基于直线特征的机器人自主定位方法

针对迭代最近点(ICP)算法容易造成局部最优和正态分布变换(NDT)算法在长距离导航中会出现较大转角偏差的问题,提出一种基于直线特征的ICP自主定位(CICP)方法.利用激光扫描点集与其拟合直线的协方差函数关系,以快速匹配扫描点间的直线特征,通过扫描匹配点集与拟合直线的闭环误差获得当前时刻全局环境中相邻匹配扫描点间的位姿,并通过室内环境下的自主定位实验验证其可靠性.结果表明,与传统的ICP算法和NDT算法相比,CICP算法具有较好实时性和较高的定位精度,能够降低ICP算法的矩阵运算量,提高机器人的自定位精度.     

多假设跟踪的移动机器人SLAM算法

针对基于视觉定位的移动机器人自主定位过程中容易产生多种候选位姿.提出一种基于多假设跟踪的同时定位和地图创建方法.该方法通过提取图像SIFT特征进行视觉量测,修正里程计累计误差,再利用多假设跟踪方法获得当前时刻的最优位姿,实时产生环境的栅格地图,并且随着机器人的位姿变化实时更新.研究结果表明:此算法不仅能够较好地创建环境地图,而且能够有效解决机器人"绑架"问题,提高自主定位精度.     

一种改进SIFT算法

针对图像特征提取算法-SIFT,特征描述器维数较高,特征匹配耗费时间较长,匹配过程中存在相同图像不能匹配和不同图像能够匹配等问题,提出了一种改进SIFT算法与KD-tree搜索匹配算法相结合的新方法。采用KD-Tree算法替代传统链表式搜索方法降低特征点匹配时间;把特征点间距离和特征描述子内积同时作为匹配标准,加入相应匹配阈值减少匹配错误率,并通过理论和实验证明采用欧几里德距离作为相似性度量具有更高的匹配成功率。实验结果表明,在图像特征匹配中,该算法能够有效减少特征匹配错误率,大幅度降低匹配时间,具有较好的实时性和鲁棒性。     

自然语义特征的模糊聚类分析

根据自然语言语义特征提取、匹配的实时性和准确性要求,提出模糊聚类、单亲遗传搜索匹配算法相结合的新方法,通过对候选特征点进行模糊聚类处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用单亲遗传算法找到满足约束条件全局最优语义特征,并把所有语义特征进行分类,给出分类依据.试验证明,此语义特征匹配算法在未知语境环境、语义特征频繁变化的环境具有很强的鲁棒性,能够在自然语言处理过程中实时准确识别段落中的语义特征.     

基于模糊行为融合的移动机器人避障算法

为了减少移动机器人自主导航过程中过多寻求当前时刻最优路径或最优解而产生的死锁或震荡现象,根据多目标优化理论,提出了基于模糊行为融合的移动机器人避障算法.该算法把指定目标的导航过程分解为具有三个子行为的系统,根据传感器信息动态改变各子行为函数的区间权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果证明:该算法可以有效减少导航过程中的死锁和震荡现象,提高避障过程的鲁棒性和实时性.     

一种基于主动视觉的运动目标跟踪方法

提出一种基于尺度不变特征变换(SIFT)特征匹配的目标跟踪方法.首先使用SIFT提取目标特征,构建目标特征库,然后使用基于K维树的特征匹配算法,对实时序列图像提取的SIFT特征与特征库中目标进行精确匹配,实现目标检测与定位,根据定位信息自动控制摄像机转动,始终将目标锁定在图像视野中,实现实时跟踪.在真实的室内环境下进行目标跟踪实验,通过检验每一帧目标定位的正确性,计算目标检测的正确率.在本文实验条件下,正确率达到94%,而使用基于HSV色彩直方图的方法,目标检测的正确率小于80%,实验结果验证了该方法的有效性.     

基于多目标优化的移动机器人避障算法

针对移动机器人自主导航过程中由于过多寻求当前时刻最优路径或最优解而产生死锁或震荡现象,提出了一种动态变化权重的移动机器人行为融合避障算法.该算法利用多目标优化方法获得移动机器人最有效解,并把指定目标的移动机器人避障导航过程分解为3个子行为避障系统.通过动态改变子行为函数的权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果表明,该算法可在确保避障过程鲁棒性前提下,有效地改善避障导航的安全性和平滑性。     

基于模糊聚类的自然语言语义特征

针对复杂语境下自然语言语义特征提取、匹配精度和实时性较差的问题,提出了模糊聚类、单亲遗传搜索匹配算法相结合的新方法,通过对候选特征点进行模糊聚类处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用单亲遗传算法找到满足约束条件全局最优语义特征,把所有语义特征进行分类,并给出分类依据.研究结果表明:此语义特征匹配算法在未知语境环境、语义特征频繁变化的环境具有很强的鲁棒性,能够在自然语言处理过程中实时准确识别段落中的语义特征.     

视觉导航有穷自动机在自然语言状态中的应用

室内移动机器人自主导航是一系列自然语言状态与动作转换结果,有效地控制和描述机器人状态和动作转换是自主导航过程的关键。本文首先利用视觉传感器获取障碍物YUV色彩空间信息,采用区域增长法识别障碍物连通域,将机器人状态以及控制指令转化为抽象的形式符号并建立状态转移函数,进而建立基于视觉导航机器人有穷自动机模型。实验结果表明,该方法能平滑、准确地完成自然语言状态下的机器人自主导航过程,具有较高的实时性和鲁棒性。     

基于有穷自动机的自然语言状态转换

针对Robocup自主机器人比赛中,机器人进攻和防守状态、动作转换延迟问题,采用一种基于有穷自动机模型的自然语言状态转换方法,把机器人、环境等自然语言信息抽象成形式化的符号和状态,并转化为有穷自动机输入符号.通过设定状态转移函数、字母表规则、无差别地完成各种状态转换过程.研究结果表明:该方法能有效地完成自然语言状态下的机器人状态、动作间的转换,具有较好的实时性和可靠性.