还没有任何设备能实现像人那样能识别和理解各种环境。完成自主导航和地图重现。因此，目前人们努力的研究目标是研制出一款能够实时扫描周围环境，并绘制地图的视觉传感器，以满足机器人不断完善和日益复杂的功能设置与控制要求。
机器视觉传感器最重要、最核心的部分是距离度量，而传统的度量方法存在着精度低、速度低、体积大、接触式、非智能、无人机交互界面等一系列缺点，因此，使用激光等方法进行非接触式度量已经成为主要的度量方案。随着电子技术和光学技术理论的不断发展和成熟，机器视觉传感器向着结构简单、智能化、一体化，动态测量等方向发展，并且测量方式从平面测量像立体测量转变，即从2D平面测量技术到3D立体环境感知技术。目前在卫星和军工方面应用比较成熟的主要产品是激光雷达，其主要期间为激光器，作为光机电一体化的产物，激光雷达可以精确测量外界的图像信息，并通过计算和比较分析，加上精密的机械装置和运动装置，实现对外界信息的准确监控和识别。
1.1.2研究意义
目前机器人视觉采集技术仍有很多不足，主要表现为以下方面：
目前机器人的视觉信息的采集仍然需要借助惯性传感器、激光雷达和超声波传感器来获得准确的信息，并且大多数都是基于特定环境的专用传感器。
市面上的各种视觉采集系统、方法、产品都仅仅针对各自的特定环境和要求而设计、提出、制造的。而现实中环境复杂、要求也多种多样，专用的视觉传感系统不能达到人们想要的要求。比如，在许多场景中，人们都预先确定障碍物的模型特征后才进行特征的表达，这样如果障碍物的模型变化后，原有的系统也无法理解和学习了。
由于现有的电子硬件水平和计算机视觉理论技术仍然不足，无法如同人类一样快速有效的对各种视觉信息进行理解与分析。
由于对图像分析与理解处理需要存储和计算的信息十分巨大，因此效率十分的低下，从而造成机器人只能连续工作小段时间，虽然目前计算机的计算速度和存储技术也在快速发展，但这远远不能满足图像处理的要求，此外，计算机视觉理论技术仍然面临着一些问题，比如光照变化，姿态变化，遮挡的情况下缺乏合理的算法，无法有效的对物体进行识别。
3、3D激光传感器[1]已经成为机器人激光测距系统中主流的趋势，但是因为价格昂贵，所以广泛推广和应用。
激光传感器分为三类：单点激光测距传感器、2D激光测距传感器[2]和3D激光测距传感器，前两者虽然技术成熟、使用方便，但是应用场景和测距功能的局限性太大，相比而言，3D激光传感器的系统性能最好，但是由于其价格昂贵、体积偏大，而且质量过重，在一般的机器人上很难应用。
综上所述，机器人需要有一个能够判断距离发现障碍并且绘制地图的3D视觉传感器，同时具有2D传感器轻巧、廉价的特性，且能够运用在更广泛的移动机器人上，适应复杂的实际环境条件。
目 录
第一章 绪论 1
1.1课题研究的背景和意义 1
1.1.1研究背景 1
1.1.2研究意义 1
1.2国内外研究现状 2
1.2.1国外研究现状 2
1.2.2国内研究现状 4
1.3本论文所研究内容 5
第二章 系统设计 6
2.1系统的组成 6
2.1.1硬件设计 6
2.1.2软件设计 8
2.2硬件选型 9
2.3软件选择 10
第三章 电机驱动控制 11
3.1电机简介 11
3.1.1直流无刷伺服电机工作过程 11
3.2对电机的驱动 12
3.3驱动电机实现移动控制 13
3.4驱动电机实现位置检测 13
3.5驱动电机实现速度调节 *好棒文|www.hbsrm.com +Q: #351916072#
14
第四章 TURTLEBOT平台 16
4.1TURTLEBOT系统 16
4.2实验所需硬件设备 16
4.3测试移动状态 16
第五章 机器人控制实验结果 18
5.1实现地图创建 18
5.2编码实现前进和避障 21
5.2.1Turtlebot不避障 21
5.2.2Turtlebot避障 21
结束语 22
致 谢 23
参考文献 24
第一章 绪论
1.1课题研究的背景和意义
1.1.1研究背景
上世纪80年代首先提出了机器人视觉的概念，然后随着机器人技术的不断提高和摄像设备的不断完善，渐渐的发展为机器人研究领域内的一项关键技术，同时成为了衡量机器人智能化程度的一项重要指标。针对机器人的视觉传感器，ASME（美国制造工程师协会）和ARIA（美国机器人工业协会）的定义是：通过光学仪器设备发出扫描射线，有非接触式的接受装置捕获信号并做出处理，进而还原出真实的场景，为机器人提供视觉信息，使它们进行决策和活动的装置。
机器视觉技术是一项跨学科的技术，其内容包括机械原理、电子测量、传感器、信号分析与处理等领域，其作用是使机器人能根据外界信息做出视觉反应和处理，增强机器人适应环境的能力。例如，机器视觉导航和对地图的绘制就是机器人视觉技术的一个重要应用领域，目前还没有任何设备能实现像人那样能识别和理解各种环境。完成自主导航和地图重现。因此，目前人们努力的研究目标是研制出一款能够实时扫描周围环境，并绘制地图的视觉传感器，以满足机器人不断完善和日益复杂的功能设置与控制要求。
机器视觉传感器最重要、最核心的部分是距离度量，而传统的度量方法存在着精度低、速度低、体积大、接触式、非智能、无人机交互界面等一系列缺点，因此，使用激光等方法进行非接触式度量已经成为主要的度量方案。随着电子技术和光学技术理论的不断发展和成熟，机器视觉传感器向着结构简单、智能化、一体化，动态测量等方向发展，并且测量方式从平面测量像立体测量转变，即从2D平面测量技术到3D立体环境感知技术。目前在卫星和军工方面应用比较成熟的主要产品是激光雷达，其主要期间为激光器，作为光机电一体化的产物，激光雷达可以精确测量外界的图像信息，并通过计算和比较分析，加上精密的机械装置和运动装置，实现对外界信息的准确监控和识别。
1.1.2研究意义
目前机器人视觉采集技术仍有很多不足，主要表现为以下方面：
目前机器人的视觉信息的采集仍然需要借助惯性传感器、激光雷达和超声波传感器来获得准确的信息，并且大多数都是基于特定环境的专用传感器。
市面上的各种视觉采集系统、方法、产品都仅仅针对各自的特定环境和要求而设计、提出、制造的。而现实中环境复杂、要求也多种多样，专用的视觉传感系统不能达到人们想要的要求。比如，在许多场景中，人们都预先确定障碍物的模型特征后才进行特征的表达，这样如果障碍物的模型变化后，原有的系统也无法理解和学习了。
由于现有的电子硬件水平和计算机视觉理论技术仍然不足，无法如同人类一样快速有效的对各种视觉信息进行理解与分析。
由于对图像分析与理解处理需要存储和计算的信息十分巨大，因此效率十分的低下，从而造成机器人只能连续工作小段时间，虽然目前计算机的计算速度和存储技术也在快速发展，但这远远不能满足图像处理的要求，此外，计算机视觉理论技术仍然面临着一些问题，比如光照变化，姿态变化，遮挡的情况下缺乏合理的算法，无法有效的对物体进行识别。
3、3D激光传感器[1]已经成为机器人激光测距系统中主流的趋势，但是因为价格昂贵，所以广泛推广和应用。
激光传感器分为三类：单点激光测距传感器、2D激光测距传感器[2]和3D激光测距传感器，前两者虽然技术成熟、使用方便，但是应用场景和测距功能的局限性太大，相比而言，3D激光传感器的系统性能最好，但是由于其价格昂贵、体积偏大，而且质量过重，在一般的机器人上很难应用。
综上所述，机器人需要有一个能够判断距离发现障碍并且绘制地图的3D视觉传感器，同时具有2D传感器轻巧、廉价的特性，且能够运用在更广泛的移动机器人上，适应复杂的实际环境条件。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/48.html
