智能户外机器人 AI 视觉感知与捡球决策系统-高尔夫捡球机器人 AI 感知模块
2026-06-03 17:14:12
行业：人工智能、工业互联网
载体：车载应用、算法模型
技术：C++、OpenCV
业务和功能介绍
本项目面向户外高尔夫球场自动化作业场景，为移动机器人提供 AI 视觉感知、目标识别、状态判断和任务辅助决策能力。系统接入左右相机、激光点云、里程计、地图、设备状态等多源数据，完成高尔夫球识别、球满判断、卡球检测、三角标识识别、前方障碍检测、局部/全局球密度地图生成等功能。
机器人在作业过程中可根据视觉检测结果统计球量、判断是否需要返航卸球，并结合行为树状态、任务状态、电量信息和地图区域信息进行联动控制。同时系统支持动态参数配置、图像缓存、检测结果解析、ROS 服务调用、状态发布、异常告警和 rosbag 数据保存，便于现场调试、算法验证和后续数据回放分析。
机器人在作业过程中可根据视觉检测结果统计球量、判断是否需要返航卸球，并结合行为树状态、任务状态、电量信息和地图区域信息进行联动控制。同时系统支持动态参数配置、图像缓存、检测结果解析、ROS 服务调用、状态发布、异常告警和 rosbag 数据保存，便于现场调试、算法验证和后续数据回放分析。
项目实现
项目基于 ROS2 构建，核心模块采用 C++ 实现，结合 OpenCV 完成图像处理、结果绘制和图像保存，通过 WebSocket/服务接口对接 AI 推理模块，并将检测结果解析为机器人可消费的业务状态。
系统按照功能拆分为参数管理、检测调度、图像缓存、文件管理、灯光控制、捡球检测、卡球检测、标识检测、前方检测和禁区管理等模块。主节点订阅相机图像、机器人里程计、行为树状态、设备状态和地图更新信息，根据采样周期触发不同检测任务，并通过线程池异步执行耗时逻辑，避免阻塞 ROS 回调。
在前方检测部分，系统融合相机内参、雷达到相机外参、TF 坐标变换和点云数据，将视觉识别结果映射到地图栅格，生成全局球密度图、局部密度图和增量更新数据。禁区管理模块根据历史障碍记录、机器人位置、地图区域和重叠检测逻辑，支持自动生成、合并、发布和清理限制区域。
参数管理模块支持静态配置加载和动态参数更新，提供获取/设置捡球检测参数的 ROS 服务，可在线调整最大捡球时间、卸球阈值、亮度和灯光模式。QoS 策略上，图像、点云、里程计采用低延迟传感器 QoS，地图、状态和密度类数据采用可靠或 transient_local 策略，保证新启动节点可以获取最新状态。
我的职责
负责 AI 感知主流程和多个核心业务模块的开发维护，包括 ROS2 节点设计、话题订阅发布、服务接口、动态参数管理、检测结果解析、图像缓存、线程池异步调度、QoS 策略配置和单元测试补充。参与高尔夫球检测、球满判断、卡球检测、前方球密度图、禁区自动标注等功能的工程化落地，并结合现场调试结果优化检测频率、状态联动、异常处理和数据保存逻辑。
项目亮点
支持多源传感器融合，结合相机、点云、里程计和地图数据实现机器人作业场景感知。
使用 ROS2 QoS 策略区分实时数据和状态数据，兼顾低延迟、可靠性和晚启动状态同步。
检测任务采用异步线程池调度，降低图像处理和 AI 推理对主回调链路的影响。
支持动态参数在线调整，方便现场根据光照、球量和作业策略快速调优。
提供密度图、限制区域、图像保存和 rosbag 数据记录能力，便于算法迭代和问题复盘。
系统按照功能拆分为参数管理、检测调度、图像缓存、文件管理、灯光控制、捡球检测、卡球检测、标识检测、前方检测和禁区管理等模块。主节点订阅相机图像、机器人里程计、行为树状态、设备状态和地图更新信息，根据采样周期触发不同检测任务，并通过线程池异步执行耗时逻辑，避免阻塞 ROS 回调。
在前方检测部分，系统融合相机内参、雷达到相机外参、TF 坐标变换和点云数据，将视觉识别结果映射到地图栅格，生成全局球密度图、局部密度图和增量更新数据。禁区管理模块根据历史障碍记录、机器人位置、地图区域和重叠检测逻辑，支持自动生成、合并、发布和清理限制区域。
参数管理模块支持静态配置加载和动态参数更新，提供获取/设置捡球检测参数的 ROS 服务，可在线调整最大捡球时间、卸球阈值、亮度和灯光模式。QoS 策略上，图像、点云、里程计采用低延迟传感器 QoS，地图、状态和密度类数据采用可靠或 transient_local 策略，保证新启动节点可以获取最新状态。
我的职责
负责 AI 感知主流程和多个核心业务模块的开发维护，包括 ROS2 节点设计、话题订阅发布、服务接口、动态参数管理、检测结果解析、图像缓存、线程池异步调度、QoS 策略配置和单元测试补充。参与高尔夫球检测、球满判断、卡球检测、前方球密度图、禁区自动标注等功能的工程化落地，并结合现场调试结果优化检测频率、状态联动、异常处理和数据保存逻辑。
项目亮点
支持多源传感器融合，结合相机、点云、里程计和地图数据实现机器人作业场景感知。
使用 ROS2 QoS 策略区分实时数据和状态数据，兼顾低延迟、可靠性和晚启动状态同步。
检测任务采用异步线程池调度，降低图像处理和 AI 推理对主回调链路的影响。
支持动态参数在线调整，方便现场根据光照、球量和作业策略快速调优。
提供密度图、限制区域、图像保存和 rosbag 数据记录能力，便于算法迭代和问题复盘。
示例图片视频
相似推荐
个人安全中心系统与个人博客-http://alicececilia.top/
Alice Cecilia站点业务全景
站点定位：技术博客+安全防护演示+AI服务+Minecraft社区的综合型个人站点，域名alicececilia.top，服务自建私有服务器，通过OpenFRP内网穿透对外暴露，隐藏真实物理位置。
核心业务线：
博客（主业务）：Markdown写作，支持frontmatter元数据；7大分类：安全防御/Windows/人工智能/游戏/站点/日常/我的世界服务器（置顶）；集成Pagefind全文搜索、Bilibili追番+TMDB元数据模块、RSS订阅、Canvas海报分享；响应式暗色主题（樱花粉/奶白浅色系）。已发布27篇文章，涵盖安全防御架构、Windows加固、AI部署等内容。
自研WAF：七层防御体系（早期拒绝→扫描器检测→蜜罐→速率限制→CSRF→路径归一化→代理转发）；含6+种虚假响应蜜罐（.env泄露、WordPress等）及Tarpit延迟；支持CL+TE冲突检测、TE值混淆的请求走私防护；5条路径混淆对抗规则；扫描器识别（同路径连续+总量阈值+零合法访问）；扫描器302重定向至gov.cn/miit/网警等站点；IPv4/IPv6 CIDR子网级永久封禁，拦截记录存档；三级熔断（NORMAL→LOCKDOWN仅静态→KILLED全站下线），看门狗60s自愈；JSONL持久化威胁日志，含威胁评分与扫描器分类。
AEGIS全域防护中心（部署于/aegis，实时态势感知核心）：四象限布局——Q1在线用户&流量详情：实时显示活跃IP、服务归属、地区、在线时长；博客/对话/动漫/管理四项流量柱状图；8大区域（东亚/东南亚等）在线/累计热力图。Q2全球攻防流量地图：globe.gl+Three.js/WebGL渲染3D地球；红/蓝飞线区分攻击/正常访问（虚线流动动画）；脉冲信标（大小对应流量）、52个全球城市节点；对象池优化避免闪烁。Q3系统统计&实时监控：NORMAL/WARNING/DANGER三级状态指示；RPS实时计算+迷你趋势图；4xx/5xx错误率统计；L0-L7七段防御状态条；蜜罐触发数/封禁IP数/熔断状态统计；SQL注入/扫描器等威胁标签自动分类。Q4攻击详情：攻击类型排行柱状图；HTTP方法（GET/POST/HEAD等异常）分布统计；实时攻击日志流（类型标签+路径+来源IP+计数）。面板特性：2秒全实时刷新；sec-fetch-site浏览器保护避免WAF误判；通过/alice/admin/stats JSON API拉取数据；攻击源IP自动地理定位。
多源融合运维平台
融合多项运维数据，构建一站式运维管理平台。打通ITOP、zabbix、动环数据、私有云平台等数据交换。实现事件发现、事件处理、事件反馈等全流程可追溯。
可以根据需求进行扩展和二次开发，灵活、方便、易用。
可定制功能板块，按需接入AI应用，实现智能分析处理。
可根据用户需要规划设计各类型应用和网络，助力信息化建设。
国密级别数据溯源信息加密研究平台
本系统是研究型数据安全审核平台。由本系统负责安全审核：判断本次访问或导出是否合理、是否存在异常或越权、是否需要审批，并对每一步操作留痕，实现全程可追溯。目前主要功能均已实现并可正常运行：从数据接入、分析研判、审批放行，到全程留痕追溯，整体流程已贯通并通过测试；8个模型均为真实运行。
xxx态势平台
网络安全项目，采集片区网络数据，分析高中低危网络数据，数据研判、可视化呈现。
采集数据量每天1-3亿数据，实时入库，数据清洗、数据归并、数据分发研判、研判结果及红头文件下发、资产管理、可视化大屏实时呈现、威胁情报管理
漏洞挖掘全链路调度系统（Bounty Router）
立项背景：漏洞挖掘流程高度碎片化——侦察用一套工具，审计用另一套，报告再
手工整理。一个目标从拿到域名到产出报告通常需要切换 4-5 个工具，耗时 2-4
小时。目标是造一个扔什么进去都能自动识别、走对应流水线、最后产出结构化报
告的统一调度器。
核心功能：输入任意目标（域名/源码仓库/APK/JWT Token/合约地址/Dockerfile/
GraphQL端点/API端点），系统自动检测目标类型，路由到 8 条专项流水线之一：
Web 域名走 subfinder→httpx→nuclei 全链；源码仓库走 scanner-45→semgrep→
gitleaks 三引擎并行；JWT 走 alg:none + RS→HS 混淆 + 弱密钥爆破。19 个安全
专用 Agent 按漏洞类型分工，dispatch-router 用 15 条 regex 规则实现智能匹
配，Top-2 Agent 分数差距≤2 时触发歧义检测，要求先澄清再动手。
业务流程：用户扔目标 → 类型自动检测（8 种类型识别，含 confidence 评分）
→ 路由到对应流水线 → 多维扫描 → 增量去重（SHA256 指纹，SQLite 持久化）
→ 降噪评分（负分滤掉 favicon/WAF/IP 指纹等噪音，正分加权 CVE/XSS/SQLi
等真实漏洞）→ 结构化 JSON 报告 + 人读摘要 → 通知 Dashboard/桌宠完成。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服