排序方式: 共有95条查询结果,搜索用时 31 毫秒
1.
针对室内环境结构相似的特点,提出一种基于图像序列拓扑关系的移动机器人全局定位算法.首先,提取图像的Gist描述子,并提出一种局部极值算法,将环境划分成若干组不同的图像序列.然后,使用ESN(echo state network)对每一组图像序列在时间上进行双序训练,提取鲁棒的图像序列特征,再利用空间上的双向匹配策略实现图像序列特征的匹配.最后,采用HMM(hidden Markov model)对图像序列间的拓扑关系进行建模,将移动机器人全局定位问题转化成有向无环图中最长路径求解问题,并通过实验对该图像序列划分和序列建模方法进行验证.与基于单帧图像匹配的算法、SeqSLAM算法以及Fast-SeqSLAM算法相比,该算法在室内走廊环境和办公环境中均可实现100%的定位.特别是在室内办公环境中,机器人仅需要运动0.80 m便可以对自身进行准确定位.实验结果表明,该算法具有较强的鲁棒性、较高的定位准确性和定位效率. 相似文献
2.
3.
4.
5.
6.
在低信噪比情况下,该文提出一种新的针对正交频分复用(OFDM)系统信道阶数和噪声方差的非数据辅助(NDA)估计算法。算法中应用了一种新的基于联合极大几何均值(MGM)的代价函数。新的代价函数不仅利用了循环前缀(CP)冗余性,同时也利用了信道记忆性。对比只利用了CP的方法,该算法可以在低信噪比情况下更准确地估计信道阶数和噪声方差。仿真结果表明,在低信噪比情况下,该算法针对信道阶数的估计得到约10 dB的信噪比增益;同时,对噪声方差的估计,该算法显著提高了估计精度,抑制了信噪比20 dB以下估计性能恶化的现象。 相似文献
7.
针对室内环境的结构特点,提出一种使用平面与线段特征的RGB-D视觉里程计算法.首先根据RGB-D扫描点的法向量对3D点云进行聚类,并使用随机抽样一致(RANSAC)算法对每簇3D点集进行平面拟合,抽取出环境中的平面特征;随后利用边缘点检测算法分割出环境中的边缘点集,并提取出环境中的线段特征;然后提出一种基于平面与线段几何约束的特征匹配算法,完成特征之间的匹配.在平面与线段特征匹配结果能提供充足的位姿约束的条件下,利用特征之间的匹配关系直接求解RGB-D相机的位姿;若不能,则利用匹配线段的端点以及线段点集来实现RGB-D相机位姿的估计.在TUM公开数据集中的实验证明了选择平面与线段作为环境特征可以提升视觉里程计估计和环境建图的精度.特别是在fr3/cabinet数据集中,本文算法的旋转、平移的均方根误差分别为2.046°/s、0.034m/s,要显著优于其他经典的视觉里程计算法.最终将本文系统应用到实际的移动机器人室内建图中,系统可以建立准确的环境地图,且系统运行速度可以达到3帧/s,满足实时处理的要求. 相似文献
8.
为减少均衡器非零抽头数,降低计算复杂度,该文将多进多出系统稀疏有限冲激响应判决反馈均衡器设计问题转化为l1范数最小化问题,并提出利用最小角回归算法迭代计算稀疏判决反馈均衡器非零抽头位置和权重。仿真结果表明,在给定较小的性能损失下,相比最小均方误差准则的非稀疏最优均衡器,在相同的误比特率下,所提方法设计的稀疏判决反馈均衡器在车载移动A信道中的最大信噪比损失约为0.3dB,而其非零抽头数目减少超过70%,达到了性能与计算复杂度的有效权衡。 相似文献
9.
10.
提出了一种神经网络的SVM(支持向量机)呼吸音识别算法,将通过小波分析得到的呼吸音特征输入神经网络,作为SVM方法的特征输入,对训练样本进行训练,再对测试样本进行分类识别。对于呼吸音反映的3种状态(正常、轻度病变和重度病变)进行了识别,同时与K最近邻(KNN)方法进行比较。实验结果表明,SVM方法具有较高的识别精度,能够对呼吸音状态进行识别,同时在此领域也验证了在神经网络方法中无法避免的局部极值问题。提示基于SVM方法的神经网络呼吸音识别算法有较好的精度,可为身体局域网技术提供信息处理的有效算法。 相似文献