随笔分类 -  Robotics

Coursera Robotics课程记录
机器人学 —— 机器人感知（Location）
摘要：终于完成了Robotic SLAM 所有的内容了。说实话，课程的内容比较一般，但是作业还是挺有挑战性的。最后一章的内容是 Location. Location 是 Mapping 的逆过程。在给定map的情况下，需要求取机器人的位姿。 1、Location 的意义 在机器人导航任务中，locatio 阅读全文
posted @ 2016-06-08 14:49 IronStark 阅读(3175) 评论(1) 推荐(2)
机器人学 —— 机器人感知（Mapping）
摘要：对于移动机器人来说，最吸引人的莫过于SLAM，堪称Moving Robot 皇冠上的明珠。Perception 服务于 SLAM，Motion Plan基于SLAM。SLAM在移动机器人整个问题框架中，起着最为核心的作用。为了专注于Mapping，此章我们假设 Location 是已知的。 1、Me 阅读全文
posted @ 2016-06-04 20:08 IronStark 阅读(5061) 评论(2) 推荐(0)
机器人学 —— 轨迹规划（Artificial Potential）
摘要：今天终于完成了机器人轨迹规划的最后一次课了，拜拜自带B - BOX 的 Prof. TJ Taylor. 最后一节课的内容是利用势场来进行轨迹规划。此方法的思路非常清晰，针对Configration Space 里面的障碍物进行 DT变换，用DT变换值作为罚函数的输入，让机器人尽可能的远离障碍物，同 阅读全文
posted @ 2016-05-30 22:32 IronStark 阅读(5164) 评论(0) 推荐(0)
机器人学 —— 轨迹规划（Sampling Method）
摘要：上一篇提到，机器人轨迹规划中我们可以在 Configuration Space 中运行A* 或者 DJ 算法。无论A* 还是DJ 算法，都必须针对邻域进行搜索，如果2自由度则有4邻域，2自由度则有8邻域。如果是工业上常用的6自由度机器人，那么就有2^6邻域。。。。。。显然，对于轨迹规划这种串行算法而 阅读全文
posted @ 2016-05-28 14:17 IronStark 阅读(7220) 评论(0) 推荐(0)
机器人学 —— 轨迹规划（Configuration Space）
摘要：之前的轨迹规划中，我们只考虑了质点，没有考虑机器人的外形与结构。直接在obstacle map 中进行轨迹规划，然而世纪情况中，机器人有固定外形，可能会和障碍物发生碰撞。此情况下，我们针对机器人自由度进行建模，给定其运动空间，如果是扫地机器人，那么其自由度是x-y的平移，如果是N自由度机械臂，其自由 阅读全文
posted @ 2016-05-28 13:50 IronStark 阅读(5662) 评论(0) 推荐(0)
机器人学 —— 机器人感知（Kalman Filter）
摘要：对于机器人感知任务而言，经常需要预判物体的运动，保证机器人在物体与自身接触之前进行规避。比如无人机与障碍物的碰撞，足球机器人判断足球的位置。预判的前提是对当前状态进行准确的估计，比如足球的速度，障碍物靠近的速度。一般认为，测量是存在误差的 —— 眼见未必为实。 1、物体的运动学模型 物体的运动学模型 阅读全文
posted @ 2016-05-28 13:17 IronStark 阅读(3134) 评论(0) 推荐(0)
机器人学 —— 机器人感知（Gaussian Model）
摘要：机器人感知是UPNN机器人专项中的最后一门课程，其利用视觉方法来对环境进行感知。与之前提到的机器人视觉不同，机器人感知更侧重于对环境物体的识别与检测。与计算机视觉不同，机器人视觉所识别的物体往往不需要高精度测量，物体也有明显特征。机器人感知最为典型的应用是对环境的感知 —— SLAM，同步定位与地图 阅读全文
posted @ 2016-05-28 12:09 IronStark 阅读(2738) 评论(0) 推荐(0)
机器人学 —— 机器人视觉（Bundle Adjustment）
摘要：今天完成了机器人视觉的所有课程以及作业，确实是受益匪浅啊！ 最后一个话题是Bundle Adjustment. 机器人视觉学中，最顶尖的方法。 1、基于非线性优化的相机位姿估计 之前已经在拟合一篇中，已经补完了非线性最小二乘拟合问题。Bundle Adjustment，中文是光束平差法，就是利用非线 阅读全文
posted @ 2016-05-14 17:45 IronStark 阅读(7987) 评论(0) 推荐(1)
机器人学 —— 机器人视觉（极几何）
摘要：极几何是机器人视觉分支——双目视觉中，最为重要的概念。与结构光视觉不同，双目视觉是主！动！测！量！方法。 1、极几何的研究前提 极几何的研究对象是两幅有重叠区域图像。研究目标是提取相机拍摄位姿之间的关系。一旦得到两次拍摄位姿之间的关系，我们就可以对场景点进行三维重建。 极几何定义的物理量包括4个：1 阅读全文
posted @ 2016-05-09 21:55 IronStark 阅读(2850) 评论(0) 推荐(0)
机器人学 —— 机器人视觉（估计）
摘要：之前说到，机器人视觉的核心是Estimation。求取特征并配准，也是为了Estimation做准备。一旦配准完成，我们就可以从图像中估计机器人的位置，姿态。有了位置，姿态，我们可以把三维重建的东西进行拼接。从视觉信息估计机器人位姿的问题可以分为三个大类：1、场景点在同一平面上。2、场景点在三维空间 阅读全文
posted @ 2016-05-06 22:39 IronStark 阅读(1761) 评论(0) 推荐(0)
机器人学 —— 机器人视觉（拟合）
摘要：上回说到从场景中提取特征点，并且对不同角度中的特征点进行匹配。这次要先介绍一个工具 —— 拟合。拟合本质上是一个优化问题，对于优化问题，最基本的是线性最小二乘法。换言之，我们需要保证拟合误差最小。 1、最小二乘法拟合 基本的最小二乘法拟合解决的是 点 模型 的拟合问题。以点到直线的拟合为例，按照拟合 阅读全文
posted @ 2016-05-06 21:39 IronStark 阅读(1719) 评论(0) 推荐(0)
机器人学 —— 机器人视觉（特征）
摘要：上回说到机器人视觉的核心任务是estimation，理论框架是射影几何理论。在之前的作业中展现了单应变换的巨大威力。然而，整个estimation 的首要条件是已知像素点坐标，尤其是多幅图中对应点的像素坐标。 单幅图像的处理方法都是大路货了，不赘述。这篇博客想讲讲不变点检测与不变特征。由于机器人在不 阅读全文
posted @ 2016-05-03 22:32 IronStark 阅读(1608) 评论(0) 推荐(0)
机器人学 —— 机器人视觉（基础）
摘要：机器人视觉是一种处理问题的研究手段。经过长时间的发展，机器人视觉在定位，识别，检测等多个方面发展出来各种方法。其以常见的相机作为工具，以图像作为处理媒介，获取环境信息。 1、相机模型 相机是机器人视觉的主要武器，也是机器人视觉和环境进行通信的媒介。相机的数学模型为小孔模型，其核心在于相似三角形的求解 阅读全文
posted @ 2016-04-29 22:10 IronStark 阅读(6517) 评论(0) 推荐(0)
机器人学 —— 轨迹规划（Introduction）
摘要：轨迹规划属于机器人学中的上层问题，其主要目标是计划机器人从A移动到B并避开所有障碍的路线。 1、轨迹计划的对象 轨迹规划的对象是map，机器人通过SLAM获得地map后，则可在地图中选定任意两点进行轨迹规划。暂时不考虑三维地图，以平面二维图为例，map主要有以下几种： 如上所示，二维图可以分为有权重 阅读全文
posted @ 2016-04-17 14:27 IronStark 阅读(8935) 评论(0) 推荐(1)
机器人学 —— 飞行机器人（Introduction）
摘要：UPNN课程 aerial robotics 教授： VJ Kummer 1、四旋翼飞行器的控制对象是各个旋翼对应的电机 2、飞行器的能源主要消耗于hovering。 3、飞行器在设计时需要考虑各个部件的重量与飞行器尺寸并对造选型表 4、飞行器惯量和质量越小，控制的ts和超调量则越小 5、飞行器的控 阅读全文
posted @ 2016-04-17 13:28 IronStark 阅读(813) 评论(2) 推荐(0)