-
公开(公告)号:CN110721463B
公开(公告)日:2023-02-03
申请号:CN201911126764.4
申请日:2019-11-18
Applicant: 重庆邮电大学
IPC: A63F9/08
Abstract: 本发明公开了一种魔方复原机械结构,包括三个L型的支撑板,支撑板的两边长度相同,三个支撑板的两端依次首尾相连且三个支撑板所处平面两两相互垂直,相邻两个支撑板绕两者之间的连接点转动90°能够相互重合,其中两个支撑板的拐点处垂直安装有手臂,手臂的前端安装有手指,手臂的后端连有步进电机和联轴器,两个手指正对第三个支撑板的拐点处安装有摄像头,手指上安装有数字舵机,数字舵机与步进电机和联轴器电连接。本发明一种魔方复原机械结构,通过三个钢板连接在一起,形成三个点的支撑结构,不仅结构简单,容易调整,同时操作过程中的结构稳定性高,不易发生形变等情况。
-
公开(公告)号:CN110721463A
公开(公告)日:2020-01-24
申请号:CN201911126764.4
申请日:2019-11-18
Applicant: 重庆邮电大学
IPC: A63F9/08
Abstract: 本发明公开了一种魔方复原机械结构,包括三个L型的支撑板,支撑板的两边长度相同,三个支撑板的两端依次首尾相连且三个支撑板所处平面两两相互垂直,相邻两个支撑板绕两者之间的连接点转动90°能够相互重合,其中两个支撑板的拐点处垂直安装有手臂,手臂的前端安装有手指,手臂的后端连有步进电机和联轴器,两个手指正对第三个支撑板的拐点处安装有摄像头,手指上安装有数字舵机,数字舵机与步进电机和联轴器电连接。本发明一种魔方复原机械结构,通过三个钢板连接在一起,形成三个点的支撑结构,不仅结构简单,容易调整,同时操作过程中的结构稳定性高,不易发生形变等情况。
-
公开(公告)号:CN113156931B
公开(公告)日:2022-09-09
申请号:CN202011520181.2
申请日:2020-12-21
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明公开了给含有离子‑人工蜂群算法的移动机器人配置路径的方法,主要用于解决仓储环境下路径规划问题;针对传统ABC算法存在的不足与缺陷,引入自然界离子间相互作用力来改善蜂群算法搜索阶段,并把搜索阶段分成前、后期来平衡算法的开发和探索能力,在保证不陷入局部最优的前提下,加大搜索步长,并在全局更新阶段加入自适应性花香浓度,根据花香浓度指引变异自适应性更新,提升算法的效率。该算法在不同的标准测试函数下验证极值求解能力并表现出较大的优势,通过求解机器人路径规划问题验证了算法的实际运用效果。
-
公开(公告)号:CN112762928A
公开(公告)日:2021-05-07
申请号:CN202011538701.2
申请日:2020-12-23
Applicant: 重庆邮电大学
Abstract: 本发明公开了含有激光SLAM的ODOM与DM地标组合移动机器人及导航方法,首先通过建立里程计运动模型预测粒子位置,并利用DM码数据信息修正其参数,再建立DM地标观测模型更新粒子重要性权重;其后在改进的粒子重采样过程中根据相机观测似然增加固定数目的随机粒子,以获得更准确的粒子分布来有效提高定位精度,同时减弱了蒙特卡洛(MCL)算法粒子退化,改进算法解决了机器人位置漂移与劫持问题;最后通过DM地标轨迹纠偏不断修正其位姿,提高机器人全局导航精度,基于组合导航机器人平台进行实验。
-
公开(公告)号:CN112762928B
公开(公告)日:2022-07-15
申请号:CN202011538701.2
申请日:2020-12-23
Applicant: 重庆邮电大学
Abstract: 本发明公开了含有激光SLAM的ODOM与DM地标组合移动机器人及导航方法,首先通过建立里程计运动模型预测粒子位置,并利用DM码数据信息修正其参数,再建立DM地标观测模型更新粒子重要性权重;其后在改进的粒子重采样过程中根据相机观测似然增加固定数目的随机粒子,以获得更准确的粒子分布来有效提高定位精度,同时减弱了蒙特卡洛(MCL)算法粒子退化,改进算法解决了机器人位置漂移与劫持问题;最后通过DM地标轨迹纠偏不断修正其位姿,提高机器人全局导航精度,基于组合导航机器人平台进行实验。
-
公开(公告)号:CN113156931A
公开(公告)日:2021-07-23
申请号:CN202011520181.2
申请日:2020-12-21
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明公开了给含有离子‑人工蜂群算法的移动机器人配置路径的方法,主要用于解决仓储环境下路径规划问题;针对传统ABC算法存在的不足与缺陷,引入自然界离子间相互作用力来改善蜂群算法搜索阶段,并把搜索阶段分成前、后期来平衡算法的开发和探索能力,在保证不陷入局部最优的前提下,加大搜索步长,并在全局更新阶段加入自适应性花香浓度,根据花香浓度指引变异自适应性更新,提升算法的效率。该算法在不同的标准测试函数下验证极值求解能力并表现出较大的优势,通过求解机器人路径规划问题验证了算法的实际运用效果。
-
-
-
-
-