随着经济与科技的高速发展,智慧驾驶、智慧制造、智慧农业等行业都有移动机器人的应用参与。机器人属于多学科交叉领域,研究难度高,有许多尚未攻克的难题,是国家大力推动研究的重点。
但机器人研究面临许多现实的阻碍,许多研究还停留在模拟推算阶段,缺乏合适的实践平台用以上手验证;机器人涉及机械、电子、软件、控制等方面,从零开始研究移动机器人,跨专业学习门槛高、周期长。
机器人需要具备可靠的硬件与专业的机器人操作系统,开展移动机器人研究应用应从一个成熟可靠的移动机器人平台开始。
微型无人驾驶汽车实验平台,采用GPS与多线激光雷达等组合导航,完成导航任务。
以移动机器人平台模拟真实汽车,设计移动单元协同控制算法。
转换无人机获取的航空影像,发送至地面无人车执行导航任务。
将人脑神经活动转化控制指令,控制机器人运动。
使用视觉与激光雷达采集果园环境,进行避障策略研究,完成果园机器人自主作业。
在机器人平台上验证目标跟踪算法,能有效跟踪复杂场景的目标,且满足实时要求。
使用轮式机器人进行三维地图构建与优化,实现了高精度三维建图。
利用组合导航系统记录车辆的实时定位和跟踪点,提出一种优化目标路径的方法。
针对机器人导航,提出一种更优的基于强化学习的路径规划算法。
以轮式机器人为实验平台,设计实现了基于SLAM的自主导航软件系统。
[1] 张国强,韩军,成坚炼,周伟强,桑永龙.融合激光雷达与视觉信息的小型障碍物测量方法[J].电光与控制,2021,28(02):69-74.
[2] 付光耀,周海,卞春江,陈宇.基于闭环检测的三维点云地图创建[J].传感器与微系统,2020,39(09):53-55+59.
[3] 毛嘉琪. 基于建筑信息模型的消防救援机器人路径规划研究[D].湘潭大学,2020.
[4] 郑国财. 智能网联汽车背景下中职汽车教师专业能力的研究[D].天津职业技术师范大学,2020.
[5] 王召新,刘华平,续欣莹,孙富春.无人平台复杂地形探测的视触融合方法[J].飞控与探测,2020,3(02):52-58.
[6] 章弘凯,陈年生,范光宇.基于粒子滤波的智能机器人定位算法[J].计算机应用与软件,2020,37(02):134-140+199.
[7] 白中浩,朱磊,李智强.基于多模型融合和重新检测的高精度鲁棒目标跟踪[J].仪器仪表学报,2019,40(09):132-141.
[8] 陈忱. 无人驾驶系统中智能算法及其安全性研究[D].南京邮电大学,2019.
[9] 陈壮壮. 基于生成对抗网络无人机地貌建模研究及应用[D].深圳大学,2019.
[10] 段云志. 基于One-Shot Learning的场景识别技术的设计与实现[D].电子科技大学,2019.
[11] 付光耀. 基于图优化的轮式机器人三维建图研究[D].中国科学院大学(中国科学院国家空间科学中心),2019.
[12] 张德明. 运动想象脑电辨识方法研究及脑控车辆BCI系统构建[D].东南大学,2019.
[13] 张家瑞. 基于障碍物分类识别的林下作业机器人自主避障策略研究[D].河南科技大学,2019.
[14] 张居正. 基于深度学习的端到端车道线检测方法[D].湖南大学,2019.
[15] 贺强,陈一军,蒋涛,贺振世,陈俊茹,韩怡,刘琳琳.搬运机器人在印刷装备智能制造中的应用[J].今日印刷,2018(07):52-54.
[16] 熊安. 基于SLAM的轮式机器人定位与导航技术研究[D].中国科学院大学(中国科学院国家空间科学中心),2018.
[17] 李辉. 基于激光雷达的2D-SLAM的研究[D].浙江工业大学,2017.
[1] Chen J, Chen Z, Fang M, et al. A GAN-based Active Terrain Mapping for Collaborative Air-Ground Robotic System[C]//2019 IEEE 4th International Conference on Advanced Robotics and Mechatronics (ICARM). IEEE, 2019: 622-627.
[2] Gao P, Liu Z, Wu Z, et al. A global path planning algorithm for robots using reinforcement learning[C]//2019 IEEE International Conference on Robotics and Biomimetics (ROBIO). IEEE, 2019: 1693-1698.
[3] Li J, Chen Z, Chen J, et al. Diversity-Sensitive Generative Adversarial Network for Terrain Mapping Under Limited Human Intervention[J]. IEEE transactions on cybernetics, 2020.
[4] Pan J, Dou Y, Huang X, et al. Research on Intelligent Vehicle Following Technology Based on UWB[C]//2020 39th Chinese Control Conference (CCC). IEEE, 2020: 3352-3356.
[5] Wang Y, Huang J, Wang B, et al. A Cooperative Motion Control Strategy of Multi-objects Simulation Based on CAV Testing Platform[M]//Green, Smart and Connected Transportation Systems. Springer, Singapore, 2020: 1197-1209.
[6] Yan Y J, Geng K K, Liu S, et al. A New Path Tracking Algorithm for Four-Wheel Differential Steering Vehicle[C]//2019 Chinese Control And Decision Conference (CCDC). IEEE, 2019: 1527-1532.
[7] Zhang H, Chen N, Fan G. An Improved Localization Algorithm for Intelligent Robot[C]//2019 12th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI). IEEE, 2019: 1-5.
适用于教学、科研、竞赛的智能移动机器人平台,平台集成度高、上手快、全开源、扩展性强、支持ROS。
教育 Education
科研 Research
竞赛 Competition
点击查看产品详细介绍
点击查看产品详细介绍
尺寸 | 726 X 617 X 773mm | 702 X 507 X 1170mm |
最大速度 | 0.8m/s | 1m/s |
负载能力 | 30kg | 80kg |
通过能力 | 80mm | 50mm |
续航时间 | 4h | 4h |
驱动方式 | 四轮差动 | 三轮差动 |
ROS系统 | 支持 | 支持 |
开发语言 | C++,Python | C++,Python,C# |
自重 | 45kg | 50kg |
A
B
C
J
M
N
Q
S
D
F
G
H
T
W
X
Y
Z
Autolabor 团队由清华大学智能驾驶实验室孵化而出,是一家专注于人工智能领域的高新科技技术企业,多年深耕智能制造,提供智能驾驶,智能化园区巡检,智慧农业、智能制造等领域的解决方案。
我司产品现已在清华、北大、北航、北理工、中科院、天津大学、武汉大学、东南大学、中南大学、华为、碧桂园等数十所高校公司中广泛使用。
秉承先进的研发技术,坚持以用户体验为本的服务理念,致力于为用户提供业内领先的产品、技术解决方案及专业的服务。
北京市海淀区中关村东路8号东升大厦A座4层
郑经理
sale@autolabor.com.cn