隨著網(wǎng)球賽事在我國的大力推行,我國出現(xiàn)了越來越多的專業(yè)網(wǎng)球運(yùn)動員和網(wǎng)球愛好者。網(wǎng)球運(yùn)動員每天都需要大量的訓(xùn)練,不斷重復(fù)拾取散落在地上的網(wǎng)球,大大加重了運(yùn)動員的負(fù)擔(dān)。圖像識別和路徑規(guī)劃技術(shù)在不斷高速發(fā)展,而目前卻鮮有將這些智能技術(shù)應(yīng)用于網(wǎng)球的拾取,人們撿網(wǎng)球大部分仍是依靠機(jī)械化的手動輔助撿球裝置。為了解決運(yùn)動員在訓(xùn)練過程中拾取網(wǎng)球費(fèi)時費(fèi)力這一問題,實(shí)現(xiàn)智能化撿球,本文針對智能撿球機(jī)器人的目標(biāo)識別定位與路徑規(guī)劃技術(shù)進(jìn)行了研究。首先,本文采用了基于hsv顏色空間的網(wǎng)球識別算法識別網(wǎng)球,同時利用Mask-RCNN訓(xùn)練自己的數(shù)據(jù)集來識別網(wǎng)球和障礙物。進(jìn)行實(shí)驗對比兩種算法的識別效果,最終因為基于顏色空間的識別算法受到天氣、光照、網(wǎng)球密集程度等因素的影響較大而選擇了利用CNN的識別算法。通過雙目相機(jī)標(biāo)定、三維重建,獲取網(wǎng)球和障礙物的坐標(biāo),并實(shí)時輸出。其次,由于網(wǎng)球場存在網(wǎng)球的同時存在障礙物。蟻群算法優(yōu)秀的全局規(guī)劃能力以及人工勢場算法良好的避障性能較為符合撿網(wǎng)球機(jī)器人的實(shí)際工作需要,即在撿網(wǎng)球的同時避開障礙物。因此本文將傳統(tǒng)的蟻群算法和人工勢場法結(jié)合形成勢場蟻群算法,并對其種群規(guī)模和信息素分配方式進(jìn)行... 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于視覺的帶傳動撿球機(jī)器人Figure1.2BeltdriveballpickingrobotBasedonthevision

1緒論3無錫工藝學(xué)院的馬飛設(shè)計了一款將數(shù)個傳感器數(shù)據(jù)融合的自動化撿球機(jī)器人，撿球速度約為每分鐘6個，通過四個紅外傳感器以及攝像頭來分辨網(wǎng)球，紅外計數(shù)器獲取網(wǎng)球的個數(shù)，動作控制中心通過融合算法獲取網(wǎng)球的坐標(biāo)，將實(shí)時數(shù)據(jù)發(fā)送至上位機(jī)并進(jìn)行顯示，同時激活動力系統(tǒng)，實(shí)現(xiàn)前、左、右方向避障的同時完成撿球動作。該設(shè)計方案理論上可以通過多傳感器獲得網(wǎng)球坐標(biāo)，但多傳感器融合算法較為復(fù)雜，不易實(shí)現(xiàn)，且紅外傳感器的精度也很難保證。因此需要選擇更適合的識別方式并對識別算法進(jìn)行優(yōu)化（馬飛，2017）。圖1.3基于多傳感器融合的撿球機(jī)器人Figure1.3Ballpickingrobotbasedonmulti-sensordatafusion北方工業(yè)大學(xué)的王凱等人設(shè)計出了一款基于全景攝像頭的撿球機(jī)器人，其有效識別范圍在3m以內(nèi)，在機(jī)器人的前部設(shè)計了吸球裝置，在不斷前進(jìn)的過程中依靠強(qiáng)大的吸力將球吸到一定的高度，接著球在重力的作用下通過管道后被存儲在機(jī)器人的后半部分。測試拾取6個球耗時43秒。該設(shè)計雖然吸取成功率較大，但同樣存在噪音太大、功耗過高的問題，且全景攝像頭成本較高，實(shí)用性不強(qiáng)（王凱，2017）。

智能撿網(wǎng)球機(jī)器人的目標(biāo)識別定位和路徑規(guī)劃研究4圖1.4基于全景視覺的撿球機(jī)器人Figure1.4Ballpickingrobotbasedonpanoramicvision來自華南農(nóng)業(yè)大學(xué)的吳偉鍵等人設(shè)計了一款通過葉輪撿球，超聲波避障，單目攝像頭進(jìn)行顏色識別的撿球機(jī)器人，識別速率達(dá)到了每秒20幀以上，相對小巧，且具有撿球效率高，功耗低等特點(diǎn)，但每次識別僅能識別單個目標(biāo)，識別準(zhǔn)確率較低，且無法獲取準(zhǔn)確坐標(biāo)，并且缺少路徑規(guī)劃模塊，智能化程度較低，仍有較大提升空間（吳偉鍵，2019）。

【參考文獻(xiàn)】：
期刊論文
[1]一種新型卷積神經(jīng)網(wǎng)絡(luò)植物葉片識別方法[J]. 朱良寬,晏銘,黃建平.  東北林業(yè)大學(xué)學(xué)報. 2020(04)
[2]基于樹莓派的雙目測距技術(shù)研究[J]. 王江波,常璐瑤,楊昆,李建源,朱夢涵.  儀表技術(shù). 2020(03)
[3]基于Faster RCNN變電設(shè)備紅外圖像缺陷識別方法[J]. 李文璞,謝可,廖逍,李小寧,王皓.  南方電網(wǎng)技術(shù). 2019(12)
[4]基于Mask RCNN的目標(biāo)識別與空間定位[J]. 歐攀,路奎,張正,劉澤陽.  計算機(jī)測量與控制. 2019(06)
[5]基于遷移學(xué)習(xí)和Mask R-CNN的稻飛虱圖像分類方法[J]. 林相澤,朱賽華,張俊媛,劉德營.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(07)
[6]智能網(wǎng)球收球機(jī)器人系統(tǒng)[J]. 吳偉鍵,曾毅杰,馮貴斌.  科技視界. 2019(05)
[7]基于Mask R-CNN的物體識別和定位[J]. 彭秋辰,宋亦旭.  清華大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[8]基于改進(jìn)Faster R-CNN的空中目標(biāo)檢測[J]. 馮小雨,梅衛(wèi),胡大帥.  光學(xué)學(xué)報. 2018(06)
[9]一種多傳感器數(shù)據(jù)融合的智能撿球機(jī)器人結(jié)構(gòu)設(shè)計[J]. 馬飛.  內(nèi)蒙古師范大學(xué)學(xué)報(自然科學(xué)漢文版). 2017(04)
[10]動態(tài)環(huán)境下基于改進(jìn)蟻群算法的機(jī)器人路徑規(guī)劃研究[J]. 屈鴻,黃利偉,柯星.  電子科技大學(xué)學(xué)報. 2015(02)

博士論文
[1]移動機(jī)器人的路徑規(guī)劃與定位技術(shù)研究[D]. 張琦.哈爾濱工業(yè)大學(xué) 2014
[2]基于勢場法和遺傳算法的機(jī)器人路徑規(guī)劃技術(shù)研究[D]. 劉傳領(lǐng).南京理工大學(xué) 2012
[3]移動機(jī)器人路徑規(guī)劃的蟻群優(yōu)化算法研究[D]. 趙娟平.東北大學(xué) 2012
[4]基于機(jī)器視覺的水果品質(zhì)實(shí)時檢測與分級生產(chǎn)線的關(guān)鍵技術(shù)研究[D]. 饒秀勤.浙江大學(xué) 2007
[5]基于遠(yuǎn)程相關(guān)性的圖像處理[D]. 王舟.華南理工大學(xué) 1998

碩士論文
[1]基于視覺識別的智能撿網(wǎng)球機(jī)器人開發(fā)[D]. 宿增迪.大連理工大學(xué) 2018
[2]結(jié)合粒子群算法和改進(jìn)蟻群算法的機(jī)器人混合路徑規(guī)劃[D]. 宋彬.中國礦業(yè)大學(xué) 2018
[3]基于多目標(biāo)和動態(tài)環(huán)境的室內(nèi)智能車路徑規(guī)劃[D]. 劉祎然.北京郵電大學(xué) 2018
[4]基于全景視覺的網(wǎng)球服務(wù)機(jī)器人的設(shè)計與研究[D]. 王凱.北方工業(yè)大學(xué) 2017
[5]基于小波變換和中值濾波的圖像去噪方法研究[D]. 胡娟.成都理工大學(xué) 2017
[6]改進(jìn)蟻群算法在機(jī)器人路徑規(guī)劃上的應(yīng)用研究[D]. 喻環(huán).安徽大學(xué) 2017
[7]基于改進(jìn)蟻群算法的撿球機(jī)器人多目標(biāo)路徑規(guī)劃研究[D]. 耿振節(jié).蘭州理工大學(xué) 2015
[8]改進(jìn)量子蟻群算法的研究及應(yīng)用[D]. 李亞龍.安徽大學(xué) 2014
[9]基于彩色圖像和深度圖像的人頭跟蹤[D]. 張力.大連理工大學(xué) 2013
[10]基于OPENCV的計算機(jī)視覺技術(shù)研究[D]. 黃佳.華東理工大學(xué) 2013



本文編號：3407967