一种基于区域分割的多级环境建模方法

针对现有移动机器人路径规划中各种环境建模方法存在使用范围有限、复杂问题处理能力不足和运行效率低、缺乏灵活性等问题，结合二维半描述和知识利用原理，提出了一种可以比较圆满地解决诸如建筑物内不同楼层连接、室内室外环境交替出现等实用结构性空间问题的基于区域分割的多级环境建模方法。     

图象噪声的模糊聚类平滑方法

模糊C-means算法在聚类分析中已得到了成功的应用,本文提出一种利用模糊C-means 算法消除噪声的新方法.一般来说,图象中的噪声点就是其灰度值与其周围象素的灰度值之 差超过某个门限值的点.根据这个事实,首先利用模糊C-means算法分类,再利用标准核函数 检测出噪声点,然后将噪声点去掉.由于只修改噪声点处的象素灰度值,而对于其它象素的灰 度值不予改变,所以本算法能够很好地保护细节和边缘,本方法每次处理3×3个点,而以往的 方法只能每次处理一个点,所以本方法能提高运算速度.文中给出了利用本方法对实际图象 处理的结果,并与梯度倒数权值法进行了定量的比较.     

国外机器人技术的发展背景、模式、现状分析及其前景展望

五、国外机器人技术发展现状1.一般产业机器人进入普及推广阶段六十年代初至七十年代末,一般产业机器人的设计、制造和应用等理论和技术已经成熟.微型计算机的应用,提高了机器人的可靠性,缩小了体积,降低了成本(20～60%左右),使用维护方便.至八十年代,一般     

基于FPGA的图像几何矩计算实时实现

在Hatamian数字滤波器算法和改进的数字滤波器算法基础上,文中设计了累加器和累加器栅格的结构,消除了几何矩计算中乘法运算,进一步简化了加法运算量,实现了基于FPGA的几何矩计算实时实现.累加器表的仿真实验表明,该累加器表能够完成图像(256×256)几何矩的实时计算,同时该累加器表也可以用于图像质心的计算.     

柔性制造系统的负荷分配及路径规划方法

柔性是柔性制造系统（ＦＭＳ）的一个基本优点，但这一基本优点却往往被人们忽视，许多现在运行的ＦＭＳ不是缺乏柔性，就是没能充分利用可获得的柔性来提高生产效率。柔性制造系统的负荷分配和路径规划问题正是这种柔性的一个主要方面，然而，路规划决策却往往被。其中一个主要原因人们仍不能从传统的生产管理概念中解放出来。本文在明确概念区分的基础上，提出了一种柔性制造系统的负荷分配和路径规划的线性规划模型，其主要特点是     

步行机器人足端反力的求解

本文综述了目前国内外求解多足步行机器人足端反力的一些主要方法及求解结果,讨论了它们的特点、存在问题和今后的研究方向.     

基于仿人足球机器人协作定位技术研究

本文综述多机器人协作定位的研究现状,分析比较当前该领域的主要研究方向,介绍实现机器人协作定位的主要研究方法和关键技术,并总结多机器人协作定位面临的挑战和发展趋势.     

仿人足球机器人射门过程中路径规划算法研究

为了解决仿人足球机器人射门最优路径规划问题,本文提出一种基于模糊算法的移动机器人路径规划策略,使机器人能够高效率踢球射门.利用机器人摄像头感知周围的环境信息,再利用超声波传感器得到与目标物相关的距离信息,运用模糊推理将目标位置信息模糊化,建立模糊规则并求解,最终使机器人可以确定射门的路径,进而采用正向射门或侧向射门动作.     

基于时空图卷积网络的多变量时间序列预测方法

为了扩大时空图卷积网络的预测范围,将它应用在关联关系未知场景下的多变量时间序列预测问题,提出一种附加图学习层的时空图卷积网络预测方法（GLB-STGCN）。图学习层借助余弦相似度从时间序列中学习图邻接矩阵,通过图卷积网络捕捉多变量之间的相互影响,最后通过多核时间卷积网络捕捉时间序列的周期性特征,实现对多变量的精准预测。为验证GLB-STGCN的有效性,使用天文、电力、交通和经济四个领域的公共数据集和一个工业场景生产数据集进行预测实验,结果表明GLB-STGCN优于对比方法,在天文数据集上的表现尤为出色,预测误差分别降低了6.02%、8.01%、6.72%和5.31%。实验结果证明GLB-STGCN适用范围更广,预测效果更好,尤其适合自然周期明显的时间序列预测问题。     

生成对抗网络及其在图像生成中的应用研究综述

生成对抗网络(GAN)是无监督学习领域最近几年快速发展的一个研究方向,其主要特点是能够以一种间接的方式对一个未知分布进行建模.在计算机视觉研究领域中,生成对抗网络有着广泛的应用,特别是在图像生成方面,与其他的生成模型相比,生成对抗网络不仅可以避免复杂的计算,而且生成的图像质量也更好.因此,本文将对生成对抗网络及其在图像生成中的研究进展做一个小结和分析:本文首先从模型的架构、目标函数的设计、生成对抗网络在训练中存在的问题、以及如何处理模式崩溃问题等角度对生成对抗网络进行一个详细地总结和归纳;其次介绍生成对抗网络在图像生成中的两种方法;随后对一些典型的、用来评估生成图像质量和多样性的方法进行小结,并且对基于图像生成的应用进行详细分析;最后对生成对抗网络和图像生成进行总结,同时对其发展趋势进行一个展望.