Algoritma 1: Dalam Pengekstrakan Maklumat Depth

Prinsipnya adalah menggunakan dua kamera selari untuk mencari setiap segitiga titik di ruang angkasa. Dengan memadankan kedudukan titik pengimejan di kamera kiri dan kanan, jarak antara titik tiga dimensi yang sepadan di ruang dikira.

Robot ingin memperoleh koordinat 3D sasaran dari beberapa imej, dan tugas yang lebih penting dalam teknologi penglihatan binokular adalah untuk melakukan padanan imej, pertama untuk menentukan titik di mana objek sepadan antara satu sama lain di imej kiri dan kanan, dan kemudian mendapatkan paralaks serta maklumat kedalaman untuk setiap titik.

Kedua -dua penglihatan tiga dimensi mempunyai peralatan mudah dan harga yang rendah, ketepatan tinggi dan kelajuan cepat. Ia boleh mengira maklumat jarak dan kedalaman tanpa menghubungi objek. Ia mempunyai aplikasi penting dalam drone dan pemeriksaan talian kuasa elektrik dan robot pembinaan perindustrian.

Algoritma 2: Posisi Navigasi

Navigasi Robot adalah sistem yang agak kompleks yang melibatkan teknologi seperti berikut:

• Visual Mileage Meter vo;

Kaedah ini yang dipanggil penyetempatan dan pemetaan serentak adalah manifestasi terbaik tahap pintar robot mudah alih. Sama ada keupayaan untuk menubuhkan peta dan kedudukan umumnya dianggap sebagai prasyarat utama bagi robot untuk mencapai autonomi autonomi.

Teknologi SLAM yang biasa digunakan semasa dibahagikan kepada dua kategori, satu adalah VSLAM berdasarkan sensor visual, dan yang lain adalah slam laser berdasarkan sensor laser.

SLAM Visual merujuk kepada navigasi dan penerokaan dalaman menggunakan mesin imej dalam seperti kamera dan Kinect; Setakat ini, SLAM visual dalaman masih dalam peringkat penyelidikan, jauh dari tahap aplikasi sebenar; Dan teknologi slam laser agak matang, dan kini kini, dan ia juga kini. Slam yang paling stabil dan boleh dipercayai.

Algoritma Tiga: Penghindaran Halangan

Masalah penyelesaian navigasi adalah untuk membimbing robot untuk mendekati matlamat. Apabila robot tidak mempunyai peta, kaedah yang dekat dengan sasaran dipanggil teknologi mengelakkan halangan visual. Masalah yang diselesaikan oleh algoritma penghindaran halangan adalah untuk mengelakkan halangan statik dan halangan dinamik mengikut data sensor visual, tetapi masih mengekalkan pergerakan arah sasaran dan navigasi dalam masa nyata.

Terdapat banyak algoritma penghindaran halangan. Navigasi tradisional dan kaedah mengelakkan halangan seperti kaedah tontonan, kaedah griding, dan kaedah ruang kosong diproses apabila masalah mengelakkan halangan tersedia apabila maklumat halangan mengetahui. Apabila bergerak, kaedah navigasi tradisional secara amnya tidak dapat menyelesaikan masalah penghindaran halangan atau tidak dapat mengelakkan halangan sama sekali.

Dalam kehidupan sebenar, dalam kebanyakan kes, persekitaran robot adalah dinamik, berubah -ubah, dan tidak diketahui. Untuk menyelesaikan masalah di atas, orang telah memperkenalkan beberapa algoritma dalam komputer dan kecerdasan buatan.

Pada masa yang sama, terima kasih kepada peningkatan kuasa pengkomputeran pemproses dan pembangunan teknologi sensor, operasi beberapa algoritma kompleks pada platform robot mudah alih juga menjadi mudah. Akibatnya, satu siri kaedah penghalang pintar telah dihasilkan. Algoritma, Algoritma Rangkaian Neural, Algoritma Fuzzy, dll.