隨著服務(wù)機器人技術(shù)研究及應(yīng)用的不斷發(fā)展,服務(wù)機器人在文體領(lǐng)域的應(yīng)用需求開始呈現(xiàn)并成為研究熱點之一。本文設(shè)計的智能乒乓球自動撿球機器人正是順應(yīng)這些需求,相信會有廣闊的發(fā)展應(yīng)用前景。本文選用Kinect v2、RPLIDAR A1雷達作為本體傳感器,采用Kobuki作為機器人底盤,在Linux系統(tǒng)下利用ROS、Open CV、Kinect SDK等軟件庫以及C++編程語言,設(shè)計并實現(xiàn)了一款智能乒乓球自動撿球機器人。本文主要工作內(nèi)容包括:（1）分析需求并確定機器人要實現(xiàn)的目標(biāo)功能,并以此設(shè)計了總體系統(tǒng)硬件結(jié)構(gòu)和軟件模塊。（2）針對乒乓球檢測問題,利用乒乓球的顏色和形狀特征,設(shè)計了一種快速穩(wěn)定的乒乓球檢測算法,并采用基于積分圖的非局部均值濾波算法（NLM）對低質(zhì)量圖像進行去噪、采用Mc Cann-Frankle Retinex算法對光照不均勻圖像進行增強,提高了乒乓球的識別率;為了降低乒乓球的誤檢率,提出了一種根據(jù)距離和乒乓球大小比例關(guān)系過濾無效圓的方法;以相機針孔模型為基礎(chǔ)設(shè)計了乒乓球定位算法,實現(xiàn)了對乒乓球的實時全局定位功能。（3）以蟻群算法為基礎(chǔ),設(shè)計了撿球順序規(guī)劃模塊,并研究了蟻群算法... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【部分圖文】：

乒乓球自動發(fā)球機服務(wù)機器人是一類為人類提供輔助功能、擴展人類的能力、給人類帶來便利并有一定自

eon[17]等人設(shè)計了一款包括乒乓球檢測、環(huán)境感知、導(dǎo)航和乒乓球拾取模塊的完整系統(tǒng)，缺點是沒有實現(xiàn)定位和撿球順序規(guī)劃功能，且結(jié)構(gòu)復(fù)雜，實用性不高。在撿球機器人大類中，學(xué)術(shù)領(lǐng)域更多的依然是集中于機器視覺[18][19]和機械設(shè)計[20]，關(guān)注識別和拾取乒乓球的能力，也有少量的關(guān)于總體系統(tǒng)的研究[21]；在商用領(lǐng)域，撿球機器人蓬勃發(fā)展，已有高爾夫撿球機器人TheBallPicker[22]和網(wǎng)球撿球機器人Tennibot等問世，這些場景相對乒乓球場館來說面積相對較大，機器人的運行限制較小，不需要考慮避障等問題，研發(fā)難度較校圖1.2展示了目前已有的各類撿球機器人。圖1.2各式撿球機器人總的來說，目前對于撿球機器人的研究主要是從機器視覺、撿球機械手的設(shè)計、路徑規(guī)劃以及機器人機械結(jié)構(gòu)的設(shè)計等方面展開，還有很大的發(fā)展空間。1.2.2乒乓球檢測識別及定位研究現(xiàn)狀隨著機器視覺的大力發(fā)展，智能識別的技術(shù)逐漸應(yīng)用到文體領(lǐng)域。對于乒乓球檢測識別，目前的研究主要分為機器學(xué)習(xí)法[23]和傳統(tǒng)圖像處理方法[24]。機器學(xué)習(xí)的方法主要原理是使用大量的樣本進行訓(xùn)練，訓(xùn)練出一個通用的模型，然后提取出乒乓球的特征，將待檢測的圖片使用訓(xùn)練好的模型來識別圖中的乒乓球。傳統(tǒng)的圖像處理方法主要是先分割出乒乓球以及與乒乓球顏色相近的部分，然后取出圖中圓形的部分，即可取出圖中的乒乓球。機器學(xué)習(xí)的方法過于復(fù)雜，因為乒乓球的特征只有顏色和形狀兩種，訓(xùn)練需要的時間較多，而傳統(tǒng)的圖像處理有OPENCV庫可以使用，由于場景比較單一，所以使用OPENCV可以取得很好的效果，且實時性好。對于傳統(tǒng)的檢測方法，張學(xué)鋒[24]提出結(jié)合RGB與HSV兩種顏色模型來改善識別不準(zhǔn)的情況；王曉龍[25]提出用SVM分類來進一步提高識別率。識別用的攝像機可以有兩種安

南京郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文第二章系統(tǒng)總體設(shè)計9功能的實現(xiàn)。工控機即為工業(yè)控制計算機，是一種具有計算機基本硬件設(shè)備并裝有操作系統(tǒng)的微型計算機，因為其小巧且穩(wěn)定，非常適合用于智能化場景中。本文選用的工控機型號為新創(chuàng)云工控機X31-I7，它是一種用于工業(yè)環(huán)境的微型電腦，它的作用是承載軟件系統(tǒng)，保證其可靠平穩(wěn)的運行，如圖所示。該款工控機的核心參數(shù)為：CPU：IntelCOREI7內(nèi)存：容量8G硬盤大�。�500G圖2.1新創(chuàng)云工控機（2）Kinectv2雙目攝像機Kinect是微軟Xbox360使用的的3D體感相機，它是一個雙目相機，可以獲取RGB圖像和深度圖像兩個數(shù)據(jù)流，在檢測目標(biāo)的同時還可以對目標(biāo)進行定位。2014年10月，kinectv2發(fā)布，它比之前的v1版本功能和性能有很大的提升。Kinectv2有配套的提供給開發(fā)人員使用的SDK，其封裝性較好，在工程應(yīng)用中較為方便。kinect的彩色相機不會受到物體的陰影影響，這提高了乒乓球檢測的準(zhǔn)確性，并且其深度相機可以準(zhǔn)確且可靠的獲得目標(biāo)地距離相機的距離，保證了對乒乓球定位的準(zhǔn)確性。Kinectv2的主要參數(shù)如下：1個彩色攝像機，RGB圖像分辨率：1920×10801個深度攝像機，深度圖像分辨率：512×4241個紅外收發(fā)裝置可檢測范圍：0.5m-4.5m角度范圍：水平70°，垂直60°

【參考文獻】：
期刊論文
[1]改進蟻群算法求解TSP問題研究[J]. 喬東平,裴杰,李浩,文笑雨.  機械設(shè)計與制造. 2019(10)
[2]A review:On path planning strategies for navigation of mobile robot[J]. B.K.Patle,Ganesh Babu L,Anish Pandey,D.R.K.Parhi,A.Jagadeesh.  Defence Technology. 2019(04)
[3]移動機器人路徑規(guī)劃綜述[J]. 宋曉茹,任怡悅,高嵩,陳超波.  計算機測量與控制. 2019(04)
[4]視覺導(dǎo)航網(wǎng)球撿球機器人控制系統(tǒng)設(shè)計[J]. 程鵬,周朱德,陳章寶.  工業(yè)控制計算機. 2019(03)
[5]農(nóng)業(yè)機器人實驗平臺構(gòu)建與探索[J]. 李海蕓,曹亞磊,董楸煌,葉大鵬.  中國農(nóng)機化學(xué)報. 2019(01)
[6]智能乒乓球拾取機器人設(shè)計[J]. 宋安琦,李紅楠,申立佳,李晶,方瑩,賈涵中.  科技創(chuàng)新導(dǎo)報. 2018(36)
[7]差速輪式移動機器人的導(dǎo)航算法研究及仿真實驗[J]. 馬國慶,劉麗,于正林,曹國華.  制造業(yè)自動化. 2018(05)
[8]多顏色模型下的乒乓球快速檢測與實時跟蹤研究[J]. 張學(xué)鋒,戴亮亮,周建欽,儲岳中,紀(jì)濱.  計算機系統(tǒng)應(yīng)用. 2018(05)
[9]基于改進A*算法的移動機器人路徑規(guī)劃[J]. 趙曉,王錚,黃程侃,趙燕偉.  機器人. 2018(06)
[10]一種改進的非局部均值圖像去噪算法[J]. 祝嚴(yán)剛,張桂梅.  計算機工程與應(yīng)用. 2017(18)

博士論文
[1]移動機器人的路徑規(guī)劃與定位技術(shù)研究[D]. 張琦.哈爾濱工業(yè)大學(xué) 2014

碩士論文
[1]基于視覺識別的智能撿網(wǎng)球機器人開發(fā)[D]. 宿增迪.大連理工大學(xué) 2018
[2]基于視覺的乒乓球及擊球人識別系統(tǒng)研究[D]. 戴亮亮.安徽工業(yè)大學(xué) 2018
[3]基于嵌入式系統(tǒng)的雙目視覺識別與定位技術(shù)研究[D]. 王興華.哈爾濱工業(yè)大學(xué) 2016
[4]基于改進蟻群算法的撿球機器人多目標(biāo)路徑規(guī)劃研究[D]. 耿振節(jié).蘭州理工大學(xué) 2015
[5]基于Retinex理論的圖像增強算法研究[D]. 李瑩.西北大學(xué) 2014



本文編號：3214341