【摘 要】
：
针对多自主移动机器人编队过程中,机器人复杂的动态运算和大量数据存储问题,本文提出一套基于云服务器存储大量数据和云计算复杂动态编队的解决方法。首先,选择合适的云服务
【基金项目】
：
2020年度河南省高等学校重点科研项目,项目编号20B120003,2020年度郑州科技学院大学生创新创业训练计划项目,项目编号DC202021。
论文部分内容阅读
针对多自主移动机器人编队过程中,机器人复杂的动态运算和大量数据存储问题,本文提出一套基于云服务器存储大量数据和云计算复杂动态编队的解决方法。首先,选择合适的云服务器,云系统配置好后,建立数据库用来存放数据,进行云端动态计算;其次,搭建一套相机定位检测和机器人动态移动的系统模型,确定机器人运动的位置坐标;再次,确定选用无线通信的类型,将云服务器与本地的系统连接,进行数据传输;最后,搭建多机器人的编队系统,确定编队队形后,将编队算法存放云服务器。再整体对提出的方法进行测试和验证,实验结果表明,机器人的位置数据
其他文献
The explosive increase of construction and demolition waste (CDW) caused the insufficient source separation and emergency disposal at domestic waste landfills i
Indoor air quality (IAQ) directly affects the health of occupants.Household manufacturing equipment (HME) used for hobbies or educational purposes is a new and
随着国家超低排放政策的深入,对烟气中污染物浓度精确测量提出了更高的要求。基于傅里叶红外光谱仪建立了高温含水条件下一氧化氮(NO)气体精确测量系统,在191℃条件下测量了含5%～20%水蒸气与摩尔分数为5～40μmol/mol NO混合前后的吸收光谱,通过修正混合物中H2O的吸光度来精确确定NO浓度,并评价了系统测量不确定度。结果表明:NO在高温含水条件下测量结果与标准气体量值相对偏差小于1.8%,
本文针对火车轨道钢轨接头处螺栓组件目标较小的特点,采用基于YOLO v3的目标检测算法,用于钢轨连接处螺栓、垫圈、螺母等小目标的检测。具体方法是:以YOLO v3网络为基础,首先进行数据采集和人工标记,标记之后进行网络训练,最后再将训练好的模型应用于测试集,从而检测出图像序列中的螺栓组件目标,并通过候选框标注所检测目标位置、标签、置信度。经过实验验证表明:基于YOLO v3的钢轨螺栓目标检测算法,
Information on the vertical distribution of air pollutants is essential for understanding their spatiotemporal evolution underlying urban atmospheric environmen
Local pollution and the cross-boundary transmission of pollutants between cities have an inevitable impact on the atmosphere.Quantitative assessments of the con