基于声纳的移动机器人环境建图的设计与实现*

针对未知环境中声纳传感器定位与地图创建时传感数据不确定性高、可靠性低的问题,提出了一种新的室内环境建图方法。该方法建立容忍函数以判断噪声和镜面反射,同时借鉴了ArcTransversal Median Algorithm的思想和栅格概率估计并采用贝叶斯法则进行两次数据融合以减小声纳传感器信息的不确定性。在MORCS2机器人平台上实时创建地图实验表明,这种方法能快速实现从局部地图到全局地图的更新且有较好的精确性与鲁棒性。     

一种基于mean shift的鲁棒性目标跟踪方法*

目标模型内的背景像素会造成目标跟踪定位偏差,但为了将跟踪目标全部包含在目标模型中,不可避免在目标模型内引入很多背景像素。为了减少背景对跟踪造成偏差,在目标模型中引入带权因子,可达到降低目标模型内背景像素对跟踪定位精度的影响。带权因子是这样确定的：通过利用目标外围矩形环中的背景信息和一个映射函数来生产一个新的特征向量,然后转换为带权因子。实验表明,该方法具有更好的跟踪精度,对遮挡具有更好的鲁棒性。     

光纤陀螺误差的实时建模与补偿

通过对干涉型光纤陀螺误差来源及其影响因素的分析,建立了与温度变化量及温度变化速率相关的角速率误差概率密度函数,并提出一种针对慢时变与弱非线性随机过程的分段等概率误差补偿方法.该方法采用非线性手段,对一系列具有统计平稳性的随机过程进行参数估计与预测,能够实现模型动态跟踪,近似程度较高,且充分发挥了并行计算的优势,可避免由补偿过程所造成的输出时间滞后.几种典型工作状况下的实际补偿结果表明其能有效地减小角速率及航向角误差.     

基于遗传算法的模糊系统优化设计方法*

提出一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并将其应用到模糊系统的优化设计中．仿真结果表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习、遗传优化获得满足系统动态性能的优化控制规则的特点.     

移动机器人导航中激光雷达测距性能研究

距离检测是移动机器人导航的一个关键问题.文章介绍了基于飞行时间法测距的二维激光雷达LMS291的工作原理,分析了影响LMS291测距性能的误差因素,通过统计分析对测距数据进行标定,研究了不同物体表面属性对测距精度的影响;通过混合像素测定方法确定LMS291的角度分辨率;通过对激光雷达测距性能的试验,建立测距误差模型.所得结论可以为复杂非结构化环境下移动机器人导航中障碍检测、环境建模及自定位提供支持.     

结合显著特征与运动目标滤除的动态场景识别

针对存在运动目标的动态环境,提出一种基于动态目标滤除思想的显著特征提取方法,据此实现基于局部图像特征的场景识别。首先简要介绍基于局部显著图像特征的场景识别方法,然后提出了带动态目标滤除思想的显著特征提取框架,并详细讨论了运动目标检测及提取的实现。实验结果和分析表明,该方法能够有效地过滤环境中的运动目标,提高场景识别的精度。     

基于SAD与UKF-MeanShift的主动目标跟踪

针对复杂场景下动态目标难以准确分割以及目标难以准确定位的问题,提出将绝对差值和(SAD)方法、无迹卡尔曼滤波(UKF)和Mean shift算法相结合的混合自主跟踪动态目标的方法。首先,采用SAD方法获相邻两帧的视差信息,利用视差实现动态目标的检测,并依此建立目标的核直方图描述模型和状态空间模型,然后UKF算法对状态空间进行滤波估计,最后采用Mean shift 算法精确定位目标。实验结果表明该方法不仅能有效检测场景的动态目标,同时还能获得目标的运动信息。文中所提出的基于UKF-Mean shift的跟踪策略与相关算法相比,体现出较好的跟踪效果与时间性能。     

一种新的免疫进化算法在函数优化中的应用

针对克隆选择算法在求解高维函数优化问题时易陷入局部最优以及收敛速度较慢的弱点,本文基于生物免疫系统内部学习优化机制以及进化算法,提出了一种新的免疫进化算法,它包括正交交叉、单形交叉、克隆、多极变异和选择。新算法将进化计算的思想融入到克隆选择中,提出了一种新的变异算子,在保证种群多样性的同时提高了算法的全全局寻优能力。理论分析证明了算法的收敛性,并将算法应用于不同的测试函数进行仿真实验。结果表明,该算法是有效的。     

一种带宽约束的无线传感器网络节点调度算法

研究了无线传感器网络在带宽受限时怎样最小化覆盖裂口,同时最大化网络生命期的问题。将带宽限制理解为活动节点的活动邻居数限制,且认为由于带宽约束,当需要的带宽大于实际能提供的带宽时,覆盖裂口就可能发生。进而提出了一种最小覆盖裂口的混合整数规划模型,并提出了一种求解此问题的启发式算法,同时也研究了带宽和节点数对网络覆盖的影响。仿真实验表明,增加节点数可延长网络的生命期,增加带宽可减少裂口的发生,这与理论分析的结果是一致的。     

移动机器人的运动目标实时检测与跟踪

运动目标检测及跟踪是机器视觉领域备受关注的前沿课题之一。该文针对移动机器人导航领域对检测与跟踪的实时性要求,基于Kalman滤波器实现了驱动单目摄像头的反馈控制系统。采用简单的三帧差背景剪除策略检测运动目标,合并运动估计和背景补偿以加快系统反应速度。系统误差保存在协方差阵中,以增益的形式参与控制。该文还详细分析了运动补偿对检测的影响及误差的变化趋势。实验表明,系统能够保持对运动目标稳定偏差的平滑跟踪,在480320的图像分辨率下控制速度达到20Hz(fps)。