基于Faster R-CNN和模糊PID的巡检机器人云台控制研究

彭盖伦; 彭道刚; 张浩; 夏飞

Chinese

您当前的位置：

首页 >

文章列表页 >

基于Faster R-CNN和模糊PID的巡检机器人云台控制研究

更新时间：2026-09-04

- 基于Faster R-CNN和模糊PID的巡检机器人云台控制研究
- Research on inspection robot PTZ control based on faster R-CNN and fuzzy PID
- 微电子学与计算机 2019年36卷第3期页码：61-65
- 作者机构：
  
  上海电力学院机构自动化工程学院上海发电过程智能管控工程技术研究中心,上海,200090
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2019
- 稿件说明：
移动端阅览
彭盖伦, 彭道刚, 张浩, 夏飞. 基于Faster R-CNN和模糊PID的巡检机器人云台控制研究[J]. 微电子学与计算机, 2019, 36(3): 61-65.

PENG Gai-lun, PENG Dao-gang, ZHANG Hao, et al. Research on inspection robot PTZ control based on faster R-CNN and fuzzy PID[J]. 2019, 36(3): 61-65.
彭盖伦, 彭道刚, 张浩, 夏飞. 基于Faster R-CNN和模糊PID的巡检机器人云台控制研究[J]. 微电子学与计算机, 2019, 36(3): 61-65. DOI：

PENG Gai-lun, PENG Dao-gang, ZHANG Hao, et al. Research on inspection robot PTZ control based on faster R-CNN and fuzzy PID[J]. 2019, 36(3): 61-65. DOI：

摘要

云台系统作为智能巡检机器人的视觉载体

承载着巡检机器人的核心功能

基于预置位的传统云台运作模式电厂复杂环境下显得乏力.针对复杂环境下云台预置位少、反应慢等问题

提出了一种基于Faster R-CNN和模糊PID的云台控制策略

利用Faster R-CNN检测并识别云台输送图像中的目标

根据目标与图片的位置关系判断云台运动方向

计算中心坐标的误差并送入模糊PID控制器进行参数调节来达到控制云台的目的.实验结果表明

利用Faster R-CNN进行目标检测识别可达到90.8%的准确率并且运行在毫秒级

模糊控制使云台能够快速反应并平稳运行

应用效果良好.

Abstract

As the carrier of vision for intelligent inspection robots

the pan/tilt system carries the core functions of the inspection robot. The traditional PTZ operation mode based on preset positions appears to be weak in substations

power plants and other complex environments. Aiming at the problem of less pre-position and slow response of the PTZ in complex environments

a PTZ control strategy based on Faster R-CNN and fuzzy PID is proposed.To detect and identify targets in the PTZ transmission image using Faster R-CNN. According to the position relationship between the target and the picture

the motion direction of the PTZ is judged

and the error of the center coordinate is calculated and sent to the fuzzy PID controller for parameter adjustment to achieve the purpose of controlling the PTZ. Experimental results show that the use of Faster R-CNN for target detection and identification can achieve an accuracy of 90.8% and run in milliseconds. The fuzzy control enables PTZ to respond quickly and run smoothly

and the application results is good.

关键词

Keywords

references

WANG A R, LU J W, CAI J F, et al. Large-margin multi-modal deep learning for RGB-D object recognition[J]. IEEE Transactionson Multimedia, 2015, 17(11): 1887-1898. DOI: 1887

EVERINGHAM M, WINN J. The PASCAL visual object classes challenge 2007 (VOC2007) development kit[J]. International Journal of Computer Vision, 2006, 111(1):98-136. DOI: 98

郑仕伟, 韩俊刚.基于深度学习的非接触掌纹识别方法[J].微电子学与计算机, 2018, 35(4):98-102. DOI: 98

戴陈卡, 李毅.基于Faster RCNN以及多部件结合的机场场面静态飞机检测[J].计算机应用, 2017, 37(增刊2):85-88. DOI: 85

LIU Z Y, ZHAO X Y, SUI J C. PTZ control system of indoor rail inspection robot based on neural network prediction model[J]. Procedia Computer Science, 2017(107): 206-211. DOI: 206

张游杰, 焦荣华.一种基于图像分析的云台预置位控制方法[J].现代电子技术, 2012, 35(10):57-60. DOI: 57

鲁守银, 张营, 李建祥, 等.移动机器人在高压变电站中的应用[J].高电压技术, 2017, 43(1):276-284. DOI: 276

周俊鹏, 李焱.模糊自整定PID控制器在光电伺服设备中的应用[J].电气传动, 2015, 45(9):62-65. DOI: 62

REN S, GIRSHICK R, GIRSHICK R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[J]. IEEE Transactions on PatternAnalysis % Machine Intelligence, 2017, 39(6):1137-1149. DOI: 1137

崔明月.复杂环境下不确定轮式移动机器人运动控制的研究[D].重庆: 重庆大学, 2012.

WU D, WU J S, ZENG R, et al. Kernel principal component analysis network for image classification[J]. Journal of Southeast University, 2015, 31(4): 469-472. DOI: 469

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真

低功耗设计的双链电源关断策略的实现与验证

V型沟槽SiC中子探测器的蒙特卡洛分析

基于监控指标关联性的微服务异常检测

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究