本作品设计用于完成山地灾后救援任务。为适应复杂的山地环境，使用具有高度适应性的六足机器人。采用Maixduino为硬件核心主控, 通过摄像头采集实时图像，使用卷积神经网络算法识别待测物体。使用卡尔曼滤波与模糊PID算法控制舵机，实现六足机器人的自平衡控制。主要实现的功能如下：机器人自主移动，模拟山地救援的巡查场景。当摄像头识别到待测物体时，机器人能够自主控制机械腿移动至适合的位置，并使用机械臂夹取该物体。完成以上动作后自主返回到指定地点。本作品具有以下特点：1、具有丰富的步态和冗余的肢体结构,运动灵活,可靠性高。相比传统的轮式、履式移动机器人,六足机器人虽然移动速度较低, 但却可以利用离散的地面支撑实现非接触式障碍规避、障碍跨越、上下台阶及不平整的地面运动, 对复杂地形和不可预知的环境变化具有极强的适应性。

2、视觉系统上我们采用的是基于深度学习的目标检测算法YOLO v2。相比于YOLOv1是利用全连接层直接预测Bounding Box的坐标，YOLOv2借鉴了Faster R-CNN的思想，引入Anchor机制。利用K-means聚类的方法在训练集中聚类计算出更好的Anchor模板，大大提高了算法的召回率。同时结合图像细粒度特征，将浅层特征与深层特征相连，有助于对小尺寸目标的检测。YOLO9000 使用 WorldTree 来混合来自不同资源的训练数据，并使用联合优化技术同时在ImageNet和COCO数据集上进行训练，能够实时地检测超过9000种物体。而基于深度学习的目标检测算法也被广泛应用在军事侦察、无人驾驶和智能监控等各大领域。