基于改进熟人模型的多智能体协作

对RoboCup3D智能体仿真系统内的多智能体协作问题进行了研究和分析,并针对RoboCup3D具体的系统特性,提出了改进熟人模型来解决多机器人协作问题,通过对智能体的熟人类型进行分类,对系统目标最关键的信息进行求解,降低通讯和计算开销,给出了熟人评价体系及策略触发方式,使之能够应用在层次化的整体策略框架。在RoboCup3D仿真平台中对改进熟人模型进行了测试。     

岩石表面图像的特征提取和处理方法

在对比多种岩石表面图像特征提取的基础上,提出了岩石表面图像中节理特征的提取方法,包括图像的增强、二值化、边缘提取、Hough变换等,提出了3个限制条件,以剔除提取的节理特征冗余线段,并给出了处理依据和流程.同时,编写相应的软件以对所提方法的可行性进行验证.结果表明,经所提线段分类与合并方法处理后,冗余线段的重复率大幅降低,其结果能够准确反映岩石表面裂隙特征的分布情况.     

沉管浮运检测和监测系统构建

将沉管拖运过程作为一个融合了研究对象和周围环境的系统，重点从管段结构、地形等关键数据处理、模拟系统框架搭建方法及相关算法等方面进行研究，解决了管节拖运的过程模拟、路线优化、事故预报和追踪等问题.通过工程应用及与已有方法的成果进行对比，验证了该方案及其所用方法的可行性、正确性和优越性.     

基于空间智能的网络机器人系统研究进展

介绍了空间智能系统的国内外最新研究成果,指出其与机器人智能系统有机结合的优势.其次,对国内外经典的基于智能空间的服务机器人智能系统研究实例进行分类介绍,指出二者结合中存在的问题和难点.     

基于提升FFT框架的快速离散Curvelet变换

为了降低Curvelet变换的计算复杂度,文中提出了基于提升傅里叶变换的快速离散Curvelet变换(Fast Discrete Curvelet Transform,FDCT).采用提升傅里叶变换解决传统FDCT中的傅里叶变换的非线性问题,将傅里叶变换中的复数乘法通过提升结构转变为简单的加法进行运算,极大降低了运算的复杂度.实验验证了该方法的有效性.     

基于深度学习的图像标注

随着个人计算机和互联网上数字图像数量的快速增长,用户越来越多借助于"语义概念"来检索感兴趣图像。然而由于图像底层特征刻画和高层语义概念描述间存在很大的差异,使得现有图像标注算法性能不甚理想。因此,文中提出基于多模态深度学习的图像标注框架,旨在应用卷积神经网络技术优化深层神经网络的参数,提高标注精度。具体地,文中提出的多模态深度学习标注框架利用两阶段学习,优化神经网络参数:(1)利用深度神经网络,优化各单模态参数;(2)利用相关性,实现多模态的最优组合。公共数据集的实验表明,该方案可以有效地提高图像标注的性能。     

融合人运动模式分析的服务机器人和谐导航

提出一种学习人典型运动模式的方法,并利用该方法对环境中的人的行为做出预测,协调机器人以达到与人和谐共处的导航目的.算法首先通过非重叠多摄像头采集人在环境中不同地点间的运动轨迹;其次,应用两层模糊K均值算法分别对这些运动轨迹进行空间和时间序列上的分类,并利用TSC标准对每一次分类结果进行评估;然后建立每一聚类运动模式的概率方程,依此实现对摄像头网络观测下人运动行为的预测,进而调整机器人的导航策略以达到与人和谐共处的导航目的.实验展示了该算法能够快速地利用人的运动调整其导航行为.     

智能环境下移动机器人任务规划与执行系统架构设计

针对移动机器人的应用需求,研究并建立与人共存智能环境中对人友好的通用任务规划与执行系统(HFPES)的模型与架构,包括建立分布式机器人系统的MAS模型.在完全分布式结构的基础上,加入集中式结构的优点,引入复合Agent和移动Agent概念,建立一种高可靠性的分布式机器人系统的多Agent结构.同时针对系统中机器人智能体给出其Agent建模的分层混合结构,包括任务计划层、任务分配层、IAAs管理层、自主规划层和构件管理层,并采用多Agent协商的方法进行任务规划分配,有效解决了环境动态未知性带来的问题.通过这种任务分配、执行方式可以最大程度上实现智能构件环境下机器人系统的自主运行,增强系统的稳定性和可靠性.     

基于半监督学习模型的自动图片标注研究

基于关键字的自动图片标注方法,可以更为有效地实现海量图片的管理和检索.然而由于"语义鸿沟"问题,传统的自动图片标注效果往往并不理想.因此,对不精确的标注结果进行优化就显得尤为重要.文中提出一种新颖的图片标注方法.首先,利用基于相关性模型的递进算法得到图片的初始标注结果.然后,利用一种半监督的学习模型,也即随机游动与重新启动算法对得到的初始标注结果进行优化,并选择一定数量的顶端标注作为图片最终的标注.通过在通用Corel图片数据库的实验表明,文中提出的方案可以有效地提高图片自动标注的性能.     

AGV视觉导航中Kalman滤波最优控制器的设计

为解决电子地图辅助视觉导航AGV的控制精度问题,将AGV中基于视觉的位置信号离散化后得到AGV中心轴的偏距和偏角.作为滤波器的输入信号,用U-D分解的Kalman滤波可以有效地消除在AGV导航中存在的白噪声.其中在时域中采用递推算法为最优控制输入稳定的状态量,并保证数值的稳定性,使系统的鲁棒性好;再经过状态反馈最优控制系统得到最优的控制输出.结果表明,用此方法设计的控制器稳定性强,抗干扰能力强,AGV在该控制器的作用下,转弯半径为5 m时,方向偏差在±0.5.内变化,侧向偏差控制在±4 mm之内.该控制器适应于工业环境中强电气噪声的环境,对直线和曲线路径有很好的跟踪效果,用于自动导向车辆等智能运输设备,符合工业应用的要求.