-
题名钢筋绑扎机器人研究进展及关键技术分析
- 1
-
-
作者
董林杰
张任飞
李杰
王兴松
田梦倩
-
机构
东南大学机械工程学院
南京邮电大学自动化学院
南京邮电大学人工智能学院
-
出处
《建筑科学与工程学报》
北大核心
2025年第5期15-31,共17页
-
基金
国家重点研发计划项目(2021YFF0500900)。
-
文摘
为了拓宽钢筋绑扎机器人的研究思路并促进其发展应用,对国内外钢筋绑扎机器人研究现状进行了综述。分析了钢筋网片的绑扎工序并总结得出钢筋绑扎机器人的设计要求,然后详细介绍了钢筋绑扎机器人涉及的绑扎点识别与定位、机器人定位与导航、移动机械臂协调控制等关键技术,最后从多模态传感数据感知融合、自适应智能规划控制、多机协同作业3个方面提出了钢筋绑扎机器人今后的发展趋势。结果表明:通过机器人技术可以提高钢筋绑扎的质量和效率,实现该工序的自动化和智能化,从而促进智能建造的发展;在绑扎点识别与定位方面,主流方法是基于关键点检测的绑扎点识别技术结合基于深度相机或双目相机的绑扎点定位技术;在机器人定位方面,单一传感器的定位技术已无法满足钢筋绑扎机器人在复杂场景的定位精度和稳定性需求,多传感器数据融合定位技术成为研究的热点方向;在机器人导航与控制方面,随着现代智能算法和人工智能技术的发展,机器人路径规划、运动控制和移动机械臂协调控制等技术正朝着智能化的方向发展,然而目前仍存在训练数据需求较大、训练难度大以及将仿真环境里训练的模型部署到真实环境的匹配问题需要解决。
-
关键词
智能建造
钢筋绑扎机器人
绑扎点识别与定位
机器人定位与导航
协调控制
-
Keywords
intelligent construction
rebar binding robot
binding point recognition and positioning
robot positioning and navigation
coordinated control
-
分类号
TU689
[建筑科学—建筑技术科学]
-
-
题名基于SLAM算法和深度神经网络的语义地图构建研究
被引量：22
- 2
-
-
作者
白云汉
-
机构
复旦大学计算机科学与技术学院
-
出处
《计算机应用与软件》
北大核心
2018年第1期183-190,共8页
-
基金
上海市科委基础研究领域项目(14JC1402200)
-
文摘
语义地图在移动机器人的导航等任务中有着关键的作用。目前基于视觉的机器人自动定位和制图(SLAM)系统已经能够达到较高的定位精度要求,但是基于多目几何的视觉SLAM算法并未充分利用空间中丰富的语义信息,地图中保留的地图点信息只是没有语义的空间几何点。由于基于卷积神经网络的算法在目标检测领域取得了突破性的成绩,利用目前最新的基于卷积神经网络的目标检测算法YOLO,实现场景的实时目标检测,并结合SLAM算法构建语义地图。将视觉SLAM定位的精确性和深度神经网络在语义提取方面的优势相结合,既能够提高SLAM算法的准确性,同时采集到的丰富图像信息又能进一步训练更加深的神经网络。该算法能够应用于机器人的智能导航,同时也能作为数据采集器为其他视觉任务提供具备语义与几何信息的图像数据。
-
关键词
语义地图
机器人定位与导航
目标检测
深度学习
-
Keywords
Semantic mapping SLAM Object detection Deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
