动态家庭环境智能空间服务机器人全息建图方法

 针对家庭服务机器人工作的复杂动态环境,结合智能空间和机器人二者优势,提出了一种融合环境及其中目标资源分布的家庭智能空间全息地图构建方法。基于Rao-Blackwellized粒子滤波思想,根据建图初期机器人及其感知的全局空间特征点位置完成智能空间传感器网络节点的位姿参数标定,利用已标定传感器网络的观测值和机器人控制量进行机器人位姿估计,同时根据机器人位姿及其观测值进行全息建图。针对建图过程中及建图后的环境和目标变动,设计了基于智能空间监测的全息地图动态更新策略。实验表明,智能空间传感器网络有效地解决了建图中的动态数据关联问题,由其辅助的机器人定位和建图精度明显提高。     

非合作航天器间相对位姿的单目视觉确定算法

针对非合作航天器接近操作过程中200m以内的相对位姿参数确定问题,该文充分利用目标航天器已知的结构模型信息,推导了利用单个光学相机实现非合作航天器相对位姿参数测量的迭代算法。与传统的交会对接视觉系统不同,该视觉系统不需要在目标航天器上安装光学特征,而是充分利用了目标航天器的自身结构特征,因此更适用于一般航天器间的相对位姿参数测量。为解决相对位姿单目视觉确定的非线性问题,该文选择了求解非线性问题性能优良的Levenberg—Marquardt算法。最后对该文算法进行数学仿真,仿真结果表明算法的有效性和可靠性,适合航天器在轨实时应用。     

基于路标的智能车辆定位

为解决智能车辆在城市环境中的定位问题,使用激光雷达检测和提取圆柱形路标的中心位置,并与已知地图进行数据关联;以CyberC3智能车辆为移动平台,建立了车辆运动模型和传感器测量模型,使用扩展卡尔曼滤波算法对激光雷达和编码器数据进行融合,计算车辆的全局位姿.实验结果证明该方法可以获得较高的定位精度,解决了车辆自主导航的关键问题,并可推广应用到基于自然特征的全局定位.     

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.     

基于改进T-S型模糊神经网络的护士机器人行为控制研究

针对医院环境下的护士机器人,应用行为控制技术保证护士机器人稳定运行并顺利实现一系列功能.采用改进的T-S模糊神经网络算法和机器人本体位姿导航算法,实现医院环境下护士机器人的复杂行为控制的完成.试验及应用表明,该护士机器人具有性能稳定、行为实现准确、实时性高等优点,能较好地满足医院环境下典型的应用要求,具有一定的应用推广价值.     

智能振动碾压机的自抗扰循迹控制方法

循迹控制是实现智能振动碾压机自动化工作的重要环节.为了改善智能振动碾压机在非结构化路面环境下的循迹效果,解决现有控制算法存在的调参工作量大以及鲁棒性低等问题,本文提出了一种基于扰动观测的反步控制方法.首先,建立了振动碾压机的整车运动学模型和一种具有预测功能的误差动态模型.然后,基于一台改装的智能振动碾压机平台研究了外界扰动对车辆的铰接角度、航向角度及位置的影响规律,发现外界扰动对碾压机的铰接角、航向角度的影响需要实时观测估计,而对碾压机轮位置的影响可通过姿态信息修正补偿.最后,在以上研究的基础上设计了扩张状态观测器用于实时估计系统内外总扰动,从而将误差动态模型简化为串联积分型系统,并基于李雅普诺夫函数设计控制器的反馈控制律.Simulink和硬件在环的仿真结果表明:在车辆的铰接角、航向角同时受内部、外界扰动作用的情况下,循迹连续弯道曲线中距离、角度和曲率误差的最大值分别为0.088 m、0.118 rad和0.042 m~(-1).说明基于扰动观测的反步控制方法展现了良好的控制精度和鲁棒性.     

基于压缩感知的智能电表数据的压缩与重构

为了解决有限带宽电力线通信链路传输大量的智能电表数据时产生的时延或准确性问题。使用了压缩感知方法对智能电表数据进行压缩与重构。首先智能电表数据通过测量矩阵压缩成测量值,然后再通过电力线通信链路进行传输,最后在控制中心使用合适的重构算法恢复智能电表数据。仿真结果表明了所提的方法能大幅减少传输数据的维度。     

基于改进的FREAK算法的机器人抓取系统

为了解决工业机器人对带有复杂纹理的平面型工件的识别与定位问题,将机器视觉技术与工业机器人相结合。利用改进的FREAK算法对目标工件进行快速识别,并根据工件的形状和单应矩阵计算出工件的形心坐标和旋转角度,再结合双目视觉系统,获取机器人抓取点的三维位姿信息,引导SCARA机器人抓取目标工件。实验结果表明:在复杂的工业环境下,机器人抓取系统能够准确识别出目标工件,具有良好的鲁棒性,同时也满足工业生产的实时性要求。     

多自由度机器人位姿稳定性控制方法研究

对于多自由度机器人位姿控制方法来说,机器人位姿稳定性受到各种因素的干扰,容易发生位姿失稳现象,为此,提出一种新的方法来解决此问题.采用扩展卡尔曼滤波算法实现多自由度机器人各个传感器数据的有效融合,获取多方位机器人位姿数据;通过传感器信号处理去除机器人位姿测量噪声,使用自适应扩展技术实现机器人参量与姿态角校正信息融合,通过反演积分项自适应调节姿态参量并弥补稳态误差,实现机器人的位姿稳定控制.仿真实验结果表明,该控制方法能够准确实现多自由度机器人位姿稳定性控制,即使引入扰动机制仍然不会出现控制失衡,具有较好的稳态控制效果.     

一种改进的基于云环境的蚁群优化算法

在研究标准蚁群优化算法的基础上,提出一种旨在改善网络路由的蚁群优化算法以应用于云环境下多元化复杂的网络结构环境.新算法在原有蚁群算法智能寻优的基础上,加入网络节点在网审查机制,实时判断网络节点是否在网,选择最优解路径.仿真实验表明,改进算法能有效地改善因为网络节点在网情况的多变性而造成的部分路径失效的情况,进而缓解网络拥塞.     

基于二维标志物的线夹检测及位姿测量

拆卸线夹是配电线路带电作业中一项常见的任务，为了在复杂的背景环境中准确、实时地检测与定位线夹，该文提出了一种基于视觉信息与二维标志物的线夹检测与位姿测量方法。设计制作具有特定图案的二维标志物固定到线夹表面，通过四边形逼近检测图像中标志物的候选位置，并结合标志物图案特征加以筛选；使用多点透视算法(Perspective-n-points, PnP)计算标志物的位姿，从而间接确定线夹的位姿。试验结果表明该方法可以快速、准确地测量线夹位姿，满足实际应用需求。     

动态环境下改进ICP算法的RGB-D SLAM研究

针对传统的ICP(Iterative Closest Points)算法,无法满足室内动态环境下SLAM(Simultaneous Localization and Mapping)算法的准确性要求,提出了一种融合特征点结构相似性判断的ICP改进算法;通过在特征点集中引入三角形结构约束,实现两组点集中的动态匹配点与误匹配点的剔除,进而提高ORB特征点匹配的准确性;与传统的SLAM算法相比,改进后的算法对相机位姿的估计更加准确;通过在Linux系统下的仿真实验,结合特征点三角几何约束的ICP算法能够有效解决动态对象对相机位姿估计的影响,提高RGB-D SLAM在动态场景下的定位精度。     

基于Retinex理论的图像增强算法的车辆主动安全技术

车辆主动安全技术监测系统中在遇到复杂道路、夜间环境及弱光照的情况下图像很容易受到驾驶员个体、光照变化等要素的影响,使算法精确性大大降低,为提升图像处理算法的精确性,通过分析Retinex理论的图像增强技术能够对图像低频部分进行提取,并借助多尺度Retinex(MSR)算法补偿图像光照,融合梯度图像即可得到全新图像,实验结果表明,基于Retinex理论的图像增强算法可以更好的呈现道路和驾驶员面部特征,使弯道线检测的鲁棒性大大改善,便于开展图像处理工作.     

基于子空间投影的SFGPR压缩感知成像算法

针对传统压缩感知SFGPR成像重建算法在强杂波测量环境中往往会失效的问题,提出一种基于子空间投影杂波抑制技术的SFGPR压缩感知成像重建算法.该算法首先在每个天线测量位置通过压缩感知测量模型重建所有的频域原始均匀采样数据,然后采用子空间投影杂波抑制技术滤除较强的地面回波,最后结合稀疏重建算法对地下目标图像进行压缩感知重建.实验数据处理结果验证了所提方法的有效性和准确性.     

基于滑窗非线性优化的双目视觉SLAM算法

针对双目基于ORB特征的即时定位与地图构建(ORB-SLAM)算法位姿估计精度较低的问题,对其进行了改进,提出了一种基于滑窗非线性优化的双目视觉SLAM算法。该算法引入了滑窗思想,在状态估计过程中对最新多帧图像对应系统的状态进行了解算;重构了位姿估计过程中的代价函数,通过高斯牛顿法优化状态变量;采用边缘化策略,有效限制了待求解状态量的数目,并将其余状态量及与其相关的视觉测量转换为求解当前滑窗内状态的先验约束。通过在公开数据集上测试,验证了算法的精确性和有效性,实验结果表明:该算法能有效估计相机位姿且不发生显著漂移,与双目ORBSLAM算法相比,位姿估计精度有了显著提高。     

集群无人机导航实验教学平台开发

随着多无人智能群体技术发展和应用场景的拓宽,对满足不同复杂环境下多无人智能群体及其搭载装置的多源导航系统可靠与稳定性能也提出了较高要求.应用场景的不断扩大,使得越来越多的行业对多无人智能群体的协同感知能力提出了迫切的应用及开发需求.针对多无人智能群体协同装置在面对多种多样的复杂协同工作环境下,容易出现导航系统中常用传感器受磁场等干扰性能不稳定的问题,除了需要进一步优化改进导航传感器自身的测量性能以外,更多地提高多智能群体协同装置的多类异构传感器信息融合的精度和可靠性显得尤为重要.为了应对这一实际需求,也为了使实验课程教学紧跟学科发展,需要开发一套适合于无人机集群导航研究的实验教学平台,供学生系统研究影响多智能体协同装置运行可靠性与安全性的导航问题.     

基于PageRank的SLAM后端优化研究

针对室内复杂非机构化环境建图及定位效率低的问题,提出了一种基于PageRank的同时定位与地图构建(SLAM)方法.在室内复杂非结构化环境中,SLAM前端建立的位姿图中包含大量待优化节点,根据SLAM后端的稀疏矩阵,利用PageRank算法对位姿图中节点进行筛选和排序,将低于设定阈值的节点在位姿图中剔除,保留与其他节点有高关联性的节点,减少位姿图中的节点,同时保留SLAM后端的稀疏特性,有效提高SLAM后端优化效率.在RGB-D标准数据集上进行实验验证,实验结果表明:在室内环境下,该SLAM后端优化算法缩短了优化时间,提高了实时性,且误差变化在可接受的范围内,为SLAM后端优化低效率问题提供了解决方案.     

改进的回归型支持向量机学习算法

通过对标准的回归型支持向量机进行改进,得到一种新的学习算法.这种新的学习算法不仅能减少计算的复杂性,提高学习速度;同时在一定程度上能提高回归估计的精确性,特别是用于解决大规模样本问题.     

复杂环境目标探测中关键参数的计算

为了更准确地解决复杂环境目标探测中关键参数的计算问题,利用一阶抛物线方程算法来计算考虑地球表面阻抗、地球曲率、大气波导等背景环境下的电波传播因子,利用矢量PE算法求解考虑背景环境下目标的雷达散射截面,完成了在考虑复杂环境影响下对目标探测中关键参数的计算。PE算法是基于迭代技术的算法,算法复杂度较低、速度较快。计算结果表明,采用PE算法计算的关键参数能够反映复杂环境的影响,验证了参数计算的有效性。     

气垫车辆土壤参数估值算法

针对气垫车辆具有附加的垂向力控制自由度的特点,提出了基于g函数和扩展卡尔曼滤波器（EKF）联合算法的土壤参数估值方案.g函数通过解耦土壤参数解决了多解问题,EKF通过减小测量不确定度提高了估值准确性.通过不同噪声水平下算法准确性和大噪声重复实验下算法稳定性的实验表明：g-EKF联合算法在各种噪声水平下具有应用鲁棒性,特别是在大噪声工况下,其估值准确性、精确性和稳定性具有明显优势.