导读:本文包含了割草机器人论文开题报告文献综述及选题提纲参考文献，主要关键词:自主式割草机器人,碰撞检测,结构设计,对比分析
割草机器人论文文献综述
聂庆玮,周骥平,朱兴龙,高龙琴,柯钟煜[1]（2019）在《自主式割草机器人物理碰撞检测装置创新设计与研究》一文中研究指出为了解决自主式割草机器人碰撞检测系统中存在的压力传感器分布散漫、安装繁琐的弊端,保护自主式割草机器人本体免受破坏性损伤,创新设计了一款物理碰撞检测装置,用于自主式割草机器人在工作过程中检测前进方向上高于被割草面且面向机器人本体范围内的物理性障碍,并通过功能性实验验证了方案的可行性。该装置造价相对低廉,能够降低机器人制造成本,提高市场竞争力。(本文来源于《机械设计与制造工程》期刊2019年08期）
郭海洋[2]（2019）在《基于深度学习的智能割草机器人视觉模块研究》一文中研究指出智能割草机器人可以自主地完成割草任务,减少了很多不必要的劳动,因而越来越多人开始进行相关研究。当前国内外主流的智能割草机器人方案针对的是简单环境的中小型草坪。视觉模块是智能割草机器人的重要组成部分,本论文尝试研究一种面向环境复杂的中大型草坪的智能割草机器人视觉模块,该模块具有识别与定位障碍物的功能。针对多个障碍物在摄像头视图中有重迭不能进行区分的问题,提出了一种多层次障碍物提取算法,有效的降低了处理重迭问题时的误判问题,也有效解决了漏检率高的问题;针对智能割草机器人工作场景,设计了一种简单高效的场景建模方法,该方法忽略了图像畸变以及立体匹配等过程的误差,减少了计算量并满足割草机器人的精度要求。设计了基于深度学习智能割草机器人障碍识别算法的网络结构,采用多尺度特征图用于预测,针对智能割草机器人工作场景,采用等距密集排布的特征图,提高了检测准确率;设计了深度学习障碍物识别算法的损失函数,采用softmax loss表示类别置信度误差;设计了多层次定位候选框,该候选框利用多层次障碍物提取算法提供的信息使得智能割草机器人具有定位障碍物的功能,并建立了障碍物边界框到世界坐标系的映射关系。制作了针对智能割草机器人工作场景的PASCAL VOC格式数据集,使用了数据增强处理,增加了样本数量;分析了常见的算法评价指标,选择准确率作为智能割草机器人障碍物识别算法的评价指标;制定了高效的训练策略,在训练初始阶段采用梯度下降法作为训练策略,之后采用批量随机梯度下降法,既降低了深度学习模型不收敛的概率,同时又保证了训练速度。搭建了智能割草机器人硬件平台,并针对割草机器人工作场景进行了参数调整以及现场调试;以准确率和召回率为评价指标,对智能割草机器人视觉模块的障碍物识别准确性进行了测试,召回率达到了99.03%,综合准确率达到了96.59%;以最大测距范围、测离精度、障碍尺寸测量精度为评价指标,对本文视觉模块进行了障碍物定位精度测试,测距误差不超过10%,最远测距达到11.32 m,障碍物尺寸测量宽高误差均在30 cm以内。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
叶立俊,陈万米,邱世宇,楼一旻[3]（2019）在《基于电磁导航的割草机器人信号检测技术研究》一文中研究指出将电磁导航技术应用于一款自主设计的割草机器人上,分析了电磁检测技术的基本原理,并在此基础上论证了基于电磁导航的割草机器人循迹方案的可行性。通过对电磁信号在空间上的分布特性和实验数据分析,提出了适合该方案割草机器人的传感器排布方案、信号检测电路设计及信号处理方法。实验论证该方案在不同情形下都能使割草机器人准确捕捉到电磁信号,提高了机器人在实际运行中的稳定性和可靠性。(本文来源于《工业控制计算机》期刊2019年05期）
刘力[4]（2020）在《个性化割草机器人外观设计研究》一文中研究指出为进一步设计优化割草机器人的外型,不断提升其用户满意度和视觉体验效果,针对个性化割草机器人进行了外观设计研究。结合割草机器人的工作原理及核心部件参数,进行结构及外观信息捕捉,考虑各割草作业环境的多变性因素,将割草机器人的前结构模型按照一定规则导出为外观设计模型,进行结构模型与设计模型的互为调整,通过核心控制算法程序整合为个性化割草机器人协调性的外观模型,并进行外观设计试验。结果试验表明:一方面,整机设计周期约为6周条件下,整体测试运行效率较外观设计优化前提升2.8%以上,其结构协调性和整机的外观设计满意度均保持在平稳水平,设计合理有效;另一方面,总结出实现设计外观的标准化操作步骤,可为类似智能机器外观设计提供一定的参考。(本文来源于《农机化研究》期刊2020年02期）
周结华,代冀阳,周继强,张孝勇[5]（2019）在《面向大型机场草坪的割草机器人路径规划及轨迹跟踪控制研究》一文中研究指出为了提高割草机器人的工作效率及环境适应能力,基于移动机器人平台设计了一种既受遥控操作又能自主运行的适用于大型机场草坪作业的割草机器人。首先,运用高精度差分GPS(global positioning system,全球定位系统)采集机场草坪边界和障碍物的位置信息,根据采集的信息将机场草坪分为最少数目的凸多边形工作区域;考虑到割草机器人无法原地无半径转弯,在传统迂回式路径规划算法的基础上提出一种往返直线型路径规划算法,并在凸多边形路径规划区内推导出遍历路径的显示方程表达式。其次,运用高精度差分GPS测得割草机器人实际轨迹并与规划轨迹对比,设计了一种区间判断型轨迹纠偏算法;以执行电机的PID(proportion integration differentiation,比例积分微分)控制和区间判断型轨迹纠偏算法构造割草机器人双闭环轨迹跟踪控制器,对按传统迂回式路径和往返直线型路径行进的割草机器人进行轨迹跟踪仿真分析。最后,以自制的割草机器人为例,按往返直线型路径运行方式进行样机实验。仿真结果发现:当割草机器人跟踪当前路径到达终点后会自动调头跟踪下一条路径,验证了轨迹跟踪算法的稳定性;传统迂回式路径运行方式下割草机器人的漏割率较高,达到46.42%,而往返直线型路径运行方式下其漏割率为7.15%,明显优于传统迂回式路径仿真结果。样机实验测得的漏割率为8.89%,与仿真实验结果一致,表明所设计的轨迹跟踪算法对大型机场草坪作业割草机器人是适用的。研究结果可为大型机场草坪割草机器人的开发提供理论指导。(本文来源于《工程设计学报》期刊2019年02期）
郑路[6]（2018）在《割草机器人的研制》一文中研究指出随着我国城市化脚步的加快,城市草坪面积不断增加,其中包括了城市绿化草坪、足球场和高尔夫球场等。草坪改善了城市环境,但是其维护作业消耗了大量人力物力,并且维护过程也会产生噪声和废气污染。因此研制割草机器人取代人工修剪草坪是必要的且具备市场效益的。另外,割草机器人工作在开放的非结构化空间内,而如何实现机器人在非结构化空间的移动正是现今机器人研究的重要课题,所以割草机器人的研制具有一定的学术价值。本文对目前的割草机器人研究现状进行了介绍和分析,在传统割草机器人技术的基础上,对关键的机械结构和控制系统进行了改进设计,得到了一套完整的割草机器人设计方案。对于机械结构部分设计,首先选择割草机器人的车身结构为前端两个导向轮后面两个驱动轮的四轮结构,然后对割草结构和驱动机构进行了设计,最终确定了割草机器人的机械结构的设计方案。为了降低机器人成本,简化机器人结构,本文设计了一种割草刀具升降机构。为了提高机器人工作安全性,本文设计了一种倾覆停机机构。对于控制系统部分设计,首先对割草机器人的运动模型进行分析,得到割草机器人运动的数学模型。然后通过对户外机器人的定位方法研究,确定了割草机器人的定位和导航方法。最后根据整个机器人控制方法,对传感器系统进行选型。为了提高机器人的定位精度,为本文使用了卡尔曼滤波算法,对机器人里程计数据、IMU(惯性测量模块)和GPS数据进行了融合。为了降低机器人成本,节约机器内部空间,本文设计了一种运动控制器。(本文来源于《浙江农林大学》期刊2018-12-25）
郭典新,高龙琴,李志昂,聂庆玮,柯钟煜[7]（2018）在《割草机器人全覆盖式路径规划平台设计与实现》一文中研究指出割草机器人全覆盖式路径规划以差分定位技术为理论基础,综合利用了定位技术、信息链接技术、串口技术、信息处理技术以及避障算法,基于定位精度和环境等因素对割草机器人的全覆盖式路径规划作业和避障功能平台进行了搭建。对局部覆盖式路径规划提出了改进方法并完成了对试验平台的精度测试。(本文来源于《现代制造工程》期刊2018年11期）
喻波[8]（2018）在《智能割草机器人市场调研》一文中研究指出随着经济快速发展,各国城市现代化建设你超我赶,市政绿化与家庭花园绿化程度越来越高,大量的公园草坪、足球场草坪、GOLF球场草坪修剪工作十分繁重,重复性高。随着人工智能与物联网技术的发展,利用现代电子技术和智能控制技术的全自动智能割草机器人应运而生,在不久的将来势必会取代传统割草设备。文章通过对国内外市场上在售的割草机器人进行调查,分析出智能割草机器人的行业现状与发展前景。(本文来源于《科技创新与应用》期刊2018年29期）
周旋旋[9]（2018）在《割草机器人轨迹规划与控制优化研究》一文中研究指出随着科技的发展日新月异,我们生活环境的周围出现了日益增多的绿化草坪。然而,在绿地覆盖面积增加的同时,各种场地里绿地的维护工作也同时在加重环卫工人的负担,此时自动化设备的出现就为减低环卫工人的劳动负担开辟了一条崭新的道路。本文所研究的割草机器人,其研发的目的就是为了提高绿地维护工作的自动化程度、减轻劳动成本。为了提高割草机器人的路径识别效率,本文提出了对二值图像提取分界线的算法,在对采集到得到图像并二值化处理后,二值化图像中的黑色像素点并不全部集中在一块区域,有一部分黑色像素点游离于主要集中区域,为分界线的提取制造了一定程度的困难。为此,依托基于人眼视觉系统的图像分界原理,提出了提取二值图像分界线的有效算法,能较好的完成提取图像中的分界线的任务。在识别出较高准确率的分界线的基础上,做基于分界线的轨迹规划。因为割草机器人的图像采集位置与其移动相关,在割草机器人作业时,其采集画面也跟着发生变化,所以无法采集到割草机器人周围环境的左右图像。因此通过逐图规划的方式,实现对割草机器人的实时控制。为了实现对规划轨迹的有效跟踪,对割草机器人的动力学模型做了详细的分析,把环境因素和机器人的一些可能遇到的扰动信息也加入到割草机器人的轨迹跟踪内,对其所遇到环境对其控制的影响进行研究,借助后退方法设计适应于割草机器人作业的控制律,提高割草机器人的轨迹跟踪能力,使割草机器人具有良好的跟踪特性,更高效的完成无遗漏的割草任务。(本文来源于《齐鲁工业大学》期刊2018-05-14）
聂杨[10]（2018）在《智能割草机器人的关键技术研究》一文中研究指出割草机器人可以自主地、智能地实现割草任务,将人们从单调的、日益繁重的体力劳动中解救出来,越来越受到欢迎,其关键技术也成为了现今的研究热点。因此,本文将对自主定位、边界识别和全区域覆盖路径规划这叁项关键技术进行展开研究。首先,割草机器人选用成本较低的UWB、IMU和里程计传感器进行组合定位,对里程计的航位推算原理进行了分析,提出了通过UWB/IMU的单基站定位方式,来对里程计由于打滑等因素引起的非系统误差进行校正,并采用联合卡尔曼滤波算法对这两种定位方式进行信息融合,通过仿真验证了定位算法的可行性,为割草机器人的边界识别和全覆盖路径规划研究奠定了基础。其次,采用无标识工作区域的边界建立和识别方法,在不设置任何辅助标识物的情况下,先引导割草机器人完成草坪边界信息的采集,形成虚拟电子边界地图储存起来,在路径规划过程中,机器人不断地将当前位置坐标与存储在有序线性表中的边界坐标进行查询匹配,从而完成边界信息的识别。然后,将A*算法与往复式算法相结合,并应用到割草机器人的全区域覆盖路径规划中。割草机器人先根据边界建立获得的环境信息来建立栅格地图并划分子区域,接着在各子区域中进行往复式覆盖,当遇到阻塞点时,寻找到附近未被覆盖的栅格,利用A*算法规划出最短衔接路径,并移动到待覆盖栅格处继续工作,克服了单独采用往复式算法遇到阻塞点陷入死区的问题。最后,完成了割草机器人总体方案设计以及实验平台的搭建,主要包括有传感器系统、割草机构以及控制系统,并采用模块化的思想详细设计了硬件电路和软件开发部分。对所提出的UWB/IMU/里程计组合导航定位方法进行实验,并完成了割草机器人的边界识别实验,同时将基于A*算法的往复式全覆盖路径规划方法与随机式和内螺旋式进行对比实验,验证了本文方法的有效性和可靠性。(本文来源于《重庆大学》期刊2018-05-01）
割草机器人论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
智能割草机器人可以自主地完成割草任务,减少了很多不必要的劳动,因而越来越多人开始进行相关研究。当前国内外主流的智能割草机器人方案针对的是简单环境的中小型草坪。视觉模块是智能割草机器人的重要组成部分,本论文尝试研究一种面向环境复杂的中大型草坪的智能割草机器人视觉模块,该模块具有识别与定位障碍物的功能。针对多个障碍物在摄像头视图中有重迭不能进行区分的问题,提出了一种多层次障碍物提取算法,有效的降低了处理重迭问题时的误判问题,也有效解决了漏检率高的问题;针对智能割草机器人工作场景,设计了一种简单高效的场景建模方法,该方法忽略了图像畸变以及立体匹配等过程的误差,减少了计算量并满足割草机器人的精度要求。设计了基于深度学习智能割草机器人障碍识别算法的网络结构,采用多尺度特征图用于预测,针对智能割草机器人工作场景,采用等距密集排布的特征图,提高了检测准确率;设计了深度学习障碍物识别算法的损失函数,采用softmax loss表示类别置信度误差;设计了多层次定位候选框,该候选框利用多层次障碍物提取算法提供的信息使得智能割草机器人具有定位障碍物的功能,并建立了障碍物边界框到世界坐标系的映射关系。制作了针对智能割草机器人工作场景的PASCAL VOC格式数据集,使用了数据增强处理,增加了样本数量;分析了常见的算法评价指标,选择准确率作为智能割草机器人障碍物识别算法的评价指标;制定了高效的训练策略,在训练初始阶段采用梯度下降法作为训练策略,之后采用批量随机梯度下降法,既降低了深度学习模型不收敛的概率,同时又保证了训练速度。搭建了智能割草机器人硬件平台,并针对割草机器人工作场景进行了参数调整以及现场调试;以准确率和召回率为评价指标,对智能割草机器人视觉模块的障碍物识别准确性进行了测试,召回率达到了99.03%,综合准确率达到了96.59%;以最大测距范围、测离精度、障碍尺寸测量精度为评价指标,对本文视觉模块进行了障碍物定位精度测试,测距误差不超过10%,最远测距达到11.32 m,障碍物尺寸测量宽高误差均在30 cm以内。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
割草机器人论文参考文献
[1].聂庆玮,周骥平,朱兴龙,高龙琴,柯钟煜.自主式割草机器人物理碰撞检测装置创新设计与研究[J].机械设计与制造工程.2019
[2].郭海洋.基于深度学习的智能割草机器人视觉模块研究[D].哈尔滨工业大学.2019
[3].叶立俊,陈万米,邱世宇,楼一旻.基于电磁导航的割草机器人信号检测技术研究[J].工业控制计算机.2019
[4].刘力.个性化割草机器人外观设计研究[J].农机化研究.2020
[5].周结华,代冀阳,周继强,张孝勇.面向大型机场草坪的割草机器人路径规划及轨迹跟踪控制研究[J].工程设计学报.2019
[6].郑路.割草机器人的研制[D].浙江农林大学.2018
[7].郭典新,高龙琴,李志昂,聂庆玮,柯钟煜.割草机器人全覆盖式路径规划平台设计与实现[J].现代制造工程.2018
[8].喻波.智能割草机器人市场调研[J].科技创新与应用.2018
[9].周旋旋.割草机器人轨迹规划与控制优化研究[D].齐鲁工业大学.2018
[10].聂杨.智能割草机器人的关键技术研究[D].重庆大学.2018