基于图像理解的移动机器人定位问题研究

为了能够提高在一般环境下移动机器人定位的精度,文章采用栅格地图来描述环境;提出基于图像理解的移动机器人定位的概念,将栅格地图当成图像来处理,从而可以将图像配准中的优秀算法引入移动机器人定位中;对于栅格化的图像提取其Harris角点,同时提出两步匹配法寻找相邻2个时刻的2幅图像中匹配的Harris角点。首先采用里程计的数据对角点进行粗匹配,而细匹配采用的是基于随机抽样算法,能够有效地剔除粗匹配过程中误匹配的角点对,提高了定位算法的鲁棒性;最后用非线性最小二乘法估计机器人的位姿。通过实验可以看出在一般的环境中,基于图像理解的定位算法要优于基于线段特征的定位算法。     

融合多传感器信息的移动机器人自定位方法

提出一种给定环境模型下移动机器人全局自定位算法,通过融合声纳传感器和视觉传感器的异质传感信息把具有多模态、鲁棒性强的Markov方法和单模态、高效准确的EKF方法组合应用并加以改进,来实现准确和快速的全局定位,同时提高位姿跟踪的准确性.Markov方法中位姿空间的低分辨率离散减小了存储需求,声纳感知模型对位姿空间分布进行初始化并提供了全局的位姿假设,视觉感知模型实现了位姿分布更新,而基于视觉特征的EKF方法则提高了定位的精度.实验结果验证了本方法的有效性.     

结合二阶注意力机制的多尺度人体姿态估计

为解决人体姿态估计任务中存在的不同视角下人体实例尺度变化、遮挡问题导致的人体关键点定位不准确问题,提出融入二阶注意力机制的多尺度人体姿态估计网络模型GOS-HRNet。首先,在特征提取阶段为了获得高质量的特征图,通过在多分辨率网络结构中使用Octave卷积,保留更多的图像空间特征信息以提高关键点定位准确率;然后,为有效的利用图像上下文信息,融入二阶注意力模块使网络能更好地学习各分辨率表征的空间信息;最后,为了应对尺度变换对关键点定位的影响采用尺度增强训练方法,提高模型对尺度变化的鲁棒性。所提模型在MS COCO 2017数据集上进行实验,结果表明：所提出的GOS-HRNet模型平均检测精度比HRNet模型提升了2.2%,能够更加准确地利用上下文信息、丰富空间特征信息以提高对关键点定位的准确性。     

基于路标的机器人自定位方法

介绍了一种基于路标的移动机器人自定位方法。为了解决仅仅利用视觉系统得到的路标信息使用蒙特卡洛自定位(MCL)算法进行机器人自定位时存在较大误差的问题,提出了一种将MCL算法与unscented卡尔曼滤波器相结合进行自定位的方法,将从机器人视觉系统获取的路标信息,从驱动轮码盘获取的位置信息,以及从电子罗盘获取的机器人方位信息进行有效融合,从而提高了机器人的自定位精度。实验结果表明,该方法不但可以提高机器人的自定位精度,而且具有较好的鲁棒性。     

基于双向窗口特征提取技术的车道线检测算法

为提高车道线检测算法的准确性与稳定性, 提出一种基于双向窗口特征提取技术的车道线检测算法。融合运用Hough 变换与边缘分布函数技术得到车道线的直线特征点; 运用双向窗口特征提取技术获得所有车道线特征点, 包括直线部分与弯曲部分。获得直线与双曲线相结合的车道线模型: 在近视场, 应用直线车道线模型能获得较好的鲁棒性; 在远视场, 使用双曲线模型可有效检测出车道线的弯曲部分。实验结果表明, 相较于已有的车道线检测算法, 该方法可有效提高多种场景下车道线检测的准确性和稳定性。     

一种人脸对象的区域分割方法

人脸特征的提取通常是先把人脸中包含特征信息的区域分割出来,然后分别对每个区域进行特征定位和提取。这样可以克服将整个人脸作为一个研究对象来处理所存在的复杂性,减少背景和其它物体的干扰,提高特征提取的准确性。还可以减少图像数据处理量,节省处理时间。在分析用在人脸对象区域分割的常用方法基础上,采用基于眼间带状人脸区域垂直梯度图的人脸对象区域分割方法对五官进行分割。实验结果表明:这种方法具有很高鲁棒性,并且算法实现简单。     

基于前瞻窗口的单线激光雷达特征提取方法研究

针对单线激光雷达进行特征提取时存在对噪声敏感和稳定性差等问题,提出一种基于前瞻窗口的单线激光雷达特征提取方法.该方法首先使用双边滤波滤除噪声,保留了激光点云边缘特征信息;使用哈里斯(Harris)角点检测提取特征角点;并通过带有前瞻窗口的区域搜索方法完成聚类.最后将方法应用到实际的基于机器人操作系统(Robot Operation System,ROS)的移动机器人环境特征提取实验中,实验结果表明,该方法能有效提取环境特征,且有较好的稳定性和准确性.     

基于活动单眼定位的移动机器人物体收集

探讨了移动机器人基于活动单眼的定位算法,并以该算法获得的视觉信息进行自主式移动机器人物体收集的实验。对目标的获取、在物理坐标系中的定位和延时补偿以及控制方法等问题进行了讨论,并给出结果。从定位结果的分析来看,定位精度可以满足移动机器人控制的需要,介绍了机器人进行物体收集的控制策略。实验表明,基于该定位算法的物体收集策略可以较好地完成任务,并具有良好的鲁棒性。     

基于CNN多层特征加权融合的闭环检测算法

针对深度学习用于闭环检测中存在空间细节特征丢失的问题,提出基于卷积神经网络(CNN)多层特征加权融合(CNN-F)的闭环检测算法.首先,采用预训练的CNN模型作为特征提取器,从网络中提取输入图像的浅层几何特征和深层语义特征;然后,调整特征图数据进行加权融合,将融合的特征图进行主成分分析(PCA)降维处理后,计算相似性得分用于闭环检测;最后,将算法在数据集New College和City Centre上进行测试.实验结果表明:CNN-F可以有效改善图像特征描述效果,相比于直接使用CNN的闭环检测算法,该算法有更好的准确性和鲁棒性.     

北斗导航辅助移动机器人同时定位和地图构建研究

针对未知环境下移动机器人实时构图和导航问题,将基于激光的环境特征提取和地图构建技术与北斗卫星导航相结合,设计了一种基于特征地图的移动机器人自主导航系统。利用激光提取环境信息,采用点和直线段进行环境表示,结合里程计进行定位,同时进行地图构建。然后在地图上关联北斗坐标,丰富地图信息,根据路径规划方法实现移动机器人自主导航。在Poineer3-AT机器人上实验表明:该方法能够快速提取直观的表示环境信息,并实现自主导航功能,有效提高了移动机器人导航能力。     

无风度风向测量的无线传感器网络气源定位技术研究

通过无线传感器网络来检测气体浓度,采用基于湍流扩散理论的烟羽模型,得到气体浓度表达式。传感器检测到的浓度,通过偏差平方和来得到需要的目标函数,计算传感器测量值与真实值的误差平方和,并利用优化的粒子群算对目标函数求解,得到定位结果和环境信息。在不增加检测手段的情况下,对风速和风向进行在线估计,提高气源定位的鲁棒性和准确性。     

基于GFCC和能量算子倒谱的语种识别

为了提高低信噪比下语种识别的准确率,引入一种新的特征提取融合方法.?在前端加入有声段检测,并基于人耳听觉感知模型提取伽玛通频率倒谱系数(Gammatone?Frequency?Cepstrum?Coefficient,GFCC)特征,通过主成分分析对特征进行压缩、降噪,融合每个有声段的Teager能量算子倒谱参数,通过...     

弹性的二维医学图像配准算法

提出了一个弹性二维医学图像配准算法,该算法将基于像素浓度值配准算法和基于特征点的配准算法相结合,采用自动的特征点定位算法,使用薄板样条算法来提高配准的精度,从而可以对二维医学图像进行自动、准确的配准。首先,用基于像素浓度值的全局仿射配准实现对鲁棒配准的初始估计;然后,通过使用基于特征点的迭代配准算法,使得全局仿射配准结果在第2步配准算法中得到进一步的细化而使其配准结果具有更高的准确性。对二维PHANTOM图像的实验结果表明,该算法具有鲁棒性。     

基于RSSI的仿生SLAM算法研究

针对室内环境下移动机器人的定位问题,依靠视觉里程计进行的RatSLAM模型,通过局部场景模板匹配实现重定位来减少视觉里程计产生的累计误差。在静态环境下具有不错的鲁棒性,但在动态的环境中,如移动障碍物的出现,视觉里程计会提供错误的信息导致航迹出现较大的偏差,局部模板匹配由于环境的变化也会有错误匹配,导致移动机器人的定位精度不高,构图不准确。提出将RSSI定位与RatSLAM算法融合,通过信号定位提供的粗略定位点,确定精准区域的范围,用来修正位姿细胞和剔除错误模板以及达到对经历图的修正,实现了对原有RatSLAM算法的改进。     

大环境下拓扑化栅格地图的多峰定位研究

通过对室内移动机器人定位研究发现,粒子滤波定位算法在较大的环境下效率低而且定位不准确。为了解决这个问题,提出一种基于拓扑化栅格地图的多峰粒子滤波定位方法。根据室内环境的特征不同,将栅格地图中的不同区域划分为若干拓扑节点。拓扑化栅格地图可以将地图的信息表现得更加简洁。通过对地图中不同的节点进行一次预匹配,来加快机器人定位的效率和准确性,同时为了消弭相似节点带来的影响,最后通过多峰粒子滤波的方法完成机器人的定位。实验结果证明该方法可以有效解决大环境中机器人定位不准确和效率低下等问题,可以帮助机器人实现大环境中的准确而快速定位。     

基于结构特征点的手势建模与高层特征提取

在单目环境下,为提高手势特征提取的精度,提出一种图像结构特征点的提取方法,使用提取出的结构特征点建立手势模型并优化求解得到高层特征.对图像的梯度图进行分析,通过给出图像平滑点、非平滑点的定义,提出冲突值的计算与结构特征点的提取方法,对图像的局部结构特征进行适当地描述;建立2D结构手模型替代3D手模型;基于提取出的结构特征点,将贪婪算法与局部随机抽样一致性匹配算法相结合,对手势模型参数进行优化求解,进行手掌、手指和指尖定位.实验结果表明:该算法对预处理结果具有一定的鲁棒性,对分割出的边缘不敏感,因此能有效减少传统曲率算法中对干扰点的误判.     

基于直线检测的室内移动机器人视觉定位方法

针对室内移动机器人定位问题,提出了基于直线检测的室内移动机器人视觉定位方法.该算法通过Canny算子对图像进行边缘检测,设计自适应霍夫变换检测边缘中的直线,对直线进行平移和旋转变换,求取视场中心点到直线的距离,使用证据推理判断视场中心点是否穿越直线,从而获得机器人的实时坐标.实验结果表明:该算法切实可行,实时性好,定位精度高,具有很强的鲁棒性,很好地解决了室内移动机器人的定位问题.     

一种基于结构化环境的线性距离特征提取算法

为解决室内环境中移动机器人的自主导航问题,提出了一种基于结构化环境的线性距离特征提取算法。首先通过建立机器人运动模型,对激光雷达获得的点云数据进行预处理。然后采用聚类算法对预处理后的数据进行分割和合并。采用正交拟合算法,估算特征线段的最大角度公差,并提取竖直和水平特征线进行误差纠正。仿真实验结果表明:算法可有效提取室内环境特征线段并建立特征地图。同时调用数据集与ICP(iterative closest point)算法进行对比测试,结果表明使用该算法构建环境地图,可见使用此算法可降低建图时间复杂度,同时提高地图匹配精度。     

基于动态多视角模型集成策略的人脸特征点定位算法

为提高在非限制环境下多种人脸姿态特征点定位的准确性,该文提出了1种新的人脸特征点定位算法。在基于级联回归的多视角模型的训练和测试过程中,使用姿态分类算法对不同的人脸样本进行分类。使用多视角模型集成策略预测特征点位置。实验证明,与显示形状回归(ESR)等算法比较,该文算法对非限制环境下人脸表观变化有更好的鲁棒性。     

基于特征提取改进的LeGO-LOAM方法

针对LeGO-LOAM算法中的局限性,提出一种基于特征提取改进的LeGO-LOAM方法.由于室外复杂环境下随机特征点较多,首先采用自适应特征提取方法在不同的距离下保证特征提取的准确性;然后基于随机一致性采样优化的地面滤除方法去除不可靠特征点;最后通过相邻帧中同一块特征点的移动距离来消除动态目标.利用KITTI数据集进行仿真分析,结果表明本文优化后的平均误差降低了19.1%,最大误差降低了23.9%.在实际激光雷达建图中进行多组试验,计算出的位置最大误差小于1m,表现出了良好的鲁棒性和稳定性,优化效果显著.