面向水下对接的UUV视觉引导控制研究
这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。
面向水下对接的UUV视觉引导控制研究
这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。
面向水下对接的UUV视觉引导控制研究
这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。
面向水下对接的UUV视觉引导控制研究
这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。
基于视觉的堆叠工件自动上料系统研究与设计
这是一篇关于桁架机器人,抓取装置,视觉引导,Hough变换,PLC的论文, 主要内容为针对企业项目需求,设计了一套堆叠液压叉车工件的自动上料系统。考虑到叉车工件堆叠不整齐、摆放位置不确定等特点,将视觉技术引入机器人上料系统中。采用单目视觉结合传感器的工件定位方法,通过手眼标定参数,实现图像特征点坐标与机器人基坐标系下坐标的相互转换,利用工控机实现视觉引导系统与控制系统的通信,视觉引导系统向控制系统发送定位信息,在线引导控制系统控制桁架机器人完成叉车工件的上料。研究成果为实现叉车工件自动化上料提供了一种高效、准确的解决方案,具有较高的应用价值和推广前景,主要内容如下:首先,分析了堆叠叉车工件的自动上料需求,完成了上料系统的总体方案设计。根据叉车工件自身特点及物理环境,完成机器人选型和结构设计,从系统的通用性和安全性出发,设计了一种适用于抓取不同规格重型叉车工件的抓取装置,并进行了受力分析与校验。设计的抓取装置具备工件摆放姿态抓取自适应、搬运过程自锁紧保护等功能,可根据不同规格叉车工件的重心位置,调整相对间距,在抓取时能快速地保持平衡,完成高效上料。其次,对堆叠叉车工件的识别定位展开研究。确定视觉引导方案,完成了相机、镜头、光源等器件选型,研究了单目视觉下机器人视觉引导系统的坐标系变换方法、相机标定、手眼标定。然后对叉车工件的堆叠情况进行分析,提出图像识别定位方法,包括图像滤波、图像增强、边缘检测等预处理方法,以及目标识别Hough变换改进算法、工件中心点及工件偏转角定位算法,最后基于QT完成上位机视觉引导软件的编程。提出的图像预处理方法有效降低工件表面因存在氧化生锈、光照不均匀导致弱边缘难以识别与分割的难度,目标识别Hough变换改进算法,能高效地减少上料过程的时间和计算量。然后,完成叉车工件自动上料控制系统设计。确定控制方案设计及PLC的I/O分配,对控制系统硬件选型,主要包括PLC和触摸屏选型,分析工件在料框中堆叠摆放规律,确定抓取策略和相机拍摄位移量,避免抓取过程中工件滑落造成损坏及降低工件识别定位的困难,最后进行了PLC控制程序设计及触摸屏界面设计,完成人机交互。最后,完成了系统搭建与测试。根据机械结构、视觉引导、控制系统的设计,搭建叉车工件自动上料系统,完成了系统关键功能及部件的调试,进行堆叠叉车工件的识别定位以及不同规格叉车工件的上料实验,实验表明了图像识别定位算法误差小于10 mm,工件上料的平均时间约为14.2 s,上料成功率达到100%,验证研发系统的可行性,并根据实验结果进行分析。通过上述研究与设计,完成基于视觉的堆叠叉车工件自动上料系统,该系统可以满足企业不同规格叉车工件的上料需求。特别是设计的抓取装置对于重型堆放类物体的抓取及搬运等具有参考价值。在视觉引导系统中,本文提出的预处理和后处理方法,结合工业相机安装位置、角度和场地条件,在现场环境及被测物特征复杂的情况下能有效提取工件所需的直线特征,完成工件定位,提出的目标工件中心点定位方法在噪声环境中具有一定的容错性能。基于视觉引导的自动上料能够提高系统的自动化程度和机器人作业的灵活性,从而提高了生产效率和经济效益。
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：代码小屋 ，原文地址：https://m.bishedaima.com/lunwen/55184.html
