基于ABB机器人视觉引导抓取的应用

视觉是一个三维空间物体位置测量的传感器系统,特别适用于机器人引导任务。根据传感器种类分为2D和3D视觉系统。视觉系统在汽车工业界的典型应用包括涂胶检测、定位拧紧、焊接检测和工件的装配、零件搬运等。随着智能制造概念的提出,视觉系统技术的应用蓬勃发展,应用范围逐渐扩大,逐步进入高端智能装备行业。本文阐述视觉搬运工艺布局、主要设备、视觉机器人控制过程,介绍视觉测量方法及实现过程,对于推广智能制造具有重要意义。     

道路视觉环境与安全行车的关系

驾驶员行车过程中80%以上的交通信息是通过视觉获得的,道路视觉环境对安全行车的影响很大.文中从驾驶员的视觉角度出发,论述了行车中驾驶员视觉环境的主要内容、范围和特征,说明了道路视觉环境对驾驶员心理、行为及安全行车的影响;提出在道路设计与改造中应充分考虑驾驶员视觉特征与道路视觉环境对驾驶员的影响,合理设计道路、交通设施和道路景观等交通环境要素,为驾驶员提供一种宜人的道路环境,以利于安全行车.     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

浅析视觉识别系统在总装装配中的应用

简要概括了工业视觉系统的发展、主要构成和特点,同时借助总装典型应用案例介绍了视觉系统在整车装配领域的应用情况,通过对应用场景的深入研究,分析了不同的视觉系统结构如何在总装装配质量保障方面发挥其重要作用。同时这些视觉系统应用成果也可为其它汽车公司总装生产线视觉应用管理和建设提供借鉴经验。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

基于视觉识别的线控制动压力滑模控制

制动安全是车辆主动安全的关键技术之一.制动决策和执行器控制是影响线控制动系统性能的两个主要因素.路面自适应性和控制器鲁棒性分别对制动决策和执行器控制有着重要影响,制约着线控制动系统的发展.本文中以一种液压调控的线控制动系统为基础,针对路面自适应性和控制器鲁棒性问题,提出一种双层结构的制动系统控制器,上层采用计算机视觉的...     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性。针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径。提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法。以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集的关联函数动态分配轨迹跟踪精度和横向稳定性的权重系数,建立了自动驾驶汽车轨迹跟踪的多目标模型预测可拓协调控制策略。数值仿真结果表明,提出的路径规划方法能保证车辆安全超车,轨迹跟踪控制策略不仅能精确地跟踪规划的路径,而且具有较高的横向稳定性和舒适性。     

基于线控转向的智能驾驶车辆路径跟踪研究

针对搭载线控转向系统的智能驾驶车辆路径跟踪问题,基于汽车动力学仿真软件分析车辆转向特性,推导出横摆角速度对转向盘转角的稳态增益曲线,并获得了仿真稳态增益与理论稳态增益之间的修正系数,以此搭建单点预瞄模型和变角传动比线控转向系统模型.通过预瞄式横向运动控制与线控转向变角传动比控制相结合的方式,完成智能驾驶车辆路径跟踪控制...     

基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。