基于ROS的溯源机器人系统
1 系统框架
基于ROS的溯源机器人系统的功能主要有：感知层、数据采集、基于感知数据的溯源服务、语音控制、物体识别、机器人物体追踪和Web端等及部分组成。
（1）感知层数据采集：通过传感器获取所处环境的物理状态，然后将数据发送至ROS网络；
（2）基于感知数据的溯源服务：对数据分析后，控制机器人进行相应动作；
（3）Web端：实时显示感知层获取的数据，并对执行节点进行控制、展示视频监控和控制机器人。
2 系统软件设计
2.1 感知层的设计
通过无线传感器网络传递数据实现感知层数据采集功能。
2.2 网关程序设计
程序内部使用Contiki IPv6接入模块，实现IPv6和IPv4的动态转换，设置转换地址池，将数据汇聚处理后以ROS规范进行转换，最后将感知层数据递交至ROS网络。
2.3 SALM自动溯源
机器人首先采用基于优化算法的hectorslam方法建立试验环境的地图并记录传感器节点的坐标。其次溯源模块监听感知层的实时数据，若检测出异常，则在建立实验环境地图的基础上，采用ROS提高的navigation导航功能包集依次建立环境的全局代价地图和局部代价地图，结合查询得到的异常数据点坐标，初步规划自动导航的全局路径，再经局部代价地图调整得到修正过后的全局路径。
完成建图和路线规划后, 引入 ROS 的actionlib 功能包集合判断溯源结果, actionlib 使用 client-server 工作模式, 不断比较异常节点坐标和当前位置, 判断是否到达目标点,
2.4 物体识别
物体识别采用 tensorflow 深度学习框架和 Inceptionv3 模型. 程序收到物体识别的指令后, 对当前摄像头捕
获的图像进行识别预测, 根据预测结果的 id 号, 在
Inception-v3 模型中查找对应的物体, 最后将结果返回
至用户
标签：11,物体,机器人,感知,ROS,数据,溯源 来源： https://blog.csdn.net/weixin_44208404/article/details/120085746
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。