加客服免费发需求
联系客服咨询项目
算法一：深度信息提取。
它的原理是用两个平行的摄像机对空间中的每一点进行三角测量。通过匹配左右摄像机中成像点的位置，计算空间中对应三维点的距离。
机器人想通过几幅图像获得目标的三维坐标。双目视觉技术中更重要的任务是匹配图像。首先定义左右图像中物体的匹配点，然后获取每个点的视差和深度信息。
双目立体视觉具有设备简单、价格低廉、精度高、速度快等优点，无需触摸物体即可计算距离和深度信息。它在无人机电力线检测和工业建筑机器人中有着重要的应用。
算法二：定位导航。
机器人导航是一个复杂的系统，涉及以下技术：
视觉里程表VO；
制图，使用VO和深度图；
重新定位，从已知地图识别当前位置；
闭环检测，消除VO的闭环误差；
全球导航；
视觉避障；
场景标记，识别房间中的对象并添加标记。
简单来说，机器人周围的环境是经过光学处理的。首先利用摄像头采集图像信息，然后将采集到的信息进行压缩，再反馈给由神经网络和统计方法组成的学习子系统。然后，学习子系统将采集到的图像信息与机器人的实际位置联系起来，从而完成机器人的自主导航定位功能。
这种方法被称为SLAM（同时定位和映射），是移动机器人智能化水平的最好体现。人们普遍认为，同时映射和定位的能力是机器人实现自主的关键前提。
目前常用的SLAM技术主要分为两类，一类是基于视觉传感器的VSLAM，另一类是基于激光传感器的激光SLAM。
视觉SLAM是指利用相机、Kinect等深度相机进行室内导航和探索。到目前为止，室内视觉SLAM还处于研究阶段，离实际应用水平还很远。激光SLAM技术成熟，也是目前最稳定可靠的高性能SLAM模式。
算法三：避障。
导航的问题是引导机器人接近目标。当机器人没有地图时，接近目标的方法称为视觉避障技术。避障算法解决了根据视觉传感器数据避开静态障碍物和动态障碍物，但仍向目标移动并实时自主导航的问题。
避障算法有很多，传统的导航避障方法，如可视法、网格法和自由空间法，可以处理已知障碍物信息时的避障问题。然而，当障碍物信息未知或障碍物可移动时，传统的导航方法一般不能很好地解决避障问题，或者根本无法避开障碍物。在现实生活中，大多数情况下，机器人生活的环境是动态的、可变的、未知的。为了解决上述问题，人们在计算机和人工智能领域引入了一些算法。
同时，得益于处理器计算能力的提高和传感器技术的发展，在移动机器人平台上执行一些复杂的算法变得容易，产生了一系列智能避障方法，其中最流行的有遗传算法、神经网络算法和模糊算法。
继续阅读与本文标签相同的资讯
机器人
扫一扫关注大学仕公众号
