多机器人地图融合方法研究

多机器人建图是实现机器人自主导航,完成复杂智能任务的关键.其中如何将不同机器人采集的数据融合到全局地图中,成了多机器人建图中的一个核心问题.文中采用独立探索、集中建图的探索策略,提出一种基于改进差异进化算法的多机器人概率栅格地图的融合.该算法在地图相似度的概念基础上,建立相异度函数,利用改进的进化算法搜索策略快速地搜索各局部地图之间的最大重叠部分,实现了多机器人系统栅格地图的融合,有效的解决了相对位置未知情况下的地图创建问题.通过实验验证了该方法正确、可行.     

基于遗传算法的多机器人协作建图方法*

现有多机器人协作构建地图的方法对环境和机器人位置信息有着较高要求,因而在实际应用中存在一定局限性。针对这一问题,提出了一种基于遗传算法的改进方法。该方法采用独立探索、集中建图的探索策略,对环境建立局部栅格地图并予以融合。在地图融合过程中,无须考虑机器人位置信息,而是以栅格地图相似度为度量标准,利用改进的遗传算法快速、高效地搜索各局部地图之间的最大重叠部分,进而予以融合。实验结果验证了该方法的可行性和有效性。     

一个室内清洁机器人的区域遍历与地图绘制

本文针对室内清洁机器人的区域遍历问题，提出了一种地图绘制的方法：该方法基于栅格地图表示环境，对环境地图进行分区，通过自由区域联结图广度优先搜索及深度优先遍历（WSDC）形成方形区域遍历顺序，对机器人探测环境的路线进行导航。实验研究表明栅格地图表示环境对于区域划分与区域遍历更有效：采用WSDC算法产生的区域遍历顺序导航机器人运动，可以减少机器人的运动距离，提高工作效率。     

改进粒子群优化算法的多机器人地图构建

针对大规模的未知环境,对一种SA-PSO(Simulated Annealing-Particle Swarm Optimization)算法的多机器人构建地图方法进行研究。多机器人构建地图,即将多个机器人建立的局部地图融合成全局地图,可以更加高效地完成环境地图的绘制。利用粒子群优化(PSO)算法搜索局部地图之间的最优转换矩阵来进行地图配准;再根据局部地图重叠区域匹配的成功率设计自适应概率函数,即重新进行地图配准的概率;最后将配准后的局部地图融合成全局地图。该方法有效解决了PSO算法易陷入局部最优引起的地图融合失败问题,提高了地图融合的成功率。     

基于生物启发神经网络和DMPC的多机器人协同搜索算法

针对多机器人在未知区域的覆盖搜索问题,提出一种基于生物启发神经网络和分布式模型预测控制(DMPC)的多机器人协同搜索算法.利用栅格地图表示未知区域,基于栅格地图建立生物启发神经网络来表示动态搜索环境,生物启发神经网络中未搜索栅格的神经元活性值大于已搜索栅格和障碍物栅格.在此基础上,为了平衡机器人覆盖搜索过程中的短期收益和长期收益,避免后期陷入局部最优,引入DMPC作为决策方法.选择预测周期内机器人所覆盖栅格的神经元活性值增量作为主要激励函数,引导机器人向未覆盖区域搜索,并采用差分进化算法(DE)进行优化求解,得到最优解.最后通过设计仿真实验验证了所提出方法的有效性和优越性.     

栅格地图中多机器人协作搜索目标

目标搜索是多机器人领域的一个挑战.本文针对栅格地图中多机器人目标搜索算法进行研究.首先,利用Dempster-Shafer证据理论将声纳传感器获取的环境信息进行融合,构建搜索环境的栅格地图.然后,基于栅格地图建立生物启发神经网络用于表示动态的环境.在生物启发神经网络中,目标通过神经元的活性值全局的吸引机器人.同时,障碍物通过神经元活性值局部的排斥机器人,避免与其相撞.最后,机器人根据梯度递减原则自动的规划出搜索路径.仿真和实验结果显示本文提及的算法能够实现栅格地图中静态目标和动态目标的搜索.与其他搜索算法比较,本文所提及的目标搜索算法有更高的效率和适用性.     

基于D-S信息融合的水下机器人地图构建

针对未知动态环境中自治水下机器人(Autonomous Underwater Vehicle,AUV)的路径规划问题,给出一种基 于D-S (Shafer-Dempster)信息融合的水下栅格地图构建算法.首先通过建立一个声纳传感器模型,将声纳数据转换成栅格的信度函数分配值;接着应用D-S证据理论信息融合算法更新地图数据,从而构建出水下动态栅格地图;最后通过真实地图与融合构建地图比较,说明D-S融合算法在地图构建中的可行性.     

融合图特征的多机器人栅格地图拼接方法

现有的栅格地图拼接方法在地图重叠区域较小、地图特征较少、地图存在自相似性和非刚性形变的情况下匹配精度往往会大幅度下降甚至失配,提出了一种融合图特征的多机器人栅格地图拼接方法。提取待匹配栅格地图的ORB特征点并粗匹配,接下来建立ORB特征点之间的中值[K]近邻图;建立最优传输目标函数并融合ORB特征和图特征构建传输代价矩阵,同时建立增广节点筛选通过Sinkhorn算法求解最优匹配,RANSAC算法求解两张栅格地图之间的刚体变换,实现多机器人栅格地图的配准和拼接。通过实验验证了该方法具备较高的拼接精度,可应对重叠率低、特征不太明显的场景,展现出了较快的计算速度,并分析了相关参数对算法表现的影响。     

基于栅格地图的机器人覆盖路径规划研究*

研究了基于接触传感器的机器人覆盖问题,提出了基于栅格地图的内螺旋覆盖(ISC)算法.ISC算法通过边界探索获得环境边界地图之后,在线规划覆盖路径,用距离转变的搜索方法保证了完全覆盖,通过设置gate栅格降低了重复覆盖率.通过对三个房间组成的室内环境的覆盖仿真试验验证了该方法的可行性.     

基于声纳传感器的移动机器人地图创建方法研究*

提出了一种改进的基于声纳传感器信息进行栅格地图创建的方法。将Bayes法则用于移动机器人地图创建,对多个声纳传感器信息进行融合,解决信息间的冲突问题,并根据声纳模型将测量数据集成到局部地图中,改变栅格被障碍物占有的概率。经过坐标变换后,利用Bayes法则更新全局地图中的栅格信息,实现从局部地图到全局地图的更新。实验验证了该算法的可行性与有效性。     

基于混沌映射的网络实时保密通信方法

本文就混沌系统中的Logistic映射和Henon映射，利用多值序列的方法所产生的混沌序列，对网络流进行加密和置乱，并对数字图像也进行了实验，算法全部用VC 编写实现。     

一种基于共轭混沌映射的图像加密算法

本文应用离散混沌动力映射和Tent映射的图像加密算法。利用共系统，针对图像数据的存储特点，设计了一种基于共轭混沌映射Logistic轭映射产生密钥流改变原图像的灰度值；运用一类标准混沌映射，构造了一种具有强非线性藕合结构的置换方式，从而改变像素点的位置。同时，对提出的算法进行仿真实验和安全性分析，结果表明该算法具有安全性高和加密速度快等特点。     

等高线分类中的改进算法研究

该文的研究对象为1:5万地形图,讨论了对现有等高线识别算法的一些改进算法,是为提高等高线断线的连接率而进行的一种预处理算法,提高了区分计曲线和首曲线的正确率,为等高线的正确连接提供依据,可以避免计曲线和首曲线之间的误连。     

UML在CAD软件系统开发中的应用

首先简要介绍了UML（统一建模语言）,并以具体CAD软件系统为例阐述了在CASE工具支持下,如何使用UML中的用户用例图和活动图进行CAD软件系统的分析和设计,此方法可以在一定程度上弥补对象化方法和结构化方法各自的不足。     

电子地图技术及其进展分析

在分析了电子地图学当前采用的数据结构和数据模型的基础上,论述了结合目前地图表达方面的研究进展,对电子地图学的技术开发及其应用中出现的问题及今后的研究发展方向进行了分析和探讨。     

一种基于双混沌映射的加密算法设计与应用*

提出了一种基于logistic和Henon的双混沌映射加密算法,通过级联一维混沌系统和二维混沌系统,利用复合迭代所产生的混沌序列对明文进行加密,开发了算法的模拟实验平台。实验结果表明,与传统DES和基于Lorenz的加密相比,该算法在加密强度和运算效率上达到了较好的均衡。     

数字三维地图制图研究

该文首先介绍了传统地图的三维符号表示方法,在此基础上,对数字三维地图的特点和符号构成元素进行了阐述,最后,介绍了当前数字制图中常用的细节层次模型(LOD)。     

解图——浅论地图的设计及发展

地图是一种科学的、视觉艺术化的传播媒介,它将具体的事物转化成为有意义、能识别的抽象图形符号体系,体现了科学与艺术的有机结合,是集合丰富信息的视觉传达系统。论文从地图设计的准确性原则开始论述,提出地图设计首先要明确主题和受众,并概述地图的具体设计要点,最后列举了地图在发展过程中产生的各种衍生物。     

带有位置修正的环境映射

由于没有考虑物体表面位置的影响,基本的环境映射技术在反射计算中存在一定的几何偏差,而且无法实现视差效果。本文通过引入位置修正对该技术进行了改进。首先,利用距离图来保存环境表面位置信息;然后,分两种情况利用距离图对环境贴图的查询矢量进行修正,以减小反射计算的几何偏差;最后,通过分层渲染的方法处理包含多个环境物体的场景。实验结果表明,位置修正的引入提高了环境映射光照计算的准确性;并且能获得因物体互相遮挡而产生的视差效果。     

Carrying surfaces for return maps of averaged logistic maps

We analyze the average of two iterated logistic maps in both the uncoupled and coupled cases and show that the resulting sequence can be seen as lying on the graph of a function of two variables which we call a carrying surface. Experimenting with different graphical representations of the data led us to discover this surface.