面向室内移动机器人的改进3D-NDT点云配准系统

点云配准是室内移动机器人位姿估计和环境构建的关键步骤，现有点云配准算法难以工作在低纹理场景中。为提高室内移动机器人环境适应能力，提出了一种改进三维正态分布变换（3D NDT）点云配准算法。通过改进ORB特征提取算法，确保低纹理下的特征点提取；此外，为提高点云配准精度和效率，提出改进的3D NDT算法快速获取高精度的点云配准矩阵。采用国际知名的公共数据集TUM作为评测数据，实验结果表明本文算法达到或优于现有主流点云配准算法的性能（均方根误差低于002 m），相对传统3D NDT算法配准时间缩短3倍以上；并且能工作在低纹理场景中。因此，改进的算法能提高室内移动机器人环境适应能力。     

基于属性关系图优化匹配的多运动目标跟踪

针对复杂监控场景中往往无法准确检测前景目标,导致难以有效跟踪目标的问题,提出了一种基于属性关系图优化匹配的多运动目标跟踪方法,将目标跟踪问题转化为前景目标跟踪标记的优化问题,实现多运动目标跟踪.将前景区域按颜色、空间特征一致性划分为多个碎片;采用属性关系图描述目标模型,分析计算出属性关系图外观模型的属性相似度;提出通过概率松弛法计算目标函数并采用遗传算法进行优化匹配,得到前景碎片最优的跟踪标记,从而完成多目标跟踪.在多个监控视频上的实验结果表明,本方法能大大提高跟踪性能,实现复杂监控场景中的多目标跟踪.     

一种基于树结构的立体图像特征提取算法

针对立体图像匹配中的特征检测问题，提出了一种基于树结构的立体图像中边缘点、直线段、交点和凸多边形区域等特征的检测方案。该方法首先基于改进的Canny算子实现立体图像边缘的检测；基于立体图像的边缘梯度信息，文中提出一种分层并行式迭代式链码跟踪方法实现图像中直线段的检测：为提高检测速度并有利于凸多边形区域特征的检测，基于凸多边形区域的几何定义，通过提取直线段交点并采用树结构实现对已检测的相关直线段信息的遍历处理，最终得到树结构表示的凸多边形区域特征。实验证明，所提方法在结构化环境具有很好的检测精度和实时性。     

基于三维分层图模型的复杂情况下多运动目标跟踪

复杂情况下的多运动目标跟踪是视频监控中的关 键问题,在多目标运动中相互遮挡时二维视觉信息容易丢失而造 成无法准确跟踪识别目标。本文采用kinect摄像机获取三维视觉信息,从节点、边、空间结 构三个层次上建立目标的三维分 层图模型表征目标的三维特征,并在每层进行通过视频帧间的匹配从而获得三维分层图模型 匹配结果,并根据匹配结果先初 步分析目标跟踪情况,如发生遮挡则通过遮挡区域聚类块与三维分层图模型中各特征匹配确 定其匹配结果,从而得到多运动 目标在复杂运动情况中的跟踪结果。实验表明,在实验室kinect拍摄的视频序列上当目标出 现遮挡等复杂情况,也能取得较 好的跟踪结果,在实验视频中比经典方法的跟踪总体性能指标改善约3%,说明本方法能较好 地实现复杂情况下的多运动目标跟踪。     

主动立体双目视觉平台的设计与实现

提出了一种高精度立体双目视觉平台的设计方法。文章给出了立体视觉平台的设计原理，详细讨论了立体视觉平台中控制电机的选取和基线选择问题，并给出了实际解决方案。文章最后给出立体视觉系统常用的摄像机定标和立体视觉匹配方案。     

基于神经网络的非完整移动机器人鲁棒跟踪控制

针对受非完整条件约束的移动机器人存在的高度非线性、不确定性和外部干扰,提出了一种基于神经网络的鲁棒跟踪控制策略。该控制策略能够对系统中的未知的不确定性和干扰进行补偿。基于Lyapunov方法对控制系统进行设计,保证了系统的稳定性,改善了系统的动态性能。速度跟踪误差、神经网络权值误差和边界估计误差全局有界。仿真实验表明,该控制方法具有很强的鲁棒性和自适应能力。     

一种新型智能图像监控系统

针对目前流行的图像监控系统的缺陷，本论文研制开发了一种新型智能图像监 控系统．该系统实现了监控场景的自动光圈调整和自动聚焦；并能够实时检测、定位监控场 景中的特定颜色目标；能够自动检测跟踪运动目标，并解决了运动目标检测中图像刷新率问 题，极大提高了监控系统的智能化和自动化程度．实践证明，系统工作性能良好．     

未知环境下移动机器人同步地图创建与定位研究进展

移动机器人同步地图创建与定位(SLAM)是移动机器人的核心研究课题.本文对SLAM的最新研究进展和关键技术进行了综述:并从地图创建模型、计算复杂度和算法鲁棒性等方面对现有方法进行了对比分析.最后总结分析了SLAM研究存在的难题,探讨了今后的发展方向.     

未知环境下移动机器人自主感知斜坡地形方法

环境感知是实现移动机器人自主导航的基础与根本保证.为了正确感知斜坡地形,分析了其描述模型.根据移动机器人从不同位置观测斜坡时深度信息的变化趋势,确定移动机器人观测斜坡的方向.在此基础上,提出了应用径向基(RBF)神经网络强非线性逼近能力估算地形坡度值的新方法.实验结果表明,所提出的算法能满足移动机器人感知斜坡地形的要求,同时算法具有简单、准确、鲁棒性强的优点.