基于AI視覺的麥克納姆輪式小車自動識別抓取系統(tǒng)設計

第1章緒論1.1研究目的及意義為了滿足企業(yè)在開源節(jié)流上的需求，研究并設計了一套工業(yè)機器人識別抓取工件的系統(tǒng)。利用Raspberry芯片作為核心單片機，結合歡顏機器人自身的控制系統(tǒng)，再通過AI視覺模塊實現(xiàn)對工件顏色的辨識。準確定位，最后通過機械臂實現(xiàn)對工件的抓取和放置。系統(tǒng)在提高生產效率和解放勞動力的方面，具有較高的實用及推廣價值。近年來，隨著我國科技飛速發(fā)展，勞動力成本也在提高，人們對工業(yè)機器人領域越來越關注，工業(yè)機器人已成為智能制造業(yè)中不可或缺的裝備，其廣泛應用推動了智能化和自動化的發(fā)展。工業(yè)機器人是一種融合了機械、電子、計算機等多個學科領域的高科技產品，具有高度綜合性和創(chuàng)新性、不僅適應性強且可靠性高。本設計應用AI視覺模塊、歡顏工業(yè)機器人，實現(xiàn)了視覺引導機器人抓取工件的功能。1.2國內外研究現(xiàn)狀近年來，隨著社會經濟的快速發(fā)展，國內外很多研究機構在這個領域做了諸多努力。2022年，唐淮、張晶、李為瑩等人在《基于AI視覺的工業(yè)機器人抓取系統(tǒng)設計》中提到，AI視覺傳感器采用的AI芯片，內置多種算法，相較于普通傳感器，AI視覺傳感器融合了更先進的機器學習技術，使其具備顏色識別等更高級能力。2022年，黃春機在《基于AI視覺技術構建柔性生產數字化車間》中提到，利用AI視覺軟件基礎平臺，對不同作業(yè)環(huán)節(jié)的工藝要求、經驗值等進行軟件算法的轉換，再金國機器學習分析后，最后通過通過控制軟件系統(tǒng)與輔助機械手進行生產作業(yè)。同時依托智能化的服務平臺，分析大數據和建立模型，再以模擬預測的方式，結合監(jiān)控裝置設備反饋回來的站情中心的信息，進行綜合管理，質量管控和設備管理等應用場景，并與設備聯(lián)網、終控平臺、物流控制等自動化互聯(lián)系統(tǒng)（如AGV搬運、自動化設備狀態(tài)監(jiān)控、機器人工作站和檢測設備）進行銜接。2021年，郭熹、李斌等人在《基于5G的工業(yè)AI視覺檢測系統(tǒng)應用》中指出，以5G的工業(yè)視覺檢測系統(tǒng)為平臺、提出一種多個監(jiān)測點并行的工業(yè)檢測方案。在傳統(tǒng)的工業(yè)視覺檢測設備基礎上增加智能感知單元以及機器學習算法，將其部署到工業(yè)環(huán)境中進行實時檢測。該方案可以為企業(yè)提供一種低成本高效的智能感知解決方案。因此，該方案具有較高的實用價值和推廣價值。2019年岑文星撰文《基于AI視覺的微型無人機救援系統(tǒng)研究》時指出，中國在AI領域，不論是在人臉識別技術、還是圖像分類、甚至預測技術與跟蹤技術等方面，正是因為中國的高科技企業(yè)對AI技術的看重，人民的不斷努力，才獲得了今天一系引以為傲的科技成果，中國在AI技術領域發(fā)布獲得的成就，到現(xiàn)在來看依然處于世界領先地位，同時也起到了領頭羊的作用。2019年，WenxingCen在《ResearchonMicroUAVRescueSystemBasedonAIVision》中提到，在AI視覺領域，國外的研究歷史悠久且成熟，一系列基礎理論框架模型被提出，其中包括CNN、RCNN和FasterRCNN等，這些模型為人們對AI技術領域的研究提供了堅實的基礎。隨著人工智能技術發(fā)展越來越迅猛，人們對機器學習算法的要求也就越高，目前主流的深度網絡模型是基于淺層特征的卷積神經網絡。經過這幾年發(fā)展，其性能已經接近甚至超過其他現(xiàn)有模型的性能。在圖像分類和目標檢測任務中，它展現(xiàn)出了非常卓越的表現(xiàn)，同時也彰顯了其卓越的能力。2023年，HeikoSeitz在《\t"30/kns8/defaultresult/_blank"QualityInspectionWithAIVision》中提到隨著人工智能技術的飛速發(fā)展和推廣應用,AI視覺與教育融合已成為未來教育改革的熱點。在當下的教育圈，ABC（AI,人工智能；BigData,大數據；CloudComputing,云計算）已成為了熱點話題,而AI視覺更是各項智慧教育應用建設落地中的重要基礎技術。視覺智算中心云化集群部署，并采用分層解耦的方式建設。首先，它實現(xiàn)了視頻、錄像、圖片流、離線視頻全量解析能力的靈活調配，使本地服務器具備算法倉庫功能,同時實現(xiàn)了多種AI算法的并行運行能力以及算法應用按時按需任意切換調用，并支持算法在線動態(tài)加載、升級、卸載；其次，它具備校園AI開放平臺訓練功能,實現(xiàn)了對校園內各種業(yè)務場景人工智能算法精準度訓練,提升智能管理能力、節(jié)省智能建設成本、滿足校園各種業(yè)務場景的智慧應用需求；再次，視覺智算中心具備極其靈活的屬性,它可根據場景的需求靈活切換算法，此外，該設備還擁有新增的視頻智能化功能，使得在面對新需求時，只需添加新的算法即可解決問題。DimCamillo提出，隨著理論的深度學習，人工智能所面臨的問題也變得越來越復雜，這時如何依靠機器進行描述成為了制約其發(fā)展的主要瓶頸，同時這也為AI視覺識別技術的進一步發(fā)展提供了新的機遇。AI視覺識別技術是一種基于計算機視覺和圖像處理的智能化信息處理方法。作為信息科學領域的一項重要成果，AI視覺技術能夠實時監(jiān)測敏感區(qū)域的異常情況，并以形式化的語言準確表達，因此在各種領域下都具有廣泛的應用和商業(yè)價值。隨著我國城市化進程加快，城市交通環(huán)境也變得越來越擁堵，人們的出行也成為了一大問題，針對城市交通擁堵這一情況，國家提出了加大智能交通管理系統(tǒng)建設這一方針。AI視覺技術呈現(xiàn)出無限的潛能和廣闊的市場前景，這一趨勢在其發(fā)展歷程中得到了充分的證實。隨著我國社會經濟水平不斷提高，人民生活質量日益提高，越來越多的人開始關注生活品質，智能出行已經潛移默化成為了未來城市的發(fā)展趨勢，智慧交通也成為一種必然的發(fā)展趨勢。隨著城市路網結構日益密集，人們越來越希望能夠隨時隨地獲取路況信息以提高出行效率。作為一個需要實時監(jiān)測、場景復雜的領域，交通行業(yè)已成為AI視覺識別技術應用中不可或缺的重要領域。目前，海康威視、新圖、大華等各大廠商在道路交通的視覺監(jiān)測技術方面已經積累了相當豐富的實踐經驗，不單單是在車牌和車型的識別方面，在道路監(jiān)測方面他們也表現(xiàn)出了卓越的能力。因為交通行業(yè)的各個場景未能被AI視覺技術全面覆蓋，所以在道路管理者提出個性化需求時，很難在市場上找到現(xiàn)有的AI技術，這也使得他們面臨著巨大的挑戰(zhàn)。所以為了針對二次開發(fā)項目的資金和時間限制種種問題，他們提出了基于市場痛點，建立AI中臺計劃。1.3主要研究內容1.閱讀相關文獻確定了設計功能和軟件硬件的選擇方案2.硬件部分采用Raspberry芯片3.設計采用python軟件平臺和C編程語言完成軟件設計4.將系統(tǒng)進行調試運行并成功實現(xiàn)5.實現(xiàn)的成果為實物該系統(tǒng)應完成的主要功能有： 1.控制麥克納姆輪式小車進行左轉、右轉、前進、停止；2.能夠實現(xiàn)顏色跟蹤，識別到指定顏色，機械臂隨之運動；3.機械臂能夠抓取搬運物體。第2章系統(tǒng)總體結構2.1設計方案基于人工智能視覺技術，設計出基于AI視覺的麥克納姆輪式小車設計，系統(tǒng)包括AI視覺模塊、舵機模塊及核心單片機。系統(tǒng)采用樹莓派作為核心，將小型直流電機作為驅動元件，通過舵機控制來實現(xiàn)麥克納姆輪式小車的轉向，小車利用AI視覺模塊，來識別物體顏色，運用圖像識別技術提取路徑信息，確保麥克納姆輪式小車始終處于最佳運行狀態(tài)。2.2功能需求分析2.2.1技術路線（1）硬件部分需要Raspberry開發(fā)板；（2）軟件平臺程序用python；（3）畫原理圖用AD；（4）編程語言用C語言；2.2.2預期結果作品展示，完成一個基于AI視覺的麥克納姆輪式小車系統(tǒng)設計，并且該設計能實現(xiàn)的功能如下：1.控制麥克納姆輪式小車進行左轉、右轉、前進、停止；2.能夠實現(xiàn)顏色跟蹤，識別到指定顏色，機械臂隨之運動；3.機械臂能夠抓取搬運模塊。2.3總體方案設計第一：在理論知識準備階段，深入研究課題設計，全面理解所涉及的內容，從而能夠熟練掌握與題目相關的知識；第二：搜集相關的軟硬件資料，理清系統(tǒng)各個模塊的作用；第三：規(guī)劃課題，確定系統(tǒng)的組成，勾勒系統(tǒng)的整體框架，提出原理框圖；第四：運用軟件實現(xiàn)硬件電路部分的設計，繪制出電路圖；第五：在進行系統(tǒng)控制的過程中，依次完成軟件設計，并繪制出主流程圖；第六：進行模擬仿真，確保系統(tǒng)能夠按照要求實現(xiàn)功能，整理并規(guī)范論文。2.4開發(fā)板型號選擇圖2-1Raspberry芯片原理圖樹莓派芯片是一款以ARM架構為基礎的微型電腦主板，其內存硬盤為SD/Mi，周圍還環(huán)繞著1/2/4個USB接口和一個10/100以太（A型沒有網口），可以連接鍵盤、鼠標還可以和網線實現(xiàn)無縫連接。此外，該主板亦配備了可實現(xiàn)視頻模擬信號電視輸出的接口，以及HDMI高清視頻輸出的接口設備。所有部件均整合在一起，整個主板也就比信用卡稍大。同時具備所有PC的基本功能，只需連接電視機和鍵盤，即可實現(xiàn)電子表格填寫、文字處理、玩游戲和播放高清視頻等多種功能。在工作和生活中，它經常會用到一些小技巧。當然，微小的差異也難以避免地存在。在這里，我想說說它最吸引人的地方。對于RaspberryPi而言，存儲數據的主要方式是將SD卡作為“硬盤”，而且你還可以通過外接USB硬盤來存儲數據。相較于常見的嵌入式微控制器，如51單片機和STM32單片機等，樹莓派除了可以完成相同的引腳控制，還能夠運行相應的操作系統(tǒng)，從而完成更為復雜的任務管理與調度，支持更高級別的應用開發(fā)，為開發(fā)者提供了更廣泛的應用領域第3章系統(tǒng)的硬件部分設計3.1系統(tǒng)總體設計本課題是基于AI視覺的麥克納姆輪式小車設計。該系統(tǒng)采用了人工智能技術和機器視覺算法來實現(xiàn)對移動機器人路徑規(guī)劃的功能。該系統(tǒng)由AI視覺模塊、舵機模塊、機械臂抓取模塊和核心單片機構成。AI視覺模塊具備顏色識別能力，通過顏色識別來精確定位工件，并通過機械臂來實現(xiàn)麥克納姆輪式小車抓取動作；該系統(tǒng)應完成的主要功能有：1.控制麥克納姆輪式小車進行左轉、右轉、前進、停止；2.能夠實現(xiàn)顏色跟蹤，識別到指定顏色，機械臂隨之運動；3.機械臂能夠抓取搬運模塊。總體原理圖如下所示：圖3-1總體原理圖3.2系統(tǒng)的主要功能模塊設計3.2.174HC126模塊設計圖3-2-174HC126模塊設計74HCT126是一個四態(tài)緩沖器/線驅動器，具有由輸出使能輸入（NOE）控制的三態(tài)輸出。NOE上的LOW使輸出呈現(xiàn)高抗阻OFF狀態(tài)。輸入包括箝位二極管。這使得能夠使用限流電阻器將輸入接口連接到超過VCC的電壓。3.2.2YX-4055驅動模塊設計圖3-2-2YX-4055驅動模塊原理圖YX-4055AM是一種DC雙向馬達驅動電路，適用于各種類型的電機驅動，包括但不限于玩具、自動閥門和電磁門鎖等。它由一個簡單可靠的開關電容型直流穩(wěn)壓電源和一個功率晶體管構成。該裝置配備了兩個邏輯輸入接口，以控制電機的前進、后退和制動操作。另外在控制電路中還有一個用于顯示和報警的開關量輸出端。其特質所在:微小的待機電流，其數值未超過2uA的限制范疇；工作電壓的范圍在3.0V～15之間；該系統(tǒng)不僅具備緊急停止功能，同時還配備了過熱保護功能、過流嵌流保護和短路保護功能，來保證小車正常運行。3.2.3舵機模塊設計在自動駕駛儀中，舵機作為一種執(zhí)行部件，負責操縱飛機的舵面（操縱面）旋轉。一般用于小型飛行器或無人直升機上，也可以安裝于大型無人機及無人駕駛飛機上。被廣泛運用于高端遙控玩具，例如航空器、潛艇模型，以及遙控設備。導彈等飛行器上，是飛行控制的核心部件之一。在選擇舵機時，需要考慮扭矩大小，因為舵機的尺寸是由外部裝配的規(guī)范所決定。由于舵機本身結構簡單，價格較低，因而被廣泛應用于各種飛行器上，特別是一些小型飛行器，更是離不開它。在選擇經濟和需求相匹配的舵機時，需要謹慎思考，這是一門不可忽視的學問。目前國內生產的遙控玩具中常用到電動舵機，其結構簡單，價格便宜。一種是電動舵機，它能將發(fā)動機產生的動力轉化為力，再通過齒輪傳動裝置傳遞給螺旋槳。當自動駕駛儀接收到指定信號并開始工作后，盡管這時是在人工在手動駕駛飛機，但是由于離合器處于脫離狀態(tài)，所以傳動部件根本不會發(fā)生任何作用，這種舵具有一定的局限性；另一種舵機是液壓系統(tǒng)舵機，由液壓壓頭和旁通活門兩關鍵部分構成，扮演著至關重要的作用。當有人在駕駛飛機時，舵機會通過液壓泵將油液壓入液壓缸內，從而使舵軸與機翼產生相對轉動并驅動螺旋槳旋轉。舵機作為一種驅動器，能夠實現(xiàn)對位置（角度）的伺服控制，主要應用于那些需要角度不變，還能夠持續(xù)控制的操作系統(tǒng)；它還可用于各種機械和自動化裝置，特別是能完成遠距離控制任務。目前，高端遙控玩具，如航空模型和潛艇模型，正處于市場上備受追捧的地位；以及在遙控機器人等方面也得到了廣泛地應用。在遙控機器人領域，這一技術已經得到了廣泛的應用，隨著電子技術的發(fā)展，舵機也逐漸由模擬轉向數字，從機械控制向數字控制過渡?？偠灾?，舵機，不僅僅是一種常見的機械裝置，同時還是一種基于伺服技術的馬達。舵機的構成要素包括外殼、電路板、驅動馬達、以及位置檢測元件，這些元件共同構成了舵機的核心部件。本研究之目的為設計一簡單可靠且可重復使用之舵機系統(tǒng)，以降低使用成本及提高可靠性。本論文主要研究之課題為設計一款具有高穩(wěn)定性及高效率特性之伺服馬達。由于磁力線是沿著圓周方向分布的，所以當電機運轉時就會受到電磁力和摩擦力等各種力的影響。通常情況下，是依靠將細銅線纏繞在伺服馬達的三極轉子上，從而在電流流經線圈時就會形成磁場，這時轉子就會和周圍的磁鐵產生排斥作用，最后形成旋轉的作用力。傳統(tǒng)的舵機大多為機械結構，其旋轉速度較低，耗能較大。為了追求更快的轉速和更低的耗電，空心杯馬達就這樣應需而生了。該系統(tǒng)的操作原理在于，信號調制芯片接收到信號控制信號，經過接收機通道傳輸，以獲取直流偏置電壓。通過電位器和開關管改變交流偏壓值，從而實現(xiàn)對直流電動機轉速的調節(jié)。為了確保電機在規(guī)定時間內實現(xiàn)勻速運轉，可以采用一種特殊設計的減速機構來產生這種作用，這時可以通過增加電機速度傳感器來測量電機的速度變化量。當電機的轉速保持不變時，通過級聯(lián)減速齒輪的驅動，帶動電位器旋轉，從而使電壓差為零的電機停止旋轉。這個過程也就是我們通常所說的電機啟動和制動的動作過程。當然，我們無需深入了解其具體操作原理，只需掌握其控制機制即可。如果要知道這個電路的實際作用和功能就必須對其進行分析與研究。就如同晶體管的特性一樣，我們可以將其用作開關管或放大管，而管內電子的流動方式則無需過多考慮。由于時間間隔短，所以通常采用脈寬調制方式來實現(xiàn)其頻率跟蹤功能。以180度角度伺服為例，對應的控制關系呈現(xiàn)出一種高度精密的控制模式:0.5ms0度；1.0ms45度；1.5ms90度；2.0ms135度；2.5ms180度。第4章系統(tǒng)的軟件設計4.1軟件主流程圖接通電源后，AI視覺模塊能夠進行學習，來完成對物體的準確識別，在通過機械臂進行抓??；通過主控模塊處理控制麥克納姆輪式小車移動。開始開始系統(tǒng)初始化初始化成功驅動小車移動控制小車轉彎學習識別物體顏色YX-4055模塊AI模塊舵機模塊結束NY圖4-1主流程圖

4.2AI模塊軟件的設計如圖4-2為該模塊的設計流程圖。接通電源后，學習識別物體顏色，通過主控模塊驅動機械臂對物體進行抓取。圖4-2AI模塊設計流程圖開始系統(tǒng)初始化開始系統(tǒng)初始化初始化成功小車抓取正確物體學習識別物體顏色結束NY在基于AI視覺的麥克納姆輪式小車自動識別抓取系統(tǒng)中，AI模塊的軟件設計如下：數據采集：使用攝像頭或其他視覺傳感器采集圖像數據?？梢赃x擇適當的分辨率和幀率，以平衡計算性能和實時性要求。為了提高后續(xù)的目標檢測或圖像識別算法的準確性和效率，我們需要對所采集到的圖像數據進行一系列的預處理工作，以確保數據的準確性和可靠性。在實際應用中，為了保證所得到的結果是正確無誤的，必須對這些圖像數據做必要的處理。圖像預處理的流程包括去除噪聲、調整尺寸、進行灰度化以及進行邊緣檢測等多個步驟。在進行目標檢測或圖像識別時，我們可以采用基于深度學習的神經網絡模型，以達到最佳的識別效果和精度。通過這些算法來獲取待分析數據集，然后利用已構建的網絡模型，將所需處理的特征輸入到該數據集中。利用經過訓練的模型，對經過預處理的圖像進行目標檢測或圖像識別，以獲取目標物體的位置、類別以及相關信息。針對實時跟蹤目標物體的需求，可采用多種目標跟蹤算法，如基于卡爾曼濾波、單一目標跟蹤器或多目標跟蹤器等。本文主要介紹了在汽車自動駕駛系統(tǒng)中使用目標跟蹤算法實現(xiàn)自主導航的過程以及該系統(tǒng)所涉及到的相關技術。小車可以通過目標跟蹤算法獲取目標的運動軌跡和速度信息，從而實現(xiàn)精準控制。根據目標檢測或目標跟蹤的結果，運用目標邊界框坐標或像素坐標，精確計算目標物體在圖像中的位置。控制指令生成：根據目標物體的位置和小車的當前狀態(tài)，生成相應的控制指令，以使小車朝向目標物體移動。控制指令可以包括小車的速度、轉向角度或輪子速度等?？刂菩盘栞敵觯簩⑸傻目刂浦噶钷D換為適當的控制信號格式（如PWM信號或數字信號），輸出給麥克納姆輪式小車的驅動器或電機控制模塊，以實現(xiàn)小車的移動和導航。循環(huán)執(zhí)行：將上述步驟放入一個循環(huán)中，實時采集圖像數據、進行目標檢測或圖像識別、計算控制指令，并輸出控制信號，以實現(xiàn)小車對目標物體的自動追蹤和抓取。4.3舵機模塊的軟件設計本設計通過舵機實現(xiàn)小車的轉彎和機械臂的活動。圖4-3舵機模塊流程圖在基于AI視覺的麥克納姆輪式小車自動識別抓取系統(tǒng)中，舵機模塊的軟件設計如下：初始化舵機模塊：在系統(tǒng)啟動時，初始化舵機模塊并設置相關參數，如舵機的引腳連接、初始位置、舵機控制方式等。獲取目標物體位置：使用AI視覺算法（如目標檢測或圖像識別）從攝像頭或圖像流中獲取目標物體的位置信息。計算舵機控制指令：根據目標物體的位置信息和小車的當前狀態(tài)，計算舵機的控制指令。這可以包括舵機的旋轉角度、速度和加速度等參數。舵機控制邏輯：根據計算得到的舵機控制指令，實現(xiàn)舵機的控制邏輯。這可以通過調用相應的舵機控制庫或編寫自定義的舵機控制代碼來實現(xiàn)。舵機反饋處理：如果舵機支持反饋功能，可以讀取舵機的當前狀態(tài)（如實際位置或速度），并進行反饋處理，以確保舵機運動的準確性和穩(wěn)定性。循環(huán)執(zhí)行：將上述步驟放入一個循環(huán)中，實時獲取目標物體位置、計算舵機控制指令并執(zhí)行舵機控制，以實現(xiàn)小車對目標物體的自動追蹤和抓取。第5章系統(tǒng)測試5.1系統(tǒng)實物圖圖5-1系統(tǒng)完整實物圖5.2測試原理圖5-2-1如圖5-2-1為手機端APP，檢測到小車后點擊連接。點擊顏色追蹤后（如圖5-2-2），選取想跟蹤的顏色，小車機械臂自動識別物品顏色，隨之移動，比如識別到紅色，機械臂會跟著紅色小方塊進行相應的跟蹤移動。（如圖5-2-3）。圖5-2-2圖5-2-3圖5-2-4如圖5-2-4，左邊為操控小車移動；右邊為操控小車機械臂移動，點擊閉合，小車機械臂閉合抓住物體，點擊向后，機械臂抬起，點擊向前，機械臂落下點擊向右或者向左，機械臂向右或者向左擺動（如圖5-2-5）。圖5-2-5 第6章總結與展望6.1總結基于AI視覺的麥克納姆輪式小車自動識別抓取系統(tǒng)是一種智能化控制系統(tǒng)，該系統(tǒng)主要用于識別和精確定位不同色彩的物體，并通過機械臂實現(xiàn)對工件的抓取和放置，能夠大大提高成產效率。在麥克納姆輪式小車自動抓取識別系統(tǒng)中，包括了不同的傳感器和控制器，如測速傳感器、AI視覺傳感器、舵機、機械臂等，它們分別負責小車的各項功能及操作。通過這些設備的配合和智能化的控制算法，可以實現(xiàn)小車的移動、自動識別并抓取物體等功能，對于結合自動識別抓取技術的麥克納姆輪式小車的研究有了進一步進展?？偟膩碚f，基于AI視覺的麥克納姆輪式小車自動抓取識別系統(tǒng)的有點包括提高各個行業(yè)的工作效率、減少人為操作的錯誤、節(jié)省人力物力成本等。隨著科技的不斷發(fā)展和進步，麥克納姆輪式小車自動抓取系統(tǒng)將會越來越智能化，成為未來各行業(yè)勞動力的重要組成部分。6.2展望自動識別抓取系統(tǒng)是麥克納姆輪式小車的一種智能化控制系統(tǒng)，隨著科技的不斷發(fā)展和進步，它的展望可以從以下幾個方面來看：1.智能化水平的提高：隨著AI視覺技術、物聯(lián)網、大數據等技術的不斷發(fā)展和普及，麥克納姆輪使小車自動識別抓取系統(tǒng)將會變得更加智能化。未來，這些技術將會被應用到智能小車的自動識別抓取系統(tǒng)中，通過人工智能算法、自適應控制等手段來實現(xiàn)更加高效、智能的物體自動識別抓取系統(tǒng)。2.安全性的提升：隨著各種傳感器和控制設備的不斷升級和更新，麥克納姆輪式小車自動識別抓取系統(tǒng)的安全性將會得到進一步提升。未來，這些設備將會變得更加敏感和準確，能夠及時、有效地檢測和應對突發(fā)情況，保障同一環(huán)境中工作人員的安全。3.節(jié)能環(huán)保的實現(xiàn)：基于AI視覺的麥克納姆輪式小車還將會更加注重節(jié)能環(huán)保，采用新型材料和能源技術來降低能耗，減少環(huán)境污染。例如，采用太陽能或其他可再生能源來為自動門控制系統(tǒng)提供能源，實現(xiàn)能源的可持續(xù)利用?？偟膩碚f，未來麥克納姆小車自動識別抓取將會更加智能、安全和節(jié)能環(huán)保，成為各行各業(yè)的重要組成部分，為城市建設和發(fā)展作出更大的貢獻。參考文獻[1]孫弋，孫媛媛，孫柒零，盧皓.基于ZigBee的便攜式無線橋梁健康狀況監(jiān)測技術的研究[J].計算機測量與控制,2022.18(1):11.[1]沈健.工業(yè)機器人視覺引導抓取工件的研究[J].智能制造，2021（04）：72-75.[2]王詩宇.智能化工業(yè)機器人視覺系統(tǒng)關鍵技術研究[D].中國科學院大學，2021.[3]鄭才國,江劍.基于STM32單片機智能小車設計[J].工業(yè)控制計算機,2021,34(09):143-144+146.[4]陳鵬.智能小車定位和路徑規(guī)劃系統(tǒng)的研究與開發(fā)[D].黑龍江大學,2021.[5]楊道清.雙目智能小車障礙物檢測與避障研究[D].昆明理工大學,2021.[6]吳迪.基于多傳感器融合的智能小車SLAM導航研究[D].天津職業(yè)技術師范大學,2020.[7]李雪.改進蟻群算法在智能小車路徑規(guī)劃中的應用研究[D].安徽工程大學,2020.[8]楊梅,張施展.基于單片機控制的信標智能小車設計[J].科學技術創(chuàng)新,2021(30):157-159.[9]張文青,龍奕帆.基于OpenMV視覺模塊的智能小車巡線系統(tǒng)設計[J].集成電路應用,2021,38(10):232-233.[10]竇新宇,王玉娜.智能信息類創(chuàng)新型應用人才的培養(yǎng)——以跨學科智能小車研究為例[J].工業(yè)技術與職業(yè)教育,2021,19(03):47-50.[11]黃春機.基于AI視覺技術構建柔性生產數字化車間[J].智能制造,2022(03):30-33.[12]唐淮,張晶,李為穎,馮冬梅,吳科進.基于AI視覺的工業(yè)機器人抓取系統(tǒng)設計[J].內燃機與配件,2022(06):185-187.DOI:10.19475/ki.issn1674-957x.2022.06.056.[13]郭熹,李斌,馬文輝,賀鳴,陳亞峰.基于5G的工業(yè)AI視覺檢測系統(tǒng)應用[J].郵電設計技術,2021(04):73-78.[14]辜玉良,余正保,趙獻前.AI視覺技術助力攪拌站智能應用[J].數字技術與應用,2021,39(02):103-105+108.DOI:10.19695/12-1369.2021.02.33.[15]岑文星.基于AI視覺的微型無人機救援系統(tǒng)研究[D].西安電子科技大學,2019.DOI:10.27389/ki.gxadu.2019.002901.[16]王敏,黃心漢.基于視覺與超聲技術機器人自動識別抓取系統(tǒng)[J].華中科技大學學報,2001(01):73-75.DOI:10.13245/j.hust.2001.01.025.[17]X.Baro,S.Escalera,J.Vitria,O.Pujol,P.RadevaTrafficsignrecognitionusingevolutionaryadaboostdetectionandforest-ecocclassificationIEEETrans.Intell.Transport.Syst.,10(1)(2021),pp.113-126[18]S.M.Bascon,J.A.Rodriguez,S.L.Arroyo,A.F.Caballero,F.Lopez-FerrerasAnoptimizationonpictogramidentificationfortheroad-signrecognitiontaskusingSVMsComput.VisionImageUnderst.,114(3)(2022),pp.373-383[19]C.C.Chang,Y.P.HsiehAfastVQcodebooksearchwithinitializationandsearchorderInf.Sci.,183(1)(2022),pp.132-139[20]D.Ciresan,U.Meier,J.Mascim,J.Schmidhuber,Acommitteeofneuralnetworksfortrafficsignclassification,in:Proc.ofInt.Joint.Conf.onNeuralNetworks(IJCNN),July2021,pp.1918–1921.[21]S.Escalera,O.Pujol,P.Radeva.Trafficsignrecognitionsystemwithβ-correctionMach.VisionAppl.,21(2)(2021),pp.99-111附錄電路圖源代碼importsysimportcv2importtimeimportrospyimportthreadingimportnumpyasnpfromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtWidgetsimportQWidget,QMainWindow,QApplication,QDialog,QMessageBoxfromlab_config_proxyimportLabConfigProxyfromuiimport*importadd_color_dialogfromsensor_msgs.msgimportImageimportcamera_threadclassMainWindow(QWidget,Ui_Form):def__init__(self):super(MainWindow,self).__init__()self.setupUi(self)rospy.init_node('lab_node')self.last_range_max=[999,999,999]self.last_range_min=[999,999,999]ip=""self.lab_config_proxy=LabConfigProxy(host=ip,port=9090)self.lab_config_proxy.enter_func()boBox_color.currentTextChanged.connect(self.set_slider_by_combobox)self.horizontalSlider_LMax.valueChanged.connect(lambdavalue:self.label_LMax.setNum(value))self.horizontalSlider_LMin.valueChanged.connect(lambdavalue:self.label_LMin.setNum(value))self.horizontalSlider_AMax.valueChanged.connect(lambdavalue:self.label_AMax.setNum(value))self.horizontalSlider_AMin.valueChanged.connect(lambdavalue:self.label_AMin.setNum(value))self.horizontalSlider_BMax.valueChanged.connect(lambdavalue:self.label_BMax.setNum(value))self.horizontalSlider_BMin.valueChanged.connect(lambdavalue:self.label_BMin.setNum(value))self.pushButton_labWrite.clicked.connect(self.save_ranges_to_disk)self.pushButton_AddColor.clicked.connect(self.add_color)self.update_color_names()self.range_update_timer=threading.Timer(0.05,self.update_current_range)self.range_update_timer.setDaemon(True)self.range_update_timer.start()self.ros_camera=camera_thread.ROS_Camera('/lab_config_manager/image_result')self.ros_camera.raw_data.connect(self.show_image)self.ros_camera.enter()self.ros_camera.start()defshow_image(self,image):image=cv2.resize(image,(400,600),interpolation=cv2.INTER_NEAREST)image_o=image.copy()[:300,:]image_p=image.copy()[300:,:]image_=np.hstack((image_o,image_p))qimage=QImage(image_.data,800,300,QImage.Format_RGB888)self.label_orign.setPixmap(QPixmap.fromImage(qimage))#窗口退出defcloseEvent(self,e):result=QMessageBox.question(self,"關閉窗口提醒","exit?",QMessageBox.Yes|QMessageBox.No,QMessageBox.No)ifresult==QMessageBox.Yes:self.lab_config_proxy.exit_func()self.ros_camera.exit()QWidget.closeEvent(self,e)else:e.ignore()defapply_current_range(self):rsl=self.lab_config_proxy.apply_current_range(boBox_color.currentText())ifrsl['success']:QMessageBrmation(self,"Applycolorrange","Successed!")else:QMessageBrmation(self,"Applycolorrange","Failed")defsave_ranges_to_disk(self):self.lab_config_proxy.apply_current_range(boBox_color.currentText())rsl=self.lab_config_proxy.save_ranges_to_disk()ifrsl['success']:QMessageBrmation(self,"Savetodisk","Successed!")else:QMessageBrmation(self,"Savetodisk","Failed")defadd_color(self):dialog=QDialog()dialog_ui=add_color_dialog.Ui_Dialog()dialog_ui.setupUi(dialog)defget_color_name():color_name=dialog_ui.lineEdit.text()self.lab_config_proxy.apply_current_range(color_name)boBox_color.addItem(color_name)boBox_color.setCurrentText(color_name)dialog.close()dialog_ui.pushButton_ok.clicked.connect(get_color_name)dialog_ui.pushButton_cancel.clicked.conne