室内多参数监测机器人的研制

针对现有室内环境监测仪检测对象单一、自动化程度不高、无法实现污染源定位等问题,本文提出了一种可实现污染源定位的室内环境监测机器人。使用双核心技术完成了对SO2、CO2、CO、甲醛、甲烷、可吸入颗粒物、温度、相对湿度等8项参数的监测,并通过随机搜索和概率搜索相结合的方法实现了自动巡逻监测及污染源定位等功能。实验数据显示该机器人具有测量精度高、定位准确的优点,对于工业应用具有参考价值。     

基于模糊监督器的混杂系统控制

针对一类混杂系统的对象,提出了应用多模型控制的方法实现混杂系统控制的思想.借助于模糊监督控制中模糊监督器的设计规则,设计了适用于混杂控制系统的监督控制器,在该监督器的作用下,实现了控制系统中局部控制器之间的切换.仿真结果表明了该设计方法的有效性,被控对象在超调量和调节时间上都具有很好的性能.     

融合 WiFi 与可穿戴惯导模块的室内定位方法

为解决基于智能手机的人员室内定位追踪易受手机姿态影响的问题,提出一种融合WiFi与可穿戴惯导模块的室内定位方法。通过固定在胸部的惯性测量单元实现行人航迹推算PDR)定位,消除手机姿态对PDR定位的影响,采用加权贝叶斯算法实现WiFi指纹定位,为PDR提供初始定位,同时基于无迹卡尔曼滤波融合WiFi定位结果与PDR定位结果,以减少PDR的累积定位误差。最后,在真实室内环境中进行大量实验,实验结果证明本文提出的加权贝叶斯WiFi定位算法相比于传统贝叶斯算法定位误差降低了51.9%,提出的融合WiFi与可穿戴惯导模块的定位方法具有更好的精度和稳定性,相比于纯PDR定位算法平均定位误差降低了65.2%,相比于完全利用手机实现的融合算法,在3种不同手机姿态下平均定位误差分别下降了12.3%、39.3%和48.4%。     

室内移动机器人主动SLAM技术研究

为提高移动机器人自主探索室内未知环境的能力,基于实时获取的里程计和激光雷达数据,提出了一种面向室内环境的主动SLAM算法。首先利用激光雷达高精度特性,进行高频率的扫描匹配,提高了机器人定位和建图精度。同时基于实时地图,通过边界探索算法实现了机器人自主、高效遍历室内环境,并建立全局地图。鉴于室内环境通常是动态的,在全局路径规划的基础上引入局部路径规划,实现了机器人运动过程中的实时避障。使用Kobuki移动机器人平台在室内环境中进行了实验验证,实验结果表明该算法在小规模室内场景下的建图精度约为5cm,全程用时约为人为遥控方式的1.5倍。     

基于高斯矩改进SURF算法的移动机器人定位研究

针对移动机器人定位过程中视觉图像特征点提取与匹配数量较多,边缘特征点不稳定的问题,提出基于改进离散Gaussian-Hermite矩的SURF图像匹配算法。利用双树复小波变换将图像分解为低频与高频部分,将低频部分作为改进算法的输入图像。通过采用3D非极大值抑制求取图像不同尺度下的特征点,计算图像Gaussian-Hermite矩,重新确定Hessian矩阵,检测稳定边缘特征点,定义新的特征描述向量。将改进算法与自适应粒子滤波定位算法相结合,实现移动机器人在室内环境中的视觉定位。实验结果表明:改进算法配准精度高于SURF算法,不稳定特征点提取数量相比于原算法约减少9%,匹配率得到进一步提升。     

一种基于激光虚拟键盘按键定位的方法(英文)

本文提出一种基于红外激光反射和图像处理技术的虚拟键盘按键定位方法。首先介绍了按键定位的原理,并从图像采集、图像转换、阈值选择与二值化处理、按键位置识别等几个方面建立了试验系统。然后在室内环境下测试,发现该方法能实现高效准确的字符输入,故按键定位有很高的准确性、有效性以及可靠性。该方法为虚拟键盘的应用设计提供了很好的理论依据,具有较高的实用价值。     

基于惯性测量单元辅助的激光里程计求解方法

在同步定位与建图(SLAM)问题中,里程计部分的求解精度对后续建图起着至关重要的作用,惯性测量单元(IMU)可以为SLAM中里程计求解提供良好辅助。在考虑平面移动机器人运动特点及室内环境特征的基础上提出一种基于IMU松耦合的激光里程计求解方法,实现里程计部分的精准定位。第1阶段,机器人运动过程中实时处理点云信息,将地面点分割并提取有效关键点;第2阶段,将IMU信息引入卡尔曼滤波器,为帧间匹配提供位姿先验;第3阶段,滤波器输出位姿估计值后,利用非线性优化方法进行点云帧间匹配,实现里程计运动的求解。实验表明,所提方法在激光点云处理、运动求解,具有良好的稳定性和准确性,可将偏移量误差控制在0.4%以内,为后续建图提供有力数据保障。     

一种基于特征的人脸定位方法的研究

介绍了一种能有效地实现在复杂背景下的人脸定位的方法.在人脸的各种特征中,利用了人脸的几何特征,颜色与亮度特征,再利用形态学的函数运算及连通区域的边界分析实现了人脸定位.     

室内移动机器人自主导航系统设计与方法

针对移动机器人室内自主导航中环境检测、动态目标定位跟踪和路径规划,设计了"双目+单目"多信息融合的视觉系统。提出一种自适应环境、融合色彩饱和度信息的单尺度Retinex室内阴影消除算法,以有效提取障碍物信息及可行路面区域。研究了一种特征点辅助的时空上下文目标跟踪算法,运用目标特征点进行目标粗定位;引入特征点变化率信息,自动调节时空上下文模型更新,以有效提高复杂环境下动态目标定位的准确性。改进了传统速度向量场吸引速度、排斥速度和切向速度函数,解决了路径规划中机器人轨迹抖动、目标点附近震荡和目标处于障碍物排斥场不可到达等问题。移动机器人室内环境下自主导航实验实现了障碍物、机器人和目标特征提取及其实时定位,移动机器人以最短的避碰路径完成动态目标的有效跟踪。     

基于ICA_FNN的软传感器建模过程原始特征选择

针对软传感器建模过程中辅助变量通常是多因素的混杂信号,在原始特征空间很难进行原始特征约简的问题,提出一种结合独立成分分析(ICA)和虚假最近邻点法(FNN)的原始特征选择法.利用独立成分分析法(ICA)将原始特征空间的混杂信号映射到新的独立特征子空间；然后再利用FNN计算每个原始特征剔除前后在独立特征子空间里的相似性测度,进而判断它对主导变量的影响能力,由此选择出原始特征.仿真结果表明,该方法具有优秀的原始特征选择能力.因此,该研究为选择出软传感器模型的原始特征提供了新方法.