基于启发式的多机器人SLAM地图融合方法研究

同步定位和地图构建（simultaneous localization and mapping,SLAM）是移动机器人在未知环境中完成地图构建和定位任务的关键技术。针对多机器人SLAM中的地图融合问题,提出一种启发式的搜索方法引导局部地图的重复区域进行地图融合。每个机器人可以在不了解其相对位置的情况下建立局部地图,并将局部地图信息发送至同一工作站中,以局部地图的相似性为判断指标融合得到最优的全局地图。在机器人实物平台上进行验证,结果证明了多机器人SLAM的地图融合算法的有效性和准确性。     

基于多尺度光流融合特征点视觉-惯性SLAM方法

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度,结合特征点法精度高和光流法速度快的特点以及惯性信息,提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先,改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程,采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点,提高特征分布离散性。其次,在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联,在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联,保证算法速度的同时提高定位精度和鲁棒性。最后,基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值,整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明,所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性,定位精度平均...     

基于迭代无迹卡尔曼滤波的SLAM算法仿真研究

对迭代无迹卡尔曼滤波算法在SLAM问题中的应用进行仿真研究。通过仿真分析发现,与一般的无迹卡尔曼滤波算法相比,迭代的算法有时无法提高SLAM的精度,继而探讨了SLAM问题中选择采用迭代算法的条件;同时针对迭代算法的观测更新阶段,用阻尼的高斯-牛顿迭代方法改进完全高斯-牛顿迭代方法,从而提出一种改进的基于迭代无迹卡尔曼滤波的SLAM算法。仿真实验对提出的迭代条件进行了验证,仿真结果表明提出的SLAM算法与无迹卡尔曼滤波算法相比,可以进一步提高SLAM问题的估计精度。     

机器人焊接柔性制造系统的多智能体协调控制

提出了利用分布式的多智能体协调控制技术实现对焊接柔性制造系统进行控制的思想。通过对集成多机器人和多传感器的焊接柔性制造系统进行焊接生产任务执行过程的分析,提出了针对焊接柔性制造系统的多智能体控制系统结构。最后利用JADE多智能体系统开发平台建立了一个多智能体控制系统,并通过实验验证了该系统的有效性及合理性。     

基于学习进化的机器人同时定位与地图创建

利用学习与进化结合的思想,改善基于粒子滤波的SLAM算法。在对学习与进化的关系深入分析的基础上,针对基于粒子滤波的SLAM算法,提出将滤波过程分成学习和进化两个阶段,分别给出相应算法解决粒子有效性与多样性的问题,缓解二者之间的矛盾,改善了SLAM算法的效果,增强了算法的鲁棒性,也验证了学习与进化的关系。最后,通过多次Monte-Carlo仿真实验结果表明了该算法的有效性。     

面向移动机器人大视角运动的图神经网络视觉SLAM算法

针对移动机器人在大视角运动下光照变化剧烈或遭遇纹理稀疏场景易出现特征点提取困难,极端角度下特征难以匹配导致对极几何计算误差较大问题,提出一种融合改进图神经网络的视觉SLAM算法。基于先验位置估计的特征提取网络,通过先验位置估计实现图像特征点快速均匀检测与描述,构建真实准确的特征点信息。基于图注意力机制的特征匹配网络,通过消息传递图神经网络聚合特征点信息,使用自我与联合注意力机制对前后图像帧分权重特征匹配。将特征提取与匹配图神经网络与ORB-SLAM2系统后端非线性优化、闭环修正、局部建图模块融合,提出一个完整的单目视觉GNN-SLAM系统。实验结果表明：该算法在KITTI数据集上与ORB-SLAM2算法相比,绝对轨迹误差降低37.59%,相对位姿误差降低19.67%。     

Rao-Blackwellised粒子滤波SLAM的一致性研究

Rao-Blackwellised粒子滤波SLAM(RBPF SLAM)算法的复杂度与特征个数呈线性关系,对于大规模SLAM有明显的计算优势,但是该算法不能长时间满足一致性要求,必须进行改进。采用归一化估计方差NEES对算法的一致性进行了分析,得出粒子耗尽是造成算法不一致的原因,并分别采用辅助粒子滤波及正则粒子滤波对算法进行改进,以得到一致的RBPF SLAM。最后,通过大量的Monte-Carlo仿真实验,验证了方法的有效性。     

基于多智能体强化学习的多机器人协作策略研究

研究了一种基于智能体动作预测的多智能体强化学习算法. 在多智能体系统中,学习智能体选择动作不可避免地要受到其他智能体执行动作的影响,因此强化学习系统需要考虑多智能体的联合状态和联合动作.基于此,提出使用概率神经网络来预测其他智能体动作的方法,从而构成多智能体联合动作,实现了多智能体强化学习算法. 此外,研究了该方法在足球机器人协作策略学习中的应用,使多机器人系统能够通过与环境的交互学习来掌握行为策略,从而实现多机器人的分工和协作.     

多Agent协作环境下的任务分配

对多Agent协作环境下的任务分配机制进行了论述。在合同网的分配机制基础上,提出了一种基于合同网的改进机制———任务列表分配机制。该任务分配机制针对多Agent协作工作时面临的突发性事件,能有效地提高系统的实时处理能力和工作效率。以多机器人系统为例,应用任务列表分配机制,解决突发事件下多机器人任务的再次分配问题,满足了多机器人协调工作的实时性要求。实验和理论证明了其机制的优越性。     

基于分层SLAM的空地多智能体协同导航

针对单一智能体在导航过程中存在全球导航卫星系统（global navigation satellite system,GNSS）易受遮挡或干扰,惯性导航存在误差累积的问题,提出基于视觉的分层即时定位与地图构建（simultaneous localization and mapping,SLAM）空地多智能体协同算法。通过建立系统模型,采用基于扩展卡尔曼滤波融合欧氏点、逆深度点、锚定同质点3种不同特征点的分层SLAM算法,实现了对导航系统的辅助和增强。针对空地协同场景设计并开展了仿真实验。结果表明,空地多智能体协同算法可以将位置误差降低40%;而在使用锚定同质点以后,误识别率由49%降低至4%。实验验证该算法具有良好的定位精度、实用性和有效性。     

通信距离约束下双无人机目标跟踪算法

提出了一种旨在提高定位精度,同时具有保证通信距离约束和传感器探测距离约束性能的无人机双机协同跟踪路径规划算法。分析了传感器误差引起的目标定位误差,指出使用协同跟踪的优势。针对通信约束、传感器距离约束以及精度要求,分别提出了漏斗函数、参数冻结等策略,满足了双无人机协同目标跟踪时的相关约束。设计了双无人机目标三维定位的方法。通过对无人机双机协同跟踪精度与单机目标测量精度仿真对比,验证了算法能够在维持两种距离约束的情况下,以较高的精度跟踪目标。     

一种新的自主移动机器人主动式SLAM算法

针对未知环境中运动的自主移动机器人的控制律与运动路径需要在同时定位与地图创建过程中同步产生的问题,提出了运用行为动力学与滚动窗口路径规划的同时定位与地图创建方法。应用行为动力学模型计算机器人运动速度和导航角,确定控制律,同时根据滚动窗口中信息进行定位与地图创建,并自主规划出可行路径,再将滚动窗口地图融合到全局地图中,实现机器人主动式同时定位与地图创建。仿真实验表明,在根据机器人任务而灵活设置单个或多个目标点的情况下,该方法能够实现机器人在自主运动的过程中有效地完成同时定位与地图创建任务,并通过相关性能指标验证了算法的有效性。     

通信距离受限下多无人机分布式协同搜索

针对无人机之间的通信距离受到限制的情况,提出了一种基于Voronoi图的分布式协同搜索策略.首先建立了环境、无人机、传感器、通信等的数学模型;然后设计了速度约束下各架无人机的控制律;在通信距离不小于两倍视场半径的情况下,给出了各架无人机利用通信距离之内的邻居信息计算各自视场范围内的Voronoi图区域及其质心的方法,并设计了通信距离受限情况下的搜索策略,给出了通信周期与采样周期不同步情况下的信息更新公式.仿真结果表明,该分布式搜索策略比贪婪搜索和随机搜索策略在降低区域不确定度上具有更快的收敛速度,可实现通信距离受限情况下的多无人机分布式协同搜索任务.     

通信距离受限条件下的无人机集群协同区域搜索

针对通信距离受限条件下的无人机(unmanned aerial vehicle, UAV)集群协同搜索任务, 考虑防相撞约束, 定制了一种能够在搜索过程中根据机间距离切换交互方法的UAV交互决策机制, 实现了动态环境中的搜索航迹规划。首先, 运用栅格化方法建立包含3种属性的环境认知地图对任务区域进行表征。其次, 考虑多种搜索任务需求, 以最大化搜索效率为目标建立UAV集群协同搜索模型。然后, 根据机间有效通信距离定义了UAV协同搜索过程中的通信状态, 设计了一种能够在通信完全有效、局部有效以及完全失效3种典型场景下切换信息交互方法的信息交互与决策机制。最后, 采用滚动时域优化方法, 实现集群各成员的自主决策与交互行为。仿真结果表明, 所提算法能够在通信距离受限条件下有效完成协同搜索任务, 在完成覆盖搜索任务时能够有效兼顾对动目标的搜索。     

通信受限不确定Delta算子网络系统H∞滤波

研究了一类基于Delta算子的通信受限条件下参数不确定网络系统H∞滤波问题。在通信受限条件下,采用通信序列对网络控制系统进行分析,构建Delta算子描述的不确定系统滤波误差模型。利用线性矩阵不等式和Lyapunov-Krasovskii泛函提出滤波误差系统渐近稳定的充分条件,证明了系统的H∞性能,并给出滤波器的设计方法。数值仿真结果验证了所提方法的有效性。     

有限样本下模型选择理论与方法研究

从理论上给出有限样本下模型选择的方法,详细讨论了样本噪声对模型选择的影响,提出了一种次优模型选择算法,并进一步给出了一种推挽式模型选择算法,它能够有效地提高模型选择的学习速度。两种算法具有很强的抗噪声能力,预测模型也具有很好的推广性。最后通过具体数值试验验证了上述理论和方法的可行性和优越性。     

基于航班到达时间窗约束的空域资源分配问题

为解决拥挤空域的资源分配问题,针对航班对计划到达时间变动范围的接受程度不同,定义了航班的延误成本函数,建立了一个基于航班有限到达时间窗的0-1整数规划模型,实现空域资源的最优分配,并开发了以匈牙利算法为核心的程序用于模型求解.以某机场运行数据为例进行仿真实验,结果表明,本文模型的最优解较先到先服务策略(FCFS)的分配结果能降低航班延误成本116％,并且其分配方案能满足每个航班可接受的到达时间窗约束.     

部分信息下联合鲁棒定价、订货决策的报童模型

信息完全下的经典报童模型是单周期库存管理的核心控制方法,联合定价、订货决策是提高报童模型运作效率的主要手段. Scarf创造性地构建了部分信息下的鲁棒报童模型,但鲁棒联合定价、订货问题由于其困难程度,长期困扰着运作管理学者. 本论文在“做和型”随机价格需求函数条件下部分地解决了该问题. 在报童仅获知不确定需求的均值与方差的假设下,我们建立了Worst-case型的鲁棒联合定价、订货模型,并在适当的条件下给出了联合决策的闭环最优解. 数值实验证实了联合的鲁棒定价与订货决策较大幅度地改善了Scarf鲁棒订货模型的运作效率. 该模型能较好地适应于新产品供应链等信息缺失下的企业运作管理.     

仓库容量有限时考虑产品缺陷的EPQ模型

研究了仓库容量有限情况下考虑产品缺陷的经济生产批量问题。分别在缺陷产品随时处理而不存入仓库以及缺陷产品先储存起来、待本批产品检验完毕后一次性处理两种情况下 ,根据一个生产周期内包括生产费用、调整准备费用、储存保管费用和缺货损失费用、检验费用、缺陷产品处理费用在内的期望总费用最低时对应的生产批量为经济生产批量的原理 ,利用拉格朗日乘数法求得经济生产批量、经济生产周期以及存入仓库的合格产品数量。导出的考虑产品缺陷的经济生产批量模型是经济生产批量模型的一般形式 ,具有更广泛的应用范围     

局部通信条件下多无人机协同搜索方法

针对复杂场景中障碍物、电磁干扰等因素造成的无人机(unmanned aerial vehicle, UAV)编队部分通信链路不可达问题, 提出局部通信条件下的协同搜索(cooperative search under local communication, CSLC)方法。首先, 根据各UAV的实时位置计算当前时刻编队通信拓扑关系, 建立UAV编队的局部互通网络。在此基础上, 综合考虑UAV通信能力和编队协同目标搜索能力, 构建基于通信链路稳定收益和协同编队收益的协同搜索模型。最后, 设定多UAV编队所需的安全距离和最大运动速率的约束条件, 保证模型能够得到最优路径可行解, 提高多UAV协同搜索效率。实验结果表明, 与现有的目标搜索方法相比, CSLC方法在保证协同搜索路径可行性的同时, 提升了多UAV协同搜索的能力。