全文获取类型
收费全文 | 58篇 |
免费 | 11篇 |
国内免费 | 13篇 |
专业分类
综合类 | 1篇 |
机械仪表 | 4篇 |
无线电 | 2篇 |
一般工业技术 | 1篇 |
自动化技术 | 74篇 |
出版年
2020年 | 1篇 |
2019年 | 2篇 |
2018年 | 1篇 |
2017年 | 1篇 |
2015年 | 1篇 |
2013年 | 1篇 |
2012年 | 2篇 |
2011年 | 4篇 |
2010年 | 4篇 |
2009年 | 4篇 |
2008年 | 6篇 |
2007年 | 9篇 |
2006年 | 9篇 |
2005年 | 9篇 |
2004年 | 5篇 |
2003年 | 5篇 |
2002年 | 2篇 |
2001年 | 4篇 |
2000年 | 2篇 |
1999年 | 2篇 |
1998年 | 3篇 |
1997年 | 1篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1991年 | 1篇 |
排序方式: 共有82条查询结果,搜索用时 15 毫秒
1.
2.
3.
智能交通系统中的数据处理与分析 总被引:3,自引:0,他引:3
智能交通系统是以提高路网通行效率、提高道路利用率、减少交通事故为目的,利用交通信息系统、通讯网络、定位系统和智能化分析与选线的交通系统的总称。文章以天津市智能交通示范工程为背景设计开发交通数据信息分析系统,讨论交通数据的组织形式、查询方式和查询结果的表示方法。该系统对由激光传感器采集的车高、车速和车型数据进行分析处理,提供给用户多种查询方法,并以表格、图形等多种方式展示查询的结果,帮助用户更好的了解交通状况,从而为科学决策提供依据。 相似文献
4.
5.
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
6.
协作策略是多机器人主动同时定位与建图(SLAM)的关键。文中提出一种多机器人相互校正的协作策略, 称为协助校正。 该方法通过优化机器人对陆标的观测来提高定位与建图的精度, 共包括弱协助校正和强协助校正两种模式。 前者是一种间接的协助模式, 可应用于所有机器人自身定位均不准确的情形。 后者是一种直接的协助模式, 由自身定位精度较高的机器人主动校正其它机器人及相应陆标。 文中将这两种协助校正模式利用状态机统一到多机器人主动SLAM应用中。在仿真实验中将协助校正与其它多机器人主动SLAM方法进行对比以验证其精度优势, 并与单机器人主动SLAM对比以验证其导航代价极低的优势。最后在两台Poineer3-DX移动机器人上进行真实环境实验,实验结果证实协助校正方法可在实际应用中有效提高多机器人主动SLAM的探索效率和精度。 相似文献
7.
多查询相关的排序支持向量机融合算法 总被引:3,自引:1,他引:2
排序学习是目前信息检索与机器学习领域研究的热点问题.现有排序学习算法在学习时把训练样本集中的所有查询及其相关文档等同对待,忽视了查询之间的差异,影响了排序模型的性能.对查询之间的差异进行描述,并在训练过程中考虑这种差异,提出一种基于有监督学习的融合多个与查询相关排序子模型的方法.该方法为每一个查询及其相关文档建立一个子排序模型,并将子排序模型的输出进行向量化表示,将多个查询相关的排序模型转化为体现查询差异的特征数据,实现多排序模型的集成.以排序支持向量机为例,在查询级和样本级建立新的损失函数作为优化目标,并利用此损失函数调节不同查询产生损失之间的权重,提出多查询相关的排序支持向量机融合算法.在文档检索和网页检索中的实验结果表明,使用多查询相关的排序支持向量机融合算法可以取得比传统排序学习模型更好的性能. 相似文献
8.
场景理解是机器人在多样化环境中自主执行任务的前提,而场景发现是场景理解的一个重要内容.由于具体场景在空间和时间上存在连续性,可以假定移动机器人在某一段时间内处于同一场景,并且属于同一场景的图像序列的视觉观感是相似的,因此提出无需先验知识的增量式室外场景发现,通过分层词袋模型建立图像和场景的联系,使得场景发现过程更加类似人类认知模式.对于机器人实时获取的每一副图像,首先将其分块,然后利用动态聚类算法增量式地得到相应的低层词典,并据此词典提取高层词袋模型特征,接下来,再用另一动态聚类算法增量式地完成场景发现,从而判断当前图像属于一个已经历场景,或未经历场景,直到发现新场景.实验结果证明,该方法能够在没有先验知识的情况下有效完成自主场景发现. 相似文献
9.
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
10.