在移动机器人的视觉环境探索研发中,在视觉定位不精确的条件下,如何保证移动机器人可靠地运动,是目前移动机器人视觉环境探索与视觉导航中有待解决的问题。提出一种基于单帧图像语义分割的运动控制算法,利用深度卷积神经网络高鲁棒性的语义分割结果,在图像像素空间进行运动目标点规划。仅以当前观测图像为基础,以最大化探索可能运动方向为规划代价函数,在脱离全局视觉定位结果的情况下,实现移动机器人在视觉环境探索中的可靠运动控制以及避障。实验和仿真结果表明:所提出方法可满足环境探索问题中对环境覆盖以及避障的运动控制需要。

在机器视觉中,经常由于工件表面上的喷漆、镀膜、玻璃、包装膜或其他反光材质的影响,工业相机无法顺利采集到高质量的图像。因图像的对比度较低或者关键特征无法完整呈现,经常会导致机器视觉系统中误检、误判、精度低、不稳定等现象的发生,甚至输出错误的数据。针对以上问题,以电容表面字符缺陷检测和覆有透明包装膜的键盘表面字符检测实验为例,通过利用光的偏振特性,将起偏、检偏两个偏振片集成在一起,采用改进的偏振光源有效地消除了机器视觉中的强反光现象,获得了字符特征清晰的图像。

谐波减速器是工业机器人传动系统核心部件之一,为了提高国产谐波减速器传动性能,研发了一套高精度谐波减速器精度综合测试系统。该测试系统可对谐波减速器的回差、运动误差和平稳性误差进行实时动态测试,为国内谐波减速器出厂检验提供了参考。

闭环检测是移动机器人自主导航以及各种视觉定位的重要组成。近年来随着深度卷积神经网络展,基于卷积描述符的闭环检测与基于手工设计描述符的闭环检测,均在各个系统得到了应用。通过利用深度卷积神经网络实现图像匹配,并将其用于移动机器人的全局定位算法中,对其工程实际表现进行了定量评估以及对比。从所设计的试验方法量化对比出目前主流的描述符在各种场景应用中的优劣性,可知基于AlexNet模型的卷积描述符在各实验中均表现最佳,为图像匹配及其全局定位提供定量参考选择标准。

本文针对液压润滑系统失效的基本根源，阐述了实施主动预防性维护的重要性及方法步骤。