为实现动态场景下移动机器人自主定位和建图,解决传统视觉里程计方法跟踪效果差及累积误差问题,提升闭环检测的准确性和鲁棒性,提出融合深度学习的同时定位与地图构建方法。采用四叉树算法均匀化特征分布,解决动态场景特征聚集问题;通过优化的目标检测网络识别场景动态语义信息,剔除动态物体对位姿估计的干扰;充分提取场景空间结构信息,结合点特征和线特征实现位姿跟踪及回环检测,构建全局一致的环境地图。TUM数据集和真实场景实验结果表明

为了提高机器人的工作效率,对机器人轨迹规划进行研究。文章依据机器人运动学特征,提出了一种关节空间运动轨迹规划的算法。其基于粒子群算法,采用高次多项式插值的方式,对机器人关节空间的运动轨迹进行拟合。在确保运动轨迹平滑的同时,保证了关节运动的平稳性。最后,在MATLAB中进行仿真实验,实现了关节空间最优运动规划。该算法结构简单,易于实现,为提高机器人的工作效率提供了科学依据。

针对某柔性制造单元(FMC)在动态环境下频繁地进行设备布局从而导致生产效率低下、生产费用高等问题,引入鲁棒性指标,以物流搬运费用、非物流关系以及面积利用率作为优化目标,构建多目标鲁棒性设备布局模型。针对上述模型采用引入DE策略的NSGA-Ⅱ算法进行求解,有效地保证了Pareto最优解的多样性和算法的收敛性。分别运用该算法、差分算法和经典的NSGA-Ⅱ算法对车间设备布局模型进行计算,通过数据和结果比较分析表明,针对多目标鲁棒性设备布局的模型,改进的NSGA-Ⅱ算法具有良好的收敛性和多样性,能有效解决相关生产实践问题。