基于动态系统稳定估计器的机器人变刚度轨迹规划

针对现有基于动态系统稳定估计器(SEDS)的机械臂轨迹规划中无法兼顾运动精度和能量消耗的问题,提出变刚度轨迹规划的方法.首先,采用SEDS对示教轨迹进行拟合,得到从空间任一起点到终点的收敛轨迹.然后,基于人体上肢刚度模型,通过实验得到肌电信号与上肢末端刚度的映射关系,并使用高斯混合模型GMM和高斯混合回归GMR学习示教...     

基于动态运动原语和自适应控制的机器人技能学习

提出一种基于动态运动原语(DMP)和自适应控制的机器人技能学习方法.现有的DMP从单示教轨迹中学习动作，且其高斯基函数分布方式固定，并不适用于各种不同特征的动作轨迹.因此，将高斯混合模型和高斯混合回归引入DMP中，使其能从多示教轨迹中学习技能，并且将径向基神经网络(RBFNN)引入DMP中构成RBF-DMP方法，以梯度下降的方式学习高斯基中心位置和权重，提高技能学习的精度.设计自适应神经网络控制器，用于控制机械臂复现示教中学习的动作.在Franka Emika Panda协作机械臂上开展实验研究，验证方法的有效性.     

基于DMPs的双机器人协同搬运轨迹的学习与泛化

针对双机器人协作系统执行具有强协调约束关系的仿人任务时,存在轨迹学习复杂、协调约束分析欠缺的问题,提出了基于动态运动基元（DMPs）的双机器人协同搬运轨迹学习及泛化方法。首先,从双机器人协同搬运任务出发,分析了双机器人协调约束关系,建立了双机器人运动约束模型。然后,将机器人运动轨迹解耦为位置轨迹和姿态轨迹,采用四元数实现姿态轨迹的无奇异描述,分别建立位置轨迹和姿态轨迹的动态运动基元模型,结合双机器人运动约束模型与动态运动基元模型,兼顾各自的任务要求和相对位姿约束,进而获得双机器人的运动轨迹。接着,开展了双机器人协同搬运轨迹的仿真与实验,结果表明：采用双机器人协同搬运轨迹的学习与泛化方法,当改变起、终点状态时,双机器人定姿态协同搬运的起、终点位置误差分别为0.029 2 mm和0.112 7 mm,变姿态协同搬运的起、终点位置误差分别为0.032 3 mm和0.113 1 mm,终点的四元数姿态偏差为0.001 4、0.002 7、0.001 8、0.003 0,表明该协同搬运轨迹的学习与泛化方法具有较高的运动控制精度,即使起、终点任务参数改变,泛化轨迹仍可保证目标的可达性,验证了提出的...     

不规则管管相贯曲线的轨迹规划

建立集斜交、偏移于一体的通用相贯曲线的数学模型,提出一种连续控制焊枪位置和姿态的方法.根据管管相贯模型的特点,给出一种在相贯线上示教三点确定相贯线轨迹的焊枪头位置插补算法.采用主法面二分角法确定焊枪头的姿态模型,利用Robotics Toolbox工具箱建立管管相贯线焊缝的数学模型.通过仿真验证了该轨迹规划方法能有效完成焊枪头位置和姿态的控制.该方法操作简单、计算量小,对管管相贯曲线的轨迹规划具有重要的参考价值.     

面向无人驾驶的行人三维姿态估计方法

实时、高精度的行人三维姿态估计可有效提升无人驾驶汽车智能化水平。在Open Pose深度学习基础上,提取人体2D关节点,通过建立简化人体躯干数学模型来计算躯干空间位置和姿态,并以单个肢体为对象,通过分层式优化计算求解人体四肢关节角,进而确定人体3D姿态。主、客观实验测试结果表明,行人各关节空间位置平均误差低于78 mm,算法平均处理时间每帧低于52 ms。     

基于估计概率密度函数的独立分量分析方法

利用混合高斯模型,给出了估计概率密度函数算法,并利用高斯混合模型法获得了对分离矩阵的梯度学习算法,给出了一种迭代概率密度估计的独立分量分析学习算法．这种块处理方法可实现超、亚高斯混合信源的情况．最后在仿真实验过程中验证了该算法具有较高的稳定度和精确度。     

融合高斯混合模型和深度学习的目标跟踪

目标跟踪是计算机视觉的关键技术,但快速运动所导致的目标运动模糊会影响跟踪的精度.提出融合高斯混合模型和深度学习的目标跟踪算法,利用高斯混合模型对目标视频进行建模,在卷积神经网络中提取浅层和深层的图像特征,将两个特征的响应值融合后实现跟踪目标的定位.首先,根据高斯混合模型建立样本数据集,利用概率密度函数筛选数据,依据正态分布获得对应的高斯分量;其次,在深度学习框架下对高斯混合后获得的样本数据提取浅层和深层特征;最后,将提取的浅层与深层特征响应值进行融合,并更新目标模型,实现目标跟踪定位.该算法在VOT-2016公开的数据集进行实验,与6个视频跟踪算法对比分析.实验表明,所提的算法表现出较好的性能,特别是在快速运动的评价指标中,该算法的抖动模糊精度比ECO算法提高6. 25%.     

基于多高斯混合模型的WLAN室内定位系统

对参考点上信号强度分布采用多高斯混合模型建模从而构建定位系统指纹数据库,模型参数使用期望最大值算法进行估计.由于该模型考虑了各无线接入点信号强度之间的相关关系,因而能更精确地对参考点上信号强度实际分布进行建模,从而使得系统精度提高.测试实验结果表明提出的方法其误差在3m内的概率相对于HORUS,MLP和KCCA分别提高了12%,10%和7%,而平均误差分别降低了0.77m,0.81m和0.20m,验证了本方法的有效性.     

基于高斯混合模型的无线传感器网络定位算法

针对距离误差对定位结果的影响,提出一种基于高斯混合模型的无线传感器网络定位算法.该算法将高斯混合模型方法引入到无线传感器网络的定位问题中,通过高斯混合模型分析找出误差较大的距离信息并将其剔除,对剩余距离信息使用三边测量定位法进行定位求解,同时结合加权定位算法进行位置估计.仿真实验结果表明,改进算法能提高定位精度,且定位结果更稳定.     

周界视频监控中人员翻越行为检测算法

针对周界视频监控应用环境特殊的问题,提出了一种人员翻越行为的检测方法。该方法采用"目标检测-人员跟踪-轨迹分析"的流程。在算法的人员跟踪过程中,将混合高斯模型得到的前景区域与KLT光流法得到的特征点运动信息结合起来,提出了一种新型跟踪算法。该算法仅使用图像的灰度信息作为输入,一定程度上能够适应目标形变及遮挡,并具有很强的鲁棒性和实时性;在算法的轨迹分析过程中,结合墙体位置信息与先验知识设计了一种新的轨迹分析的方法,不需要通过在线学习可直接对轨迹进行分析。实验结果表明,该算法在测试视频集上检测准确率超过93%,与现有方法相比,能更好地适应实际应用中复杂的环境条件。     

改进的混合高斯模型的运动对象分割算法

针对视频序列中运动对象分割问题,提出一种改进的混合高斯模型分割算法.该算法首先由混合高斯模型得到前景,之后用当前帧的前景区域与上一帧对应位置做差,区分出实际变化区域及误检区域并为误检区域赋予较大的更新速率,从而有效地改善了长时间静止物体转为运动后留下的"鬼影"及光线突变导致的大面积误检情况.采用阴影抑制和形态学滤波使得前景目标分割的性能得到有效的提高.实验表明,本算法能够迅速响应实际场景的变化,准确分割出运动对象.     

基于序列图像的视觉定位

提出了一种静止摄像机条件下基于计算机视觉的工业机器人的定位算法。采用单目视觉系统,由线性摄像机模型推导出定位测量模型。通过序列图像,以一种改进的自适应混合高斯模型更新背景,运用背景差分法检测出运动目标,用CAMSHIFT算法实现对运动目标的跟踪,确定其位置和姿态,估计出运动参数,反馈给机器人指导其准确运动。实验结果表明,该方法快速、有效,能够满足视觉定位的实时性要求。     

考虑空域高度限制的航空器飞行轨迹推算模型

飞行轨迹推算是空中交通流量管理的一个重要研究内容.本文在传统飞行轨迹推算方法基础上,针对管制空域内飞行高度受限等现实情况,构造了考虑空域高度限制的航空器飞行轨迹推算模型.该模型综合航空器飞行性能和飞行计划,对飞行轨迹进行初步推算,再分析飞越空域的高度限制,更新航空器飞行姿态,对初步结果进行修正,最后根据实时监视信息,再次修正推算结果.利用真实飞行计划进行实验,实验结果表明,本文模型能模拟出航空器阶梯爬升和提前下降状态,更接近实际飞行过程.与真实轨迹相比,本文模型推算出的高度、时间标准差比原算法减少62.77%和68.06%,并且符合实际飞行原则和空域使用规则,具有一定的参考价值和实用性.     

基于三支决策的高斯混合聚类研究

针对隶属关系不明确的情况,即样本点属于多个类别的概率接近,高斯混合模型聚类存在较大的误判风险的问题,将三支决策思想融入高斯混合模型中,提出一种基于三支决策的高斯混合聚类算法.新算法计算出数据对象属于各个类簇的后验概率作为决策评价函数,用于确定聚类结果的正域和边界域.由于新算法对边界对象采取了比一般高斯混合聚类算法更加谨慎的操作,避免了直接做出对象属于某一类或不属于某一类的决策所需承担的风险,从而有效减小了误判代价.实验进一步表明,所提出的算法不仅继承了高斯混合聚算法的特点,具有良好的聚类性能,而且还对于非球形数据簇表现出优良的聚类效果.     

终端区4D飞行轨迹预测与冲突预警

为提升终端区飞行轨迹预测精度,实现航空器短时冲突预警,建立一种基于孪生支持向量回归的终端区4D飞行轨迹预测模型。对历史飞行轨迹应用重采样算法,降低轨迹数据规模;利用墨卡托投影将轨迹点经度、纬度与高度化为x-y-z坐标,采用孪生支持向量回归算法学习预测模型,实现短时航空器飞行轨迹动态预测;计算两架航空器水平、垂直距离,建立航空器冲突预警指示函数;对孪生支持向量回归算法进行超参数灵敏度分析,分析各超参数对模型预测效果的影响。根据机场真实数据进行仿真实验,证明：基于孪生支持向量回归的4D飞行轨迹预测模型能够准确捕捉航空器运动趋势,且泛化能力强;所提模型x-y-z坐标预测均方根误差是BP神经网络预测结果的32%,35%和61%,单次预测计算用时减少约0.13 s。     

基于智能预测的力/位混合控制方法

针对机器人在形状未知接触环境表面上进行柔顺力控制问题,在传统的力/位混合控制模型中采用一种智能预测算法,此算法通过三种预测因子预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹,并考虑环境曲率和刚度变化的特点.为了验证预测算法的有效性,构建了开放式的机器人力控制系统,在不同期望力、不同跟踪速度下对非规则受限表面进行了力控制实验研究,分析了受限系统中未知环境参数对接触力的影响.实验结果证明该方法对未知接触环境的变化具有较强的适应能力.在实验条件下,稳定状态下的力控制误差可以控制在3%之内.     

基于匹配分布和混合高斯模型的车辆检测算法

为解决高斯混合模型GMM（Gaussian Mixture Model）在车辆检测中存在的车辆断裂等问题, 提出了一种基于匹配度分布的混合高斯车辆检测算法。该算法采用c均值聚类法计算混合高斯模型初始值, 得到初步的背景模型； 匹配度分布的提出充分考虑了背景变化的时间性和空间性的特性； 根据前几帧检测结果得到每个点的匹配度分布, 对当前图片改变背景学习的规则, 去除了干扰, 适应了背景的变化。实验结果表明, 该算法较传统的混合高斯检测方法检测率平均提高16%以上, 使背景也更稳定和准确, 克服了车辆检测的断裂以及光照突变等问题, 提高了车辆区域检测的准确性。     

改进的混合动静态背景的分割方法

针对动静态背景场景下背景分割虚警率高的问题,提出了一种基于块直方图特征的Zivkovic混合高斯模型改进算法—BHZ-MoG。该算法设计了图像的块观测向量,并根据块观测向量的统计规律将图像块分类为动态、半动态、静态块,由此给出了结合块观测向量与块分类的块直方图特征提取算法,同时结合块直方图特征与Zivkovic混合高斯模型对不同类型的块分别进行背景分割与模型更新。实验结果表明,相较于Zivkovic混合高斯模型,BHZ-MoG算法能够在保证查全率不变的情况下,有效提高背景分割结果的查准率;Zivkovic混合高斯模型及BHZ-MoG的最大F1分数分别为0.758和0.790,说明了BHZ-MoG算法可以获得较佳的前、背景分割效果。另外,BHZMoG算法还可有效降低Zivkovic混合高斯模型在动态背景下的虚警率。     

基于高斯混合背景模型运动检测的研究

研究了运动对象自动检测方法,针对传统的光流法、时间差法存在的不足,采用一种经典的背景模型提取运动对象,即高斯混合背景模型。对于模型参数的更新,摈弃计算量大的EM算法,采用一种拟合方法,使得算法的计算开销大为降低,提高了运算效率。通过在不同分环境多次实验,证明算法具有很好的鲁棒性、准确性。     

航空γ能谱全谱数据的高斯分解方法

137Cs等人工放射性核素的活度浓度是核应急环境电离辐射水平评价中的重要数据。为了提取NaI(Tl)航空γ能谱仪(GR-820)实测全谱数据的137Cs信息,采用高斯最小二乘拟合算法对实验谱线的低能重叠峰进行了单高斯和双高斯峰的拟合方法研究。对铀源、钍源和铯源实验数据用单高斯拟合的最大相对误差小于±15%,对铀和铯混合源的双高斯峰拟合峰面积的平均误差为21.84%。对3个重叠峰以上的高斯拟合方法仍需进一步深入研究。