基于运动图的路径编辑技术

改进了过渡运动的生成算法和路径搜索算法,提出了一种基于运动图的路径编辑的新方法。其中,针对过渡运动的构造,通过最小化融合帧之间的平均帧间距来自动确定用于运动融合的运动片段,并提出了改进动态时间变形(EDTW)算法来解决这一最优化问题;针对运动图上的路径搜索,提出了基于路径曲线所夹面积的目标函数并改进了分段搜索算法和剪枝策略。实验结果表明,该方法能够编辑生成与用户指定路径高度匹配的人物运动。     

基于小波变换的运动分析及其应用

对捕获的运动数据进行编辑处理 ,是生成新的复杂人体动画和提高运动捕获数据重用性的关键 ,但目前大多数运动编辑技术不具备对运动进行高层控制处理的能力 ,为此 ,提出了一种基于小波变换的运动编辑新算法 ,即将小波变换引入运动编辑 ,并对运动信号进行多分辨率分析 ,从而实现了运动特征增强、运动融合及运动特征提取与综合 .实验结果表明 ,该算法非常适合对运动特征进行处理 ,由于其能够在高层次上对运动进行有效的编辑 ,因而提高了动画师的工作效率 .     

基于改进粒子群优化算法的牙齿正畸路径规划方法

针对虚拟口腔正畸治疗系统中牙齿移动路径规划问题,提出了一种基于正态分布的简化均值粒子群的牙齿正畸路径规划方法。首先建立了单颗牙齿及整体牙齿的数学模型,并根据牙齿运动的特性,将牙齿正畸路径规划问题转化为带约束的优化问题;其次,在简化粒子群算法的基础上,引入正态分布及均值粒子群的思想,提出了一种基于正态分布的简化均值粒子群优化（NSMPSO）算法;最后,从平移路径长度、旋转角度、碰撞检测以及牙齿在单阶段的移动量、旋转量这五个方面构造了高安全性的适应度函数,实现了牙齿正畸移动路径的规划。将NSMPSO与基本粒子群优化（PSO）算法、均值粒子群优化（MPSO）算法和动态调整惯性权重的简化均值粒子群优化（DSMPSO）算法进行对比,结果表明,改进的算法在Sphere、Griewank和Ackley这三大基准测试函数上均在50次迭代内趋于稳定收敛,且均具有最快的收敛速度和最高的收敛精度。通过Matlab中的仿真实验,验证了利用该数学模型和改进算法求得的最优路径安全可靠,可以为医生提供辅助诊断。     

基于掩模金字塔的高精度全局运动估计算法

在视频序列的全局运动估计中,前景运动对象的存在常常会大幅度地降低估计的精度,为此提出一种对前景对象自适应的高精度全局运动估计算法.该算法以像素块为单位,利用块内外点的比重判定前景区域,同时引入马尔可夫聚类方法进行后处理,有效地提高了运动对象的定位精度;通过对目标函数引入权重系数增强对残差的鲁棒性,以进一步提高算法的估计精度.此外,基于像素掩模的3层金字塔构建序列图像,并将改进的梯度方法引入到优化过程中,提高了算法的实时性.对不同运动类型的标准视频序列的实验结果表明,该算法有效地提高了全局运动估计的精度和速度.     

融合环境信息和运动约束的改进A*算法研究

标准A*算法存在着无法考虑移动机器人运动特性及处理后的路径不利于移动机器人运动等问题。针对这一问题提出了一种新改进A*算法,通过环境信息引入障碍物权重系数来改进算法的启发函数并进行全局路径规划;优化搜索节点的选取方式和设定障碍物与路径之间的安全距离;基于对移动机器人的运动特性的考虑优化其路径,并在不同环境地图中与其他算法进行仿真实验对比分析。相关实验表明：基于新改进A*算法规划的路径始终与障碍物保持一定的安全距离;改进A*算法在时间上相比标准A*算法平均减少了80%,路径长度平均减少了2%,路径转角平均降低了82%。改进后算法相比其他算法在时间、搜索节点以及平滑度上有很大的改进,融合机器人环境信息和运动特性的规划路径算法可为移动机器人的路径规划提供一种新的方法。     

基于连续动态运动基元的移动机器人路径规划

针对二维动态场景下的移动机器人路径规划问题，提出了一种新颖的路径规划方法——连续动态运动基元（continuous dynamic movement primitives， CDMPs）.该方法将传统的单一动态运动基元推广到连续动态运动基元，通过对演示运动轨迹的学习，获得各运动基元的权重序列，利用相位变量的更新，实现对未知动态目标的追踪.该方法克服了移动机器人对环境模型的依赖，解决了动态场景下追踪运动目标和躲避动态障碍物的路径规划问题.最后通过一系列仿真实验，验证了算法的可行性.仿真实验结果表明，对于动态场景下移动机器人路径规划问题， CDMPs算法比传统的DMPs方法在连续性能和规划效率上具有更好的表现.     

一种改进的运动路径编辑方法

介绍了运动路径编辑方法,提出了保持足部位置运动速率不变的算法来解决其中出现的脚步滑动现象。该算法中,使用了基于约束的技术。首先,逐帧求出原始运动数据的足部位置,作为初始约束条件,当运动路径变化后,依据足部位置运动速率不变的原则,自动更新约束条件,减少了以往方法中的人工干预过程；然后,采用按帧编辑的实时逆向运动学算法求解约束条件。实验结果表明此算法有效地解决了脚步滑动现象。     

低码率视频编码的优化方法

采用的低码率视频编码方法是以全局运动补偿和局部运动补偿为核心的混合编码方法.主要针对MPEG-4中原有算法计算量大、复杂度高的特点进行了编码系统优化,将这一编码方法实用化.该优化方法是针对占编码系统70%计算量的全局运动估计进行的,采用了基于运动特征的运动估计方法和鲁棒的目标函数,并在优化方法中引入了三级金字塔的分层计算.从对比实验结果来看,优化方法对不同运动类别视频的编码都是有效的,系统编码速度提高了3倍以上.目前,这项优化方法已经被MPEG-4视频编码优化小组采用.     

改进RRT-人工势场法的机械臂堆垛运动方法

快速拓展随机树算法(RRT)在机械臂路径规划中存在随机性强、搜索效率低、规划路径长等问题,不能在货柜堆垛场景中取得相对最优的光滑路径。对此,该文提出了一种改进RRT-人工势场法混合算法进行货柜堆垛机械臂运动规划。首先,对传统快速拓展随机树算法进行改进,在传统快速拓展随机树算法的全局搜索的基础上引入目标搜索,增强了随机树的搜索效率,并使用改进后的算法进行全局路径规划;其次,对人工势场法进行改进,通过使用斥力势场范围大小作为阈值修正引力函数,使用机械臂末端执行器至末位置点影响修正斥力函数,并使用改进的人工势场法对局部路径进行优化;再次,使用三次非均匀B样条曲线对路径进行平滑处理,并将处理后的光滑路径作为机械臂末端执行器运动的最终路径。最后,在Python模拟场景中对改进算法进行可行性分析,并在ROS系统对机械臂堆垛运动进行应用仿真,验证了该方法的有效性和可行性。     

船舶混沌运动的比例-积分-微分控制

针对采用比例-积分-微分控制混沌系统时参数不易确定的问题,为克服基本粒子群优化算法的不足,对PSO算法惯性权重系数进行了改进,并将目标混沌系统引入PSO算法,提出了改进动态混沌粒子群优化算法.将改进算法应用于船舶混沌运动比例-积分-微分控制器的参数整定优化并对混沌运动的比例-积分-微分控制进行了仿真研究,仿真结果表明,改进算法得到的控制参数能将受控船舶混沌系统迅速稳定到不动点上,控制效果明显.     

基于改进RRT^(*)与行驶轨迹优化的智能汽车运动规划EI北大核心CSCD

针对传统快速扩展随机树算法(Rapidly-exploring random tree,RRT)搜索较慢、规划路径曲折、平顺性差等问题,提出了一种结合改进RRT^(*)与贝塞尔曲线控制点优化的智能车辆运动规划方法.该方法通过在给定概率分布下采样,结合基于方向相似性的多步扩展与路径简化,使用贝塞尔曲线拟合生成规划问题初始解,最后使用序列二次规划优化曲线控制点,从而在动态障碍物环境中生成兼具安全性与驾驶舒适性的车辆行驶轨迹.在仿真实验中将本文算法与常规RRT及曲线拟合方法进行了比较,结果显示本文算法在搜索速度、平顺性、安全性等方面有较大提升.     

知识引导遗传算法实现机器人路径规划

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,设计一种知识引导遗传算法,在染色体的编码、初始种群的产生、各种遗传算子和优化算子中加入相关的领域知识.综合考虑机器人路径的长度、安全度和平滑度等性能指标,在对机器人进行路径规划的同时,利用删除、简化、修正和平滑4种优化算子进行路径优化操作.仿真结果表明,所提方法能够有效提高遗传算法求解实际路径规划问题的能力和效率.     

基于离子运动-人工蜂群算法的移动机器人路径规划

针对移动机器人在仓储环境下的路径规划问题，提出了一种基于离子运动的人工蜂群（IM-ABC）算法用于路径规划。该方法为提高传统的人工蜂群（ABC）算法在路径规划中的收敛速度和搜索能力，采用一种模拟离子运动规律来更新蜂群的策略。首先，在算法前期利用离子运动算法中的阴阳离子交叉搜索来更新引领蜂和跟随蜂，从而引导种群进化方向，极大提高种群开发能力；其次，在算法后期为了避免前期过早收敛导致局部最优，引领蜂采用随机搜索，跟随蜂则利用反向轮盘赌来选择蜜源，以扩大种群多样性；最后，在全局更新机制中提出自适应性花香浓度以改善抽样方式，进而得到改进后的IM-ABC算法。标准测试函数测试与仿真实验结果表明，IM-ABC算法不仅能快速收敛，且和传统ABC算法相比迭代次数减少了58.3%，寻优性能提升了12.6%，表现出较高的规划效率。     

基于动态参数优化的混沌粒子群算法

针对传统粒子群优化算法易陷入局部极值点的问题,将混沌运动的遍历性,随机性以及初值敏感性等特点融入粒子群优化过程中,并通过模拟退火的方法对参数实现局部优化,使得粒子群优化算法的参数随着优化算法的进行不断改变,以适应不断变化的优化需要.通过对经典函数的仿真实验,证明了该方法在提高收敛性的前提下,收敛精度较传统算法也有了提高,且克服了易陷入局部极值区域的问题.     

面向反馈运动控制器的多目标求解

目的 基于物理模拟的人体运动生成方法由于能够合成符合自然规律的运动片段,可实时响应环境的变化,且生成的物理运动不是机械性的重复,因此是近年来计算机动画和虚拟现实领域中最活跃的研究方向之一。然而人体物理模型具有高维、非线性及关节间强耦合性等特点,求解人体物理运动十分困难。反馈控制器常用于人体物理运动控制,求解时通常需要对多个目标函数加权求和,然而权重的设置需多次试验,烦杂耗时。针对运动控制器求解困难的问题,本文提出了一种面向反馈运动控制器的多目标求解方法。方法 首先,对运动数据进行预处理并提取关键帧求解初始控制器,并设计一种改进的反馈控制机制;在此基础上,种群父代个体变异产生子代,采用禁选区域预筛选策略去除不满足约束的个体,并通过重采样获取新解;然后,通过物理仿真获得多目标适应度值,采用区域密度多层取优选取分布均匀的优秀个体作为下一代父代,并通过基于剪枝的多阶段物理求解算法决定是否进入下一阶段优化;经过多次迭代后获得物理控制器,从而生成具有反馈的人体物理运动。结果 针对提出的方法,本文针对多个测试函数和物理运动分别进行实验：在测试函数实验中,本文分别采用经典的测试函数进行实验对比,在相同的迭代次数下,相比之前算法,本文算法中满足约束的优秀个体命中率更高,反转世距离更小,且最优解集的分布更加均匀;物理运动生成实验中,分别针对走路、跑步和翻滚等运动进行物理运动生成,与之前算法进行对比,本文算法可以更早地完成收敛,同时目标函数值更小,表明生成的运动效果更好。结论 本文提出的进化求解方法可以生成不同运动的控制器,该控制器不仅可以生成物理运动,而且还具备外力干扰下保持平衡的能力,解决了运动控制器求解中多目标权重设置困难、优化时间长的问题;除此之外,本文算法还对具有约束的多目标问题具有较好的求解效果。     

基于启发式Bi-RRT算法的虚拟手臂运动规划

为提高虚拟人手臂在复杂多障碍物空间进行维修时的运动路径规划效率,提出一种基于启发式Bi-RRT的路径规划算法。在运用Bi-RRT算法的基础上,结合启发式搜索思想对腕关节进行路径规划,通过比较多个随机搜索点与目标点的距离,保留距离目标点最近的随机搜索点,使随机树有方向地进行扩展,减少无效的搜索。仿真实验结果表明,启发式Bi-RRT算法较传统的RRT算法和Bi-RRT算法有更好的搜索效果,搜索效率更高,对于7自由度虚拟手臂的运动路径规划也有较好的效果。     

保持各帧拓扑关系一致的三维时序网格简化

将经典的静态三维网格简化方法QEM引人到三维时序网格的简化过程中,通过计算每一条边在所有帧中的最小合并代价之和来选择误差最小的简化边,然后各帧同时对该边实施合并操作,从而保持各帧拓扑关系在简化后的一致性,为了保留更多重要运动特征处的细节信息,提出根据每一条边在各连续帧间的长度和折叠角的变化程度为其合并代价分配一定的权重系数,从而延迟变形较大的边的合并,使得简化后的时序网格模型具有更好的视觉效果,实验结果表明,文中方法不仅能够在简化后保持各帧拓扑关系一致,还能较好地延迟重要运动特征的简化。     

The Auction Technique for the Sensor Based Navigation Planning of an Autonomous Mobile Robot

The problem of finding a path for the motion of a small mobile robot from a starting point to a fixed target in a two dimensional domain is considered in the presence of arbitrary shaped obstacles. No a priori information is known in advance about the geometry and the dimensions of the workspace nor about the number, extension and location of obstacles. The robot has a sensing device that detects all obstacles or pieces of walls lying beyond a fixed view range. A discrete version of the problem is solved by an iterative algorithm that at any iteration step finds the smallest path length from the actual point to the target with respect to the actual knowledge about the obstacles, then the robot is steered along the path until a new obstacle point interfering with the path is found, at this point a new iteration is started. Such an algorithm stops in a number of steps depending on the geometry, finding a solution for the problem or detecting that the problem is unfeasible. Since the algorithm must be applied on line, the effectiveness of the method depends strongly on the efficiency of the optimization step. The use of the Auction method speeds up this step greatly both for the intrinsic properties of this method and because we fully exploit a property relating two successive optimizations, proved on paper, that in practical instances enables the mean computational cost requested by the optimization step to be greatly reduced. It is proved that the algorithm converges in a finite number of steps finding a solution when the problem is feasible or detecting the infeasibility condition otherwise. Moreover the worst case computational complexity of the whole algorithm is shown to be polynomial in the number of nodes of the discretization grid. Finally numerical examples are reported in order to show the effectiveness of this technique.