基于长期度量学习和图像匹配变换的机器人视觉定位研究

长期度量和自定位是自主移动机器人的基本功能，但由于光照、天气或季节变化，导致机器人采集的图像外观存在较大变化，为机器人行进、定位系统的正常运行带来了挑战。虽然基于运行经验的图像映射可以弥补图像外观的差距，但在几天或几个月的较长时间跨度内，就很难满足机器人可靠度量所需的数据量，为此从色彩恒常性理论出发，基于深度神经网 络构建了RGB至灰度的非线性映射关系，实现了不同光照和天气条件下，图像内部特征匹配数的最大化。最后利用人工合成数据集与真实图像数据集进行了对比实验?，实验结果显示在昼夜周期中，机器人视觉定位性能显著改进，同时显著降低了数据需求，实验发现结合低维图像的纹理特征，可以进一步改善图像外观特征匹配的效果。     

可越障高压线路巡线机器人设计

电力系统架空输电线路的检测是一个难题,现场输电线路检测是一项昂贵而危险的工作,巡逻直升机检测方法成本太高?工人手动检测方法需要停电,目前没有行之有效的检测方法。本文提出了一种新的输电线路检查方法,利用巡线机器人检测输电线路,即在带电线路上移动,越过障碍物,对导线进行详细检查,降低了操作人员的风险,不需要中断输电。本 文详细介绍了这一方法及其实现和操作程序,可实现利用巡线机器人对跨越山区、沙漠和森林等地区的输电线路进行检测,克服机器人前进的障碍,与人工巡线相比,机器人巡线使得检测工作变得简单、快速、安全,不会对人造成影响,是一种降低人工成本、提高巡线精度的新方法。