云-边融合的四足机器人系统研究
这是一篇关于四足机器人,运动控制,步态设计,SLAM,稠密建图,云机器人的论文, 主要内容为相对于传统的轮式和履带式机器人,足式机器人具备落脚点离散、运动自由度高、运动模式多样等特点,能够更好地适应复杂的非结构化环境。其中,四足机器人既拥有优于双足机器人的稳定性,又避免了六足机器人的结构冗余,更加适用于灾后救援、野外勘探及巡逻搜查等任务。为了完成这些复杂的任务,四足机器人既需要能够在崎岖复杂的地面上保持平稳运动,又需要四足机器人能够具有环境感知能力。首先,为了满足四足机器人对于稳定运动步态的需求,本文在Doggo四足机器人开源框架的基础上,进行了精细地步态设计与控制模式优化。然后,通过同步定位与建图技术(SLAM)提高了四足机器人的环境感知能力。其中视觉SLAM凭借其成本低并且能够充分的获取环境中的信息的特点而被广泛应用。然而视觉SLAM属于计算密集型任务,仅依赖四足机器人搭载的便携式计算平台,难以满足算法处理的实时性要求。因此,本文结合云机器人技术,提出了基于云边架构的四足机器人系统,将计算密集型任务卸载至云端完成,从而有效地提升了系统的整体性能。本文开展了四足机器人搭建、步态设计与运动控制以及基于云边架构ORB-SLAM2算法部署与应用研究,具体工作和成果如下:第一,完成了四足机器人的实物搭建。选择四连杆并联结构作为四足机器人的单腿模型,并对整体结构的尺寸和质量进行控制,以确保四足机器人能够满足系统对于设备端的尺寸、运载能力和运动特性的要求;然后在电气系统方面,选择合适的控制模块、动力系统、电源模块、通信模块和传感器模块等,为后续的步态设计与SLAM功能开发提供良好的硬件基础。第二,完成四足机器人的步态设计和运动控制。首先根据四足机器人的机械结构建立了D-H坐标系,通过几何关系和运动学变换得到四足机器人单腿和整体的正、逆运动学模型;然后针对四足机器人不同的运动状态,完成了步行、对角小跑、奔跑和转向四种步态的设计;最后使用基于虚拟模型的运动控制方式,实现了四足机器人腿部机构的柔顺控制,提高了运动步态的稳定性。第三,完成了基于云边架构的四足机器人系统的设计、搭建与部署。首先,以四足机器人作为系统的设备端,Xavier作为边缘端控制器,实验室服务器作为云端,进行了基于云边架构四足机器人系统的总体架构设计。然后,以ORB-SLAM2算法为基础,增加了三维稠密地图构建功能模块。并将其按照部署位置的不同进行了功能拆解,分别在云端、边缘端进行部署。最后,对系统通信机制进行了设计与改进,实现了四足机器人的远程遥控。依托本文搭建的基于云边架构的四足机器人平台,在实验室环境下,对三维稠密地图构建功能进行实验。对比实验结果表明,基于云边架构的四足机器人系统,相对于本地端四足机器人平台,具有显著的性能提升:建图速度提升3.5倍,Xavier处理器CPU使用率与功耗分别下降55%、16%。
基于云端的机器人交互系统的设计与实现
这是一篇关于云计算,云机器人,远程监控,人机交互,MQTT的论文, 主要内容为云计算作为一种新兴先进的技术,凭借其可弹性扩容、费用低廉等优点,在各行各业中都得到了广泛应用。随着实体制造业和机器人技术的进步以及互联网产业不断向物联网产业靠拢,云计算的应用场景再一次得到拓宽。本课题利用云计算技术,根据实际需求,开发了一款云机器人交互系统软件,该系统包括服务端和客户端两部分,为远程监控机器人提供了许多实用功能,例如:服务端提供了虚拟网关接口,为开发人员快速接入云平台进行实验测试提供了途径。论文完成的主要工作如下:(1)设计基于云端的机器人交互系统的总体架构。该系统主要由基于MQTT协议的云消息实时推送引擎、云交互基础平台、机器人客户端软件以及机械臂模拟器四部分组成。其中云消息实时推送引擎用于监控指令的持久化和转发;云交互基础平台作为服务端,用于资源的存储和管理、用户认证授权、自定义云监控器、监控面板渲染以及提供统一的平台接入网关,同时它是其他服务端模块的统一调度器;机器人客户端软件整合了虚拟网关、语音识别、手势识别等模块,将其接入云交互基础平台服并用于远程监控实验及作为虚拟机械臂的上位机;虚拟机械臂用于仿真四自由度机械臂的运动学,在本系统中作为远程监控的目标对象,并提供基于TCP通信的二次开发接口。(2)基于Unity3D游戏引擎构建机械臂运动学仿真软件。首先完成四自由度机械臂正、逆运动学分析工作,对于运动学逆解,比较了代数法、几何法并分析了它们的应用场合;推导了Bresenham插补算法实现多轴联动的原理;使用Solidworks建立机械臂三维模型,并借助3DMax软件进行格式转换,最后导入Unity3D完成开发。(3)在云端环境部署Mosquitto代理服务器,完成功能与性能测试,并采用Spring Boot、Mybatis等框架开发了系统服务端软件。设计了云监控器自定义以及监控面板自动渲染等核心功能,同时对外暴露了RESTful风格的统一网关接口,并将公共接口封装为虚拟网关动态链接库以供客户端便捷接入云服务端;在Windows操作系统之上开发了机器人交互客户端软件并接入云平台,并集成了基于微软语音API、百度语音API实现的语音识别及合成模块和基于Open CV视觉库中的模板匹配算法实现的静态手势识别模块。最后根据指标要求,完成了整合之后的系统功能测试工作。调试了各个功能模块,结果符合预期,验证了本系统设计的合理性与实用性,为后续工程应用打下了坚实的基础。
云机器人同步定位与地图构建技术研究
这是一篇关于SLAM,云机器人,ROS,多机器人,数据压缩的论文, 主要内容为随着机器人技术的发展,人们对与机器人的任务需求也日益复杂化、密集化。与此同时,由于体积、能耗、成本等的限制,机器人本身的计算资源(例如嵌入式板载计算机的计算能力)往往是有限的,无法满足处理复杂任务的需要。云计算技术的兴起为解决这一矛盾带来了机遇。通过在后台以“资源即服务”形式支撑机器人任务的高效遂行,云机器人架构为机器人技术发展注入了新的潜力,云计算与机器人的结合逐渐成为了学术界的研究热点。同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)问题是机器人领域的经典问题,关注机器人如何实时感知环境地图并同步确定自身位置,被认为是机器人实现真正自主化的第一步。传统解决方案完全在机器人本地执行,由于机器人自身资源的局限性,其执行速度和精度很难满足实际机器人应用的需求。本文围绕云机器人架构下的SLAM问题解决方案展开研究,通过云端来弥补机器人本地资源的不足。本文的主要工作体现以下四个方面:1)提出基于云机器人的SLAM服务架构。该架构将SLAM过程中计算密集型的数据处理及数据计算阶段放到云端,以云服务的方式提供给一个或多个机器人使用。机器人在运行时主动申请SLAM服务,向该服务持续提供环境感知数据,即能获得所构建的地图和自身定位,而不用关心SLAM过程是如何实现的、计算资源是否足够等问题。2)设计实现了云机器人SLAM服务原型系统。在所提出的云机器人下的SLAM服务架构指导下,设计实现了云机器人SLAM服务原型系统。该系统可分为两个层次,一个是本地+远端协同完成SLAM任务,是机器人向云端请求SLAM服务的简单模型;二是在该模型上实现本地主动申请服务以及远程端扩展形成云端,而完成整个架构的实现。3)设计实现了云端和机器人端之间的数据通信优化机制。在云机器人架构下,机器人端需持续向云端提供RGB-D视频数据,可能会超过机器人无线网络带宽的限制。本文在云机器人SLAM服务原型系统中设计实现了基于数据压缩的数据通信优化机制。4)在目前被广泛接受的机器人操作系统ROS之上部署了云机器人SLAM服务原型系统,并基于真实机器人对其功能和性能进行了测试评估,验证了云机器人架构所带来的收益。
基于容器技术的云机器人服务平台研究
这是一篇关于云机器人,服务平台,容器技术,弹性调度,视觉SLAM的论文, 主要内容为机器人技术的迅速发展已经给工业、服务、国防等行业带来了长足的进步,创造了极大的社会价值。作为机器人应用的下一重要领域,智能机器人的发展与研究已上升到国家战略层面,引起了世界各国的高度关注。在技术上,机器人仍然存在亟待克服的问题,例如机器人功能单一无法适应多用途场景,以及强大计算能力硬件的成本过高等。本文借助云计算在计算资源与数据共享方面的优势,将机器人与云计算相结合,研究基于容器技术的云机器人服务平台,以云端功能服务的形式构建灵活的机器人系统架构,探索云机器人的实现途径,具有很强的科学价值和现实意义。为了实现机器人计算任务向云端转移这一需求,结合容器技术的技术优势,设计了一套云机器人服务平台架构。在该平台架构中,通过通信中间件、系统管理模块和系统资源模块的协同配合,支撑起平台功能的正常运行。而机器人功能服务被封装到灵活的Docker容器中,改变了复杂计算任务的资源使用方式。为了保证机器人功能服务在高低负载中都具有较好的计算性能,提升服务平台的资源使用效率,本文在资源管理模块加载了容器弹性容量调度算法。该算法考虑了不同机器人服务的运行实际,根据容器的CPU使用率、内存使用率与网络使用率计算平均负载的方法,通过预先设定上下阈值执行容量弹性调度操作。而在执行弹性缩扩容期间,用户将不会感知功能服务容量的动态调度,保证了平台运行的稳定性。针对机器人视觉SLAM属于计算密集型任务的特点,本文结合微服务的构造思想,将其拆分为可在服务平台实现的云端微服务,形成跟踪、局部建图、闭环检测、点云拼接等模块化的功能组成部分,从而实现复杂数据运算的云端卸载;充分利用平台性能,使复杂的算法在低成本机器人上的应用成为可能。在此基础上,通过部署在云端的功能服务测试实验,验证了云服务平台能够有效地将机器人任务卸载至云端,降低了机器人的硬件性能要求。同时,模块化的功能服务形式能够拓展机器人的功能与使用场景,打破传统机器人应用场景单一的限制,有利于提升机器人的智能性。
基于云端的机器人交互系统的设计与实现
这是一篇关于云计算,云机器人,远程监控,人机交互,MQTT的论文, 主要内容为云计算作为一种新兴先进的技术,凭借其可弹性扩容、费用低廉等优点,在各行各业中都得到了广泛应用。随着实体制造业和机器人技术的进步以及互联网产业不断向物联网产业靠拢,云计算的应用场景再一次得到拓宽。本课题利用云计算技术,根据实际需求,开发了一款云机器人交互系统软件,该系统包括服务端和客户端两部分,为远程监控机器人提供了许多实用功能,例如:服务端提供了虚拟网关接口,为开发人员快速接入云平台进行实验测试提供了途径。论文完成的主要工作如下:(1)设计基于云端的机器人交互系统的总体架构。该系统主要由基于MQTT协议的云消息实时推送引擎、云交互基础平台、机器人客户端软件以及机械臂模拟器四部分组成。其中云消息实时推送引擎用于监控指令的持久化和转发;云交互基础平台作为服务端,用于资源的存储和管理、用户认证授权、自定义云监控器、监控面板渲染以及提供统一的平台接入网关,同时它是其他服务端模块的统一调度器;机器人客户端软件整合了虚拟网关、语音识别、手势识别等模块,将其接入云交互基础平台服并用于远程监控实验及作为虚拟机械臂的上位机;虚拟机械臂用于仿真四自由度机械臂的运动学,在本系统中作为远程监控的目标对象,并提供基于TCP通信的二次开发接口。(2)基于Unity3D游戏引擎构建机械臂运动学仿真软件。首先完成四自由度机械臂正、逆运动学分析工作,对于运动学逆解,比较了代数法、几何法并分析了它们的应用场合;推导了Bresenham插补算法实现多轴联动的原理;使用Solidworks建立机械臂三维模型,并借助3DMax软件进行格式转换,最后导入Unity3D完成开发。(3)在云端环境部署Mosquitto代理服务器,完成功能与性能测试,并采用Spring Boot、Mybatis等框架开发了系统服务端软件。设计了云监控器自定义以及监控面板自动渲染等核心功能,同时对外暴露了RESTful风格的统一网关接口,并将公共接口封装为虚拟网关动态链接库以供客户端便捷接入云服务端;在Windows操作系统之上开发了机器人交互客户端软件并接入云平台,并集成了基于微软语音API、百度语音API实现的语音识别及合成模块和基于Open CV视觉库中的模板匹配算法实现的静态手势识别模块。最后根据指标要求,完成了整合之后的系统功能测试工作。调试了各个功能模块,结果符合预期,验证了本系统设计的合理性与实用性,为后续工程应用打下了坚实的基础。
支持云机器人的软件平台研究与实现
这是一篇关于云机器人,云平台,平台即服务,接口服务化,资源隔离的论文, 主要内容为随着应用领域的扩展,今天的机器人需要更为复杂的算法、庞大的数据与丰富的知识。但是,受硬件平台、制造成本等条件的约束,机器人本地资源往往极其有限,严重制约了机器人在复杂环境下的自主行为能力。在这样的背景下,云机器人概念进入了人们的视野。云计算与机器人的结合,不仅能够为机器人提供按需使用的计算资源,而且能够通过大数据等资源极大增强机器人智能,通过后台基础设施有效支持多机器人协同。随着云机器人的发展,如何高效构造面向机器人任务的各类云服务,进而打造云机器人软件生态链,已经成为亟待解决的挑战。这一过程中,“平台即服务”层级的云端软件平台不可或缺。这一平台应当能够高效复用机器人领域已有积累(例如基于机器人软件事实标准ROS的大量软件包),同时又要能够支持机器人以服务化形式按需访问其上服务。针对这一客观需求,本文以支持ROS软件包直接部署的云机器人软件平台为目标,围绕ROS软件包映射为云服务过程中的协议转换、并发访问、资源隔离等问题,进行了以下三个方面的研究:(1)支持ROS软件包部署和服务化使用的云平台架构。本文提出了一个基于Docker与ROS的通用云平台架构,采用ROS软件包作为该平台的应用程序模型,通过协议转换与按需实例化实现了服务化封装,并通过Docker实现了资源隔离,以支持多机器人场景下ROS软件包的快速部署与服务化使用。(2)ROS软件包接口的云端服务化封装机制。本文提出了对于ROS接口的云端服务化封装机制,旨在针对ROS自身过于面向局域网的特性与直接云端服务化手段缺乏的问题,通过ROS消息与JSON消息的相互转换并使用WebSocket协议在互联网上进行传输,使得ROS软件包不再受限于局域网环境,而云端基于ROS软件包的服务提供方式变得可行。(3)面向多机器人的云端资源隔离与调度机制。本课题以对多机器人场景下云端的资源隔离与调度进行了探索,提出了基于容器的资源隔离机制与面向容器粒度的调度机制,保证每台机器人都能获得质量有保证的服务。在此基础上,本文实现了相应的原型系统,并通过SLAM实验对于本文工作在平台架构的可行性,机器人任务的加速效果以及对于多机器人场景的支持能力进行了验证。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设小屋 ，原文地址：https://m.bishedaima.com/lunwen/46667.html
