基于概率迭代匹配的水下机器人定位算法

该文针对水下机器人在核电站水池中的位置估计问题,提出基于扫描声呐的概率迭代匹配定位算法进行机器人水下定位。首先分析了扫描声呐的信号特征,对声呐信号进行预处理的方法,通过阈值去噪、距离限定和减少采样来降低信号干扰和剔除多余数据,提高计算效率。然后针对声呐量测存在较大噪声的问题,提出基于概率迭代匹配的算法。利用马氏距离计算声呐扫描图与核电站水池环境地图之间的最近匹配点,同时通过置信度提高匹配的精度,以寻优迭代估计得到水下机器人的绝对位姿。与传统的最近点迭代算法的仿真比较表明该算法提高了水下机器人的估计精度。最后,通过水池实验验证了该算法的有效性。     

微型机器人集群短距离相对定位方法

对平面内微机器人集群短距离相对定位问题进行了研究,针对微机器人尺寸小的特点,利用红外发送器、红外接收器和磁阻传感器相配合的方法实现了微型机器人集群的相对定位,分析了该相对定位方法的误差来源.仿真计算和实验结果证明了上述方法的可行性.提出的相对定位方法具有精度高、无积累误差、分布式、快速和可扩展等优点.     

基于声音的分布式多机器人相对定位

声音定位系统是应用声音音波距离估算,实施系统控制,实现声音立体传播的效果,基于声音相对定位的基本理论,对声音的分布式多机器人相对定位进行分析,实现现代声音传播控制系统的实际应用作用得到创新传播.     

基于主从式水下自主航行器移动组网的合作目标定位方法

利用水下自主航行器(AUVs)协同编队可以在未知水域中实现对目标的定位。针对AUV导航误差导致定位精度降低问题,该文提出一种基于扩展卡尔曼滤波器(EKF)的多AUV编队融合观测协同目标定位算法。AUV编队由一个装备有高精度惯性导航系统(INS)的领航AUV以及多个装配有低精度INS的跟随AUV组成。从跟随AUV中选取参考AUV和待测AUV,通过设置定位周期和观测间隔来分别对其进行不同的观测。参考AUV作为中转,接收来自高精度AUV位置参数后,向待测AUV传递自身位置参数,利用扩展卡尔曼滤波器完成对AUV集群的协同位置修正。仿真结果表明,该方法AUV集群自身定位精度高且误差随时间积累小,对领航AUV数量需求少,能够实现水下目标低功耗、远距离定位。     

基于正交移动双水下自主潜航器的水下合作目标定位方法

利用水下自主潜航器(AUV)定位是水下大区域静止目标定位主要方法之一.针对单AUV定位存在的定位周期长,定位覆盖区域低,长时间定位误差累积大的缺陷,该文提出一种基于正交运动的双AUV的静止目标定位方法.每个AUV通过自身携带的惯性导航系统(INS)和多普勒计程仪进行自身定位,并在多次运动过程中通过与静止目标间的通信时延...     

基于正交移动双水下自主潜航器的水下合作目标定位方法

利用水下自主潜航器(AUV)定位是水下大区域静止目标定位主要方法之一.针对单AUV定位存在的定位周期长,定位覆盖区域低,长时间定位误差累积大的缺陷,该文提出一种基于正交运动的双AUV的静止目标定位方法.每个AUV通过自身携带的惯性导航系统(INS)和多普勒计程仪进行自身定位,并在多次运动过程中通过与静止目标间的通信时延差测量进行定位.该方法需要2个相对航向角呈90°的正交移动AUV通过最少2次与静止目标间通信完成次定位.相比于传统的单移动传感器定位方法,该算法需要的定位周期更短,对同步要求更低.实验结果表明,该方法定位精度有显著提高,同时有效定位区域增大,在长时间定位过程中对AUV位置误差影响更低.     

基于大数据融合技术的机器人智能激光定位方法

为了提高机器人在运动场的智能激光定位能力,提出基于虚拟力学分解和解扰控制的运动场地机器人智能激光定位技术.主要以排球运动场地机器人作为定位目标,采用激光跟踪定位方法进行运动场地机器人的信息跟踪识别,提取机器人运动参数,采用大数据融合技术进行排球运动机器人的场地适应性控制,构建排球运动机器人的虚拟力学特征分析模型,采用自...     

基于视觉伺服的机器人定位识别技术研究

为提高机器人的抓取能力,实现非结构化环境中的物体定位、识别和抓取,提出了一种定位识别算法,旨在使用机器人已观察到的结果来预测未经测试的抓取的工作过程.为验证算法的精确性,利用重复抓取动作时的实际数据进行对比分析与验证.结果表明,文中提出的定位识别技术具有较高的准确性,能为高效执行抓取任务提供依据,在机器人灵敏操控方面具...     

基于双目主动视觉系统的目标定位算法

介绍了一种基于圆形轨道的双目主动视觉系统,此系统具有更大的灵活性和可视空间,有利于避开障碍物和跟踪目标,具有很强的实用性。最后,利用主动视觉空间建立了此系统的目标定位算法。     

基于激光定位的机器人加工轨迹规划

随着机械化生产的逐渐实现,加工机器人的应用范围越来越广泛。在此背景下,为提高机器人加工精度,针对基于机器视觉、COMS工业相机以及CAM的三种机器人加工轨迹规划方法无法准确跟踪给定轨迹,导致规划轨迹与期望轨迹存在较大误差的问题,提出一种基于激光定位的机器人加工轨迹规划方法。该方法首先利用激光雷达方法测量机器人与待加工目标之间的相关信息,然后利用激光跟踪仪进行误差标定,最后将误差标定结果作为改进蚁群算法迭代条件,通过多次迭代生成机器人加工轨迹。实验测试结果表明:与基于机器视觉的规划方法、基于COMS工业相机的规划方法以及基于CAM的规划方法相比,基于激光定位的机器人加工轨迹规划方法应用下,规划轨迹与期望轨迹拟合优度提高0. 07、0. 05、0. 08,轨迹定位误差较小,基本达到预期目标。     

Compressive Sensing Node Localization Method Using Autonomous Underwater Vehicle Network

This framework attempts to introduce a new Distributed denial-of-service (DDoS) attack detection and mitigation model. It is comprised of two stages, namely DDoS attack detection and mitigation. The first stage consists of three important phases like feature extraction, optimal feature selection, and classification. In order to optimally select the features of obtained feature sets, a new improved algorithm is implanted named Improved Update oriented Rider Optimization Algorithm (IU-ROA), which is the modification of the Rider Optimization Algorithm (ROA) algorithm. The optimal features are subjected to classification using the Deep Convolutional Neural Network (CNN) model, in which the presence of network attacks can be detected. The second stage is the mitigation of the attacker node. For this, a bait detection mechanism is launched, which provides the effective mitigation of malicious nodes having Distributed Denial-of-Service (DDoS) attacks. The experimentation is done on the KDD cup 99 dataset and the experimental analysis proves that the proposed model generates a better result which is 90.06% in mitigation analysis and the overall performance analysis of the proposed model on DDoS Attack Detection is 96% better than conventional methods.

     

面向水声传感网的自主水下航行器辅助定位动态路径规划

水声传感器网络(UASNs)节点由于洋流等因素长时间作用会出现位置偏移,故需要修正其位置信息。在水声传感器网络节点定位中将自主式水下潜器(AUV)作为移动锚点辅助定位可有效降低定位成本,但在AUV辅助定位过程中AUV的能量利用率仍有待提升。为了进一步提高AUV的能量利用率,该文提出一种面向水声传感网的AUV辅助定位动态路径规划方法。该方法中将节点位置修正过程看成节点位置信息熵减少的过程。在AUV动态路径规划时根据定位过程的节点位置信息和预计AUV能耗,规划AUV下一步移动目标位置。使用贪婪算法选取使信息增益期望和移动消耗能量比值最大的位置作为AUV下一步移动目标位置。仿真结果表明,该算法能够在保证节点定位精度的基础上有效提高AUV能量利用率。     

Autonomous Underwater Vehicle Thermoelectric Power Generation

Autonomous underwater vehicles (AUVs) are a vital part of the oceanographer’s toolbox, allowing long-term measurements across a range of ocean depths of a number of ocean properties such as salinity, fluorescence, and temperature profile. Buoyancy-based gliding, rather than direct propulsion, dramatically reduces AUV power consumption and allows long-duration missions on the order of months rather than hours or days, allowing large distances to be analyzed or many successive analyses of a certain area without the need for retrieval. Recent versions of these gliders have seen the buoyancy variation system change from electrically powered to thermally powered using phase-change materials, however a significant battery pack is still required to power communications and sensors, with power consumption in the region of 250 mW. The authors propose a novel application of a thermoelectric generation system, utilizing the depth-related variation in oceanic temperature. A thermal energy store provides a temperature differential across which a thermoelectric device can generate from repeated dives, with the primary purpose of extending mission range. The system is modeled in Simulink to analyze the effect of variation in design parameters. The system proves capable of generating all required power for a modern AUV.     

基于多普勒Chirp-Fourier变换的水下航行器噪声源定位方法

通过对水下航行器辐射噪声的多普勒特征分析,可以定位线谱噪声源在航行器上的辐射位置,从而有针对性地采取治理措施。传统的多普勒分析方法大多在时频域中进行,难以有效处理同频声源的定位问题。该文提出一种基于Chirp-Fourier变换特征的多普勒分析方法,将多普勒信号分解为线性调频(LFM)子分量的集合,并转换到频率-调频因子构成的2维平面。利用该平面内的多普勒信号分布特征,可以有效抑制同频声源之间的相互干扰,进而完成多噪声源的定位。仿真和海上实验验证了该方法的有效性。     

Underwater Localization and Environment Mapping Using Wireless Robots

Localization and mapping are the fundamental ability for underwater robots to carry out exploration and searching tasks autonomously. This paper presents a novel approach to localization and mapping of a school of wirelessly connected underwater robotic fish (URF). It is based on both Cooperative Localization Particle Filter (CLPF) scheme and Occupancy Grid Mapping Algorithm (OGMA). Using the probabilistic framework, the proposed CLPF has the major advantage that no prior knowledge about the kinematic model of URF is required to achieve accurate 3D localization. It works well when the number of mobile beacons is less than four, which is the minimum number for some traditional localization algorithms. The localization result of CLPF is fed into OGMA to build the environment map. The performance of the proposed algorithms is evaluated through extensive simulation experiments, and results verify the feasibility and effectiveness of the proposed strategy.     

基于精密测距测角的相对定位方法

本文介绍了一种基于舰船间精密测距、测角的相对定位方法，以克服现有导航定位模式存在的缺点和不足，减小多舰船协同作战系统中由定位、航向误差引起的目标位置报告差异。 误差分析与仿真试验说明，该方法在一定条件下是有效的。     

利用结构光进行水下测量的新方法

文章提出了一种利用结构光进行水下测量的新方法,利用结构光进行水下测量需要完成三部分工作,第一部分是进行摄像机内外参数的标定,第二部分是利用共面靶标,根据交比不变原理进行结构光参数的标定,第三部分是利用摄像机成像模型,根据第二部分标定出的结构光参数,将结构光的图像二维信息转化为水下目标物体的三维信息。本文在第二部分以及第三部分均做了创新,一是利用投影仪垂直投射多条相交于一点的结构光于玻璃平面;二是建立新的水下测量模型,通过延长水下光线交光轴于一点,形成新的光心,将摄像机的非线性模型转化为线性模型。     

Real‐Time Precision Vehicle Localization Using Numerical Maps

Autonomous vehicle technology based on information technology and software will lead the automotive industry in the near future. Vehicle localization technology is a core expertise geared toward developing autonomous vehicles and will provide location information for control and decision. This paper proposes an effective vision‐based localization technology to be applied to autonomous vehicles. In particular, the proposed technology makes use of numerical maps that are widely used in the field of geographic information systems and that have already been built in advance. Optimum vehicle ego‐motion estimation and road marking feature extraction techniques are adopted and then combined by an extended Kalman filter and particle filter to make up the localization technology. The implementation results of this paper show remarkable results; namely, an 18 ms mean processing time and 10 cm location error. In addition, autonomous driving and parking are successfully completed with an unmanned vehicle within a space.