11个研究背景和意义示例,教你写计算机云机器人论文

今天分享的是关于云机器人的11篇计算机毕业论文范文, 如果你的论文涉及到云机器人等主题,本文能够帮助到你

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。

基于ROS的云机器人微服务架构软件平台的设计与实现

这是一篇关于微服务架构,ROS,云机器人,云计算的论文, 主要内容为随着机械、传感、电子、控制、人工智能等多学科的研究进展,机器人技术得到了迅猛发展,我国机器人市场也进入了高速增长期。目前工业机器人已经被广泛投入到化工、电子、物流等工业领域生产之中,以家用扫地机器人为代表的服务机器人也逐渐进入了大众的生活和视野。随之而来的问题是机器人的本地资源无法满足人们对服务机器人功能多样化的需求,对此能够利用云计算技术作为计算基础设施的云机器人便成为了一个值得研究的课题。借鉴智能手机产业带来的众多机遇,本文设想未来云机器人的流行,提出了一个面向普通用户的云机器人软件平台架构方案。本文参考了ROS机器人软件开发框架和微服务软件架构模式,以它们之间的关联性为切入点,使用容器技术将ROS节点迁移至云端计算环境,实现了机器人软件功能开箱即用、按需部署的效果。在微服务架构思想的指导下,给出了一个基于ROS的云机器人软件平台的微服务架构,创新性地融入了ROS分布式架构理念,提出了服务实例、服务代理、公共服务的概念,保留了ROS的架构特色和优势。为了验证平台架构的可行性,本文以提供SLAM、自主导航、人脸检测这三种基础机器人软件功能为导向,具体设计并实现了一个平台原型。与此同时,以该平台原型为例,详细描述了将ROS应用转换为平台机器人软件功能的思路和过程,借助RESTful架构风格对机器人软件功能的资源化做出了诠释。除此之外,秉持着微服务架构设计原则中的前后端分离原则,本文使用Angular框架搭建了一个Web客户端应用作为用户与平台原型的交互接口。为了方便用户操作,以友好型用户界面为目标,针对前端视图给出了一套设计方案并进行了介绍。最后,基于实现的Web客户端应用对平台原型提供的三种机器人软件功能进行了功能性测试,验证了平台原型提供的软件功能符合基本的应用需求,间接表明了平台总体架构设计的可行性。

云计算支持的多机器人多目标跟踪技术研究

这是一篇关于云机器人,多机器人多目标跟踪,群体视图,知识共享,深度神经网络的论文, 主要内容为多机器人多目标跟踪问题是机器人领域的经典问题,在安保巡逻、侦察搜索、灾难救援等方面有着广泛的应用。在这一问题中,多个运动目标的跟踪任务由多个机器人相互协调配合实现,通过必要时的协同规划和目标切换,实现跟踪效率最大化。在云机器人架构下,云计算可望从两个方面为多机器人多目标跟踪任务提供后台支持:一方面,“云”可以作为群体协同的基础设施,汇聚形成群体层面上的高层认知视图,进而利用云端的统筹规划能力动态实现更为高效地进行跟踪任务分配;另一方面,机器人在跟踪特定目标过程中,可以积累该目标的大量知识(如不同光照条件下的特征),云的存在使得这些知识在不同机器人之间的复用成为可能,从而显著提高跟踪的准确率。本论文以云机器人架构为基础,以上述思路为指导,围绕云计算支持的多机器人多目标跟踪系统的设计实现展开研究,在系统架构、关键技术和原型实现三个方面开展了如下研究:(1)提出了云计算支持的多机器人多目标跟踪架构本论文提出了“后端云+前端多机器人”的多机器人多目标跟踪架构。在这一架构中,后端云汇聚自前端多个机器人的状态和目标知识,形成群体视图,为多个机器人的目标跟踪提供任务分配支持。同时,负责跟踪的引擎被放置在云端,通过跟踪引擎的在线微调积累知识,通过引擎的按需切换实现知识共享。(2)设计了支持多目标跟踪的任务分配和知识共享机制在前述架构下,本论文设计了任务分配和知识共享机制。在任务分配方面,通过群体视图的获取和更新,维护多个机器人与多个目标之间的相对位置关系,进而利用回溯法在云端基于该视图进行任务动态分配;在知识共享方面,引擎的按需切换支持多个机器人共享云端跟踪引擎积累的知识。此外,针对云端与机器人端由于通信延迟导致的状态不一致问题,本论文引入了帧识别机制。(3)构建了云计算支持的多机器人多目标跟踪原型系统基于云端群体视图的多机器人任务分配技术和机器人目标知识共享关键技术的突破,本论文搭建了支持多机器人多目标跟踪的原型系统。本论文评估了云端群体视图对跟踪路径的优化能力。此外,基于OTB50和VOT2014等公开数据集进行了知识共享对跟踪准确率提升的实验,最后在真实环境下对多机器人多目标跟踪原型系统进行了验证。

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%。

云计算支持的机器人场景理解技术的研究与实现

这是一篇关于云机器人,机器人场景理解,语义地图,混合云架构,云计算,物体识别的论文, 主要内容为云机器人利用云计算和大数据等后台基础设施,可以提升机器人在复杂环境下遂行任务的能力,被认为是“开启下一代机器人的钥匙”。然而,云在极大扩增机器人能力的同时,也在服务质量方面带来了许多不确定性,如网络传输延迟和云端资源不可控等。这对于许多机器人应用是不可接受的,尤其是当它们与物理世界直接交互时。如何在能力扩增和服务质量保证之间得到一个恰当的平衡,是云机器人领域需要应对的挑战。本文以机器人场景理解为研究对象,针对上述挑战展开研究。场景理解是指机器人基于感知数据认知所处环境的过程。它不仅获取场景几何信息,还需要获取场景内物体语义信息(如标签和所处位置等)。互联网上已存在的物体识别等云服务可以为后者提供支持,但如前文所述,由于其服务质量难以得到保证,很难直接应用于机器人。围绕这一问题,本文提出了支持开放环境的机器人场景理解混合云架构,并针对这一架构下的关键机制展开研究。具体而言,本文主要工作如下:(1)提出了支持开放环境的机器人场景理解混合云架构针对互联网服务难以提供机器人应用所需要的服务质量保证问题,本文提出了由专业云和公开云两层组成的混合云架构——私有的专业云资源可控,内置了与任务相关的知识,可快速识别熟悉物体;互联网公开云可以扩展机器人对开放环境陌生物体的识别能力。针对场景理解目标,本文进一步提出了基于支持向量机和深度学习的两种专业云构造方法。(2)设计了混合云架构中的公专协同机制在场景理解任务中,混合云架构得以顺利运行的核心机制是如何使得专业云和公开云无缝协同工作,使专业云无法正确识别的物体能被筛选出来,上传至公开云进行再次识别。本文分别面向基于支持向量机和深度学习两种专业云的特点,设计了相应公专协同机制,并通过性能收益的理论分析给出了其适用条件。(3)设计了基于数据融合的“标签-位置”映射机制场景理解需要将云端返回的语义信息正确标注在环境地图上。本文提出了基于数据融合的“标签-位置”映射机制,将机器人位置信息、物体深度和角度信息等转换成物体位置信息,进而通过添加语义标签,完成整个机器人场景理解过程。本文基于上述架构和机制,设计实现了云机器人场景理解原型系统,基于CORE、Faster R-CNN等算法和公开数据集开展了实验,对工作进行了全面验证。