複製鏈接
請複製以下鏈接發送給好友

機器人傳感器

(傳感器)

鎖定
機器人是由計算機控制的複雜機器,它具有類似人的肢體及感官功能;動作程序靈活;有一定程度的智能;在工作時可以不依賴人的操縱。機器人傳感器在機器人的控制中起了非常重要的作用,正因為有了傳感器,機器人才具備了類似人類的知覺功能和反應能力
中文名
機器人傳感器
作    用
傳遞感覺
用    途
模擬人類感覺
類    別
觸覺 視覺 力覺
控制終端
計算機
構    成
觸覺傳感器視覺傳感器力覺傳感器、接近覺傳感器等

機器人傳感器基本介紹

為了檢測作業對象及環境或機器人與它們的關係,在機器人上安裝了觸覺傳感器視覺傳感器力覺傳感器、接近覺傳感器、超聲波傳感器和聽覺傳感器,大大改善了機器人工作狀況,使其能夠更充分地完成複雜的工作。由於外部傳感器為集多種學科於一身的產品,有些方面還在探索之中,隨着外部傳感器的進一步完善,機器人的功能越來越強大,將在許多領域為人類做出更大貢獻。 [1] 

機器人傳感器分類

根據檢測對象的不同可分為內部傳感器和外部傳感器。
a.內部傳感器:用來檢測機器人本身狀態(如手臂間角度)的傳感器。多為檢測位置和角度的傳感器。
b.外部傳感器:用來檢測機器人所處環境(如是什麼物體,離物體的距離有多遠等)及狀況(如抓取的物體是否滑落)的傳感器。具體有物體識別傳感器、物體探傷傳感器、接近覺傳感器、距離傳感器力覺傳感器,聽覺傳感器等。

機器人傳感器明暗覺

檢測內容:是否有光,亮度多少
應用目的:判斷有無對象,並得到定量結果
傳感器件:光敏管、光電斷續器

機器人傳感器色覺

檢測內容:對象的色彩及濃度
應用目的:利用顏色識別對象的場合
傳感器件:彩色攝像機濾波器、彩色CCD

機器人傳感器位置覺

檢測內容:物體的位置、角度、距離
應用目的:物體空間位置、判斷物體移動
傳感器件:光敏陣列、CCD等

機器人傳感器形狀覺

檢測內容:物體的外形
應用目的:提取物體輪廓及固有特徵,識別物體
傳感器件:光敏陣列、CCD等

機器人傳感器接觸覺

檢測內容:與對象是否接觸,接觸的位置
應用目的:確定對象位置,識別對象形態,控制速度,安全保障,異常停止,尋徑
傳感器件:光電傳感器微動開關、薄膜特點、壓敏高分子材料

機器人傳感器壓覺

檢測內容:對物體的壓力、握力壓力分佈
應用目的:控制握力,識別握持物,測量物體彈性
傳感器件:壓電元件、導電橡膠、壓敏高分子材料

機器人傳感器力覺

檢測內容:機器人有關部件(如手指)所受外力及轉矩
應用目的:控制手腕移動,伺服控制,正解完成作業
傳感器件:應變片導電橡膠

機器人傳感器接近覺

檢測內容:對象物是否接近,接近距離,對象面的傾斜
應用目的:控制位置,尋徑,安全保障,異常停止

機器人傳感器滑覺

檢測內容:垂直握持面方向物體的位移,重力引起的變形
應用目的:修正握力,防止打滑,判斷物體重量及表面狀態
傳感器件:球形接點式、光電旋轉傳感器、角編碼器、振動檢測器

機器人傳感器主要傳感器

機器人傳感器視覺

20世紀50年代後期出現,發展十分迅速,是機器人中最重要的傳感器之一。
機器視覺從20世紀60年代開始首先處理積木世界,後來發展到處理室外的現實世界。20世紀70年代以後,實用性的視覺系統出現了。
視覺一般包括三個過程:圖像獲取圖像處理圖像理解。相對而言,圖像理解技術還很落後。

機器人傳感器力覺

機器人力傳感器就安裝部位來講,可以分為關節力傳感器、腕力傳感器和指力傳感器。
國際上對腕力傳感器的研究是從20世紀70年代開始的,主要研究單位有美國的DRAPER實驗室、SRI研究所、IBM公司和日本的日立公司東京大學等單位。

機器人傳感器觸覺

作為視覺的補充,觸覺能感知目標物體的表面性能和物理特性:柔軟性、硬度、彈性、粗糙度和導熱性等。
觸覺研究從20世紀80年代初開始,到20世紀90年代初已取得了大量的成果。

機器人傳感器接近覺

研究它的目的是使機器人在移動或操作過程中獲知目標(障礙)物的接近程度,移動機器人可以實現避障,操作機器人可避免手爪對目標物由於接近速度過快造成的衝擊。

機器人傳感器聽覺

(1) 特定人的語音識別系統
特定人語音識別方法是將事先指定的人的聲音中的每一個字音的特徵矩陣存儲起來,形成一個標準模板(或叫模板),然後再進行匹配。它首先要記憶一個或幾個語音特徵,而且被指定人講話的內容也必須是事先規定好的有限的幾句話。特定人語音識別系統可以識別講話的人是否是事先指定的人,講的是哪一句話。
(2) 非特定人的語音識別系統
非特定人的語音識別系統大致可以分為語言識別系統,單詞識別系統,及數字音(0~9)識別系統。非特定人的語音識別方法則需要對一組有代表性的人的語音進行訓練,找出同一詞音的共性,這種訓練往往是開放式的,能對系統進行不斷的修正。在系統工作時,將接收到的聲音信號用同樣的辦法求出它們的特徵矩陣,再與標準模式相比較。看它與哪個模板相同或相近,從而識別該信號的含義。
參考資料