一、申请理由：
参与智能DTU远程维护项目；曾经参与工程类软件的开发,并取得软件著作权。
二、项目方案：
智能检测技术与高精度图像测量、面向电力巡检的智能装置、光栅成像与图像复原
四、预期成果：
（1）通过双目摄像头、超声波传感器、激光雷达多传感器的融合，实现更精准的避障，解决机器人在捡球过程中容易撞到桌椅、玻璃门的问题；
（2）实现捡球路径的最优化规划，提高捡球效率；
（3）实现网球、乒乓球等一种或多种小球类目标的识别和定位；
（4）实现简单的语音识别，通过语音控制机器人自动捡球，减少能耗。
五、经费预算：
（1）研究计算最优捡球路线的算法
一般情况下，地面上的小球较多，所以实际应用中捡球的问题是一个大规模的TSP，所以本文采用模糊求解的方法来解决这个问题，也就是要在尽量短的时间内获取一个相对精确的解。一个合适的算法是蚁群算法。蚁群算法是智能算法的代表，通过迭代的方式来逼近最优解。它模仿自然界中蚂蚁合作觅食的行为，在环境不可知的情况下搜寻到达目的地的最短路径。
（2）研究低质量图像的降噪方法
在采集图像时，由于光照强度不够以及相机质量不好等各种原因会导致图像噪声的产生，会影响边缘检测的效果。图像中的某一像素点的相似像素不局限于某一区域，其不仅与其附近的像素点相关，也可能与其他像素点有联系。对于需要处理的像素所在的目标块，将在整个图像或一个相对较大邻域内搜索对比块，并根据与目标块的相似度为这些对比块赋予一个自适应的权值。其中与目标块相似度越高的对比块，权值就越大。通过对比块的自适应加权线性组合，可以实现对目标像素的去噪。
（3）研究多传感器的融合避障方法
多传感器融合技术实质上是一个信息处理的过程，传感器采集的信息经过数模转换、数据检验、信息分类等环节到达融合中心进行融合，进而得出对环境的描述。由于融合的目的和传感器的数据特点不同，采用的融合算法也不同。主要的算法有：加权平均法、卡尔曼滤波法、贝叶斯推理法、模糊理论、人工神经网络等算法。多传感器融合虽然已经有许多人在用，但还没有人将此应用在捡球机器人上，这也是本项目的一个创新点。