基于变分贝叶斯的自适应 PF-SLAM 方法研究

针对移动机器人即时定位与地图构建中时变观测噪声及粒子位置分布对SLAM精度的影响,本文提出基于变分贝叶斯的自适应PF-SLAM算法,采用高斯混合模型对时变的观测噪声建模,并通过变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权值将粒子划分为固定粒子和优化粒子,通过粒子间的近邻拓扑位置关系调整粒子分布,处理时变观测噪声与优化粒子的位置分布,使得优化的粒子集可以更好地表示机器人位置概率分布,实现观测噪声及粒子位置分布自适应。仿真实验表明本算法对比传统PF-SLAM算法定位与地图构建误差降低了76.45%。实际实验表明本算法处理下的环境轮廓误差对比传统PF-SLAM算法的环境轮廓误差减小了61.87%。该算法有效提高了移动机器人的状态估计精度,为移动机器人即时定位与地图构建提供了新的参考。     

基于单目视觉的轮式机器人同步定位与地图构建

如何降低计算复杂度是视觉机器人同步定位与地图(SLAM)构建的热点问题.提出一种基于单目视觉的低计算复杂度的轮式机器人同步定位与地图构建算法.该算法在观测步通过图像处理与分析,识别特征点并进行定位,将轮式机器人的视觉投影与空间物体的几何关系转换为计算机器人相对特征点的距离和角度.整体算法步骤按照预测、观测、数据关联、更新、地图构建的递推算法进行同步定位与地图构建.提出的算法可识别环境目标,并进行平滑运动.在滤波观测步只处理单帧图像数据,和Active Vision和立体视觉方法相比,降低了算法的计算复杂度.     

基于改进Hough变换的检测前跟踪方法

在微弱目标检测的算法研究中,检测前跟踪(TBD)方法是在低信噪比情况下目标检测的有效途径.一种基于信息辅助的Hough变换微弱目标检测方法被提出.该方法着重Hough变换在距离一多普勒一帧三维空间中的应用.它利用基于系统先验信息的点斜式Hough变换估计目标航迹进行跟踪,然后再根据估计航迹进行多帧积累提高目标信号SNR的方法能对微弱目标检测.由于利用了先验信息,算法的运算量被有效地降低了.蒙特卡洛仿真验证了所提方法的有效性.     

基于Kalman滤波数据融合方法的超声波气体泄漏定位研究

超声波泄漏检测定位系统因其精度高、实时性强等特性得到广泛应用。常见的超声波定位算法主要包括到达时间差定位算法与能量衰减定位算法，但两种算法本身的定位精度均不是特别的高。采用基于扩展Kalman滤波的数据融合方法，将TDOA定位法和ED定位法的计算结果进行特征提取并联合得出系统观测值，融合计算出泄漏点与各换能器之间的距离，最终通过几何方法计算出泄漏点的三维坐标。通过实验证明了该算法与传统算法相比，精度更高，结果误差小于20 mm。     

一种改进的联合相容SLAM数据关联方法

数据关联是SLAM的难点之一。联合相容分枝定界算法(JCBB)虽能得到可靠的关联结果,但计算量随观测数目的增加而迅速提高,实时应用受到限制。通过给定联合相容配对个数的上限,对JCBB算法进行了改进,提出了一种快速JCBB算法(FJCBB)。FJCBB与JCBB有相同的关联效果,但计算量随观测数目的增加变化缓慢。当观测数目较大时,FJCBB的计算时间大幅减小,优势十分明显。最后,通过大量实验,验证了该方法的有效性。     

基于石油机械结构检测中超声波方法的实践研究

石油机械结构检测工作与产业经济效益联系密切,采用高效的无损检测方法有助于提升检测效率,同时也可帮助相关企业降低生产风险。无损检测中,超声波方法因其精确检测的特点成为主要检测方式之一。本文通过探讨石油机械结构检测中存在的问题,表述了无损检测对于石油产业发展的重要性,重点分析了超声波方法在石油机械结构检测中的应用内容。     

基于超声波雷达的改进车位检测算法研究

针对传统车位检测算法因难以捕捉距离跳变和确定车位姿态而导致检测准确性不足的问题,提出了一种基于拟合特征线段的改进车位检测算法。针对超声波雷达幅值衰减设计了能量增益补偿方案;根据车辆实时位姿和超声波距离数据拟合代表障碍物轮廓的特征线段,借助激光雷达对特征线段拟合精度进行评价,并进一步设计了融合车位初步检测、车位再判断、车位约束条件判断及车位姿态计算的检测流程。利用实车平台对所提算法进行了实验验证,实验结果表明,所提算法的平均检测准确率达92.5%,能为智能汽车泊车系统提供准确、可靠的目标车位信息。     

基于图优化方法融合激光反光柱和环境信息的地图构建

针对自动导引运输车（Automated Guided Vehicle,AGV）在环境复杂情况下的对建图定位的稳定性以及精确性的要求,提出了一种基于图优化的即时定位与建图（Simultaneous Localizationand Mapping,SLAM）方法,此算法进行优化时会在构建环境地图时将反光柱信息融合其中。在SLAM前端检测到反光柱并获取到反光柱坐标位姿坐标之后,首先使用扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法对反光柱进行位姿进行初步优化,然后在SLAM系统后端将其作为一个节点和地图中的子图节点一起进行优化。经实验验证,当系统在几何特征少或复杂场景时,将反光柱位姿信息融入之后,以图优化为后端的SLAM算法建图定位精度和鲁棒性都能够获得一定的提升。     

基于目标检测和动静点分离的视觉即时定位与地图构建技术

针对视觉即时定位与地图构建在动态环境中鲁棒性失效的问题,提出一种基于目标检测和动静点分离的视觉即时定位与地图构建技术。使用目标检测算法YOLO v5对图像预处理,获取动态目标物的图像区域。在图像区域划分的基础上,对框外区域使用随机抽样一致性算法剔除外点。根据点的运动规律分离框内区域的动点和静点,在光束法平差优化中对可用静点赋以权重。为了在建图中滤除动态信息,仅保留框外区域的点云显示。通过性能测试确认,所提出的方法在数据集中表现出较高的精度和鲁棒性,整体上优于同类算法。     

基于超声波原理的直升机驾驶员头部位置检测方法研究

超声波测距是一项价格实惠的非接触性技术,利用超声波测距原理实现驾驶舱中驾驶员头部位置的检测。首先介绍了测量系统的工作流程,然后阐述了测量装置的组成并提供了三维坐标的计算方法,最后建立了测量装置的检测精度及测量范围的测试平台。     

基于ORB关键帧匹配算法的机器人SLAM实现

针对复杂环境下机器人的同时定位与地图构建(SLAM)存在实时性与鲁棒性下降等问题,将一种基于ORB特征点的关键帧闭环检测匹配算法应用到定位与地图构建中。研究并分析了特征点提取与描述符建立、帧间配准、位姿变换估计以及闭环检测对SLAM系统的影响,建立了关键帧闭环匹配算法和SLAM实时性与鲁棒性之间的关系,提出了一种基于ORB关键帧匹配算法的SLAM方法。运用改进ORB算法加快了图像特征点提取与描述符建立速度;结合相机模型与深度信息,可将二维特征图像转换为三维彩色点云;通过随机采样一致性(RANSAC)与最近迭代点(ICP)相结合的改进RANSAC-ICP算法,实现了机器人在初始配准不确定条件下的位姿估计;使用Key Frame的词袋闭环检测算法,减少了地图的冗余结构,生成了具有一致性的地图;通过特征点匹配速度与绝对轨迹误差的均方根值对SLAM系统的实时性与鲁棒性进行了评价。基于标准测试集数据集的实验结果表明,ORB关键帧匹配算法能够有效提高SLAM系统建图速度与稳定性。     

基于单目视觉直线跟踪的SLAM实现

同时定位和地图生成问题(SLAM)是移动机器人的一个基本问题,有着广阔的应用背景.由于视觉传感器具有成本低、信息丰富的特点,是当前SLAM问题研究的一个热点.针对视觉传感器视野小、远距离观测精度低的问题,提出了一种基于直线跟踪的单目视觉SLAM算法.该算法通过对直线特征的近距离观测和跟踪,保证了定位的精度和地图生成的效率.在Pioneer3dx机器人平台上进行的实验研究表明,该算法尤其适合于结构化环境几何地图的构建.     

多传感器信息融合的移动机器人定位算法研究

为有效降低使用单一传感器进行移动机器人定位时的不确定误差,提高机器人定位与建图的准确性和鲁棒性,提出了一种多传感器信息融合的移动机器人定位算法。基于激光RBPF-SLAM算法实现机器人同时定位与路标地图构建,运用图优化理论约束优化蒙特卡洛定位的位姿估计结果;通过双目视觉重建环境的三维点特征,针对视觉信息处理计算量大、跟踪精度不高的问题,研究改进基于ORB的特征点提取与四边形闭环匹配算法;利用因子图模型对激光RBPF-SLAM定位和双目视觉定位进行最大后验概率准则下的信息融合。仿真和实验结果表明通过上述方法可以得到比传统RBPF-SLAM算法及一般改进算法更高的定位精度,验证了所提方法的有效性和实用性。     

基于改进FOA匹配追踪的超声信号处理研究

针对信号稀疏分解中常用的匹配追踪算法运算耗时较长、分解不够准确等问题,将结合混沌映射与局部搜索思想的改进果蝇优化算法应用于匹配追踪中,以提高信号稀疏分解的速度与准确度.将该算法应用于超声回波仿真信号和换热管污垢超声检测实验信号的处理,并与其他几种常用匹配追踪算法进行比较.结果表明该改进果蝇优化匹配追踪算法,在提高信号稀疏分解速度的同时,获得了较好的降噪与信息提取效果,对超声检测信号的处理具有较重要意义.     

A novel method for estimating the track-soil parameters based on Kalman and improved strong tracking filters

A tracked vehicle has been widely used in exploring unknown environments and military fields. In current methods for suiting soil conditions, soil parameters need to be given and the traction performance cannot always be satisfied on soft soil. To solve the problem, it is essential to estimate track-soil parameters in real-time. Therefore, a detailed mathematical model is proposed for the first time. Furthermore, a novel algorithm which is composed of Kalman filter (KF) and improved strong tracking filter (STF) is developed for online track-soil estimation and named as KF–ISTF. By this method, the KF is used to estimate slip parameters, and the ISTF is used to estimate motion states. Then the key soil parameters can be estimated by using a suitable soil model. The experimental results show that equipped with the estimation algorithm, the proposed model can be used to estimate the track-soil parameters, and make the traction performance satisfied with soil conditions.     

基于GIS和SLAM的机器人大范围环境自主导航

机器人自主导航技术的基础是其自定位能力,同时同步定位与建图(SLAM)是实现机器人自定位的重要方法。目前由于大规模SLAM技术发展的限制,机器人很难实现在大范围环境下进行建图和导航,并且尚没有结合SLAM和实际地理空间信息指导大范围机器人导航的完整自主导航系统。提出基于GIS和SLAM的机器人大范围环境自主导航方法,利用真实的城市空间路网信息,以地理信息系统(GIS)空间数据库的存储和计算能力为数据支撑,基于提出的大范围导航算法,实现了一套包含空间数据库、SLAM、导航算法的完整系统,具有良好的可复用性和可扩展性,符合实际生活场景,可以指导机器人进行大范围条件下的导航和建图行为。同时通过对机器人激光建图信息的存储,使得再次经过本区域的机器人可以在户外精确定位,实现在室外GPS缺失或误差条件下自身位置的修正。此外地图信息的存储可以实现多机器人对地图信息的复用,为多机器人的规划提供支撑。同时将人类世界的空间信息与机器人建图信息相结合,细化和丰富了原有的空间信息。     

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图（SLAM）问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。     

基于改进多路径匹配追踪的芯片超声信号去噪方法

针对高频超声检测倒装焊芯片微缺陷的回波信号受噪声影响的问题,提出了一种基于改进多路径匹配追踪算法(MMP)的高频超声信号稀疏去噪方法。利用MMP算法获取全局最优的原子,针对MMP计算量过大的问题,在迭代过程中设置阈值和引入剪枝操作,筛选误差较大的路径,减少迭代路径,降低算法复杂度。为了避免字典维度上升导致的计算量过大,通过构建连续原子库对重构信号参数进行调整,最终实现芯片超声检测信号噪声的抑制。通过仿真和实验证明,提出的方法能够有效的去除倒装芯片高频超声检测信号中的噪音,与其他去噪算法相比,所提方法通过增加少量的计算,实现信号重构精度的提高,提升了B扫图的清晰度。     

基于改进CEEMD的薄层污垢超声检测信号去噪

对换热管污垢回波振型特征有效提取是实现污垢厚度定量检测的关键。针对薄层污垢回波声束能量不集中,易产生模态混叠等特点,提出一种基于改进CEEMD的小波收缩阈值信号处理方法。首先引入夹角余弦计算原始信号与固有模态函数相似程度,判断信号和噪声主导模态分界点,并结合能量密度谱判断分界点选取准确性,然后利用小波收缩阈值方法拾取噪声主导模态中的细节信息,最后重构得到降噪后信号。仿真和实验结果表明:该方法分界点判断准确性较高,去噪效果优于传统小波阈值方法,数值模拟与实验结果一致,对薄层污垢回波振型特征提取有重要指导意义。