基于轮廓特征的场景动态目标实时分类研究

针对动态场景目标的分类问题,提出一种基于轮廓特征的运动目标分类方法.通过构建多种轮廓特征相结合的特征向量模型来描述动态目标,作为分类器学习判别的基础.该方法首先通过混合高斯模型提取出视频中的动态场景目标,经图像形态学的处理,获得较为精确的动态场景目标轮廓图像,然后使用特征向量模型提取轮廓的相关特征作为分类器学习判别的依据,并得到最终分类结果.以常见的运动目标汽车、行人、自行车作为分类类别进行实验.结果表明该方法有较高的分类精度,且具有实时性好,易于实现的特点.     

未知环境下的移动机器人主动寻径导航策略

针对纯粹反应式的导航算法有时会出现没有远见现象的问题,设计了一种基于行为和路径子目标的主动寻径导航策略。该策略首先利用目标点和远距离传感器的信息生成可行路径子目标点,接着使用决策树实现快速的行为决策。仿真结果证明了有效性。     

起伏地形环境中多移动机器人协作运输策略

对多机器人协作运输时环境地形起伏不平,运输过程中机器人和物体发生滑动的问题,提出了起伏地形环境中的协作运输策略.将观测者—推动者模式的多机器人协作推箱子任务转换为多机器人编队任务,通过基于几何规划的虚拟目标序列跟踪方法实现被推动物体脱离运动方向时运输编队的重新形成.协作运输策略中的观测者机器人采用平缓地形优先(navigate plain first to destination,NPFD)导航策略指导编队运动.     

基于区域空间知识模型的在线快速路径规划

人类在其导航过程中运用了区域化的空间知识模型并采取了"由精到粗"的寻路策略.受此启发本文首先提出一种区域化的空间知识模型.在该模型中,多个小尺度的区域组合在一起形成上一层级的区域,构成一种层次化的空间表示结构.在此基础上提出一种基于该空间知识模型的在线路径规划算法FTC–A*(fine-to-coarse A*).FTC–A*能够根据环境信息的远近采取不同的规划策略.在机器人所在的区域中,进行路径的精细规划,而对远处空间进行粗糙规划.该策略利用环境描述的区域化特性,降低了搜索空间的大小,从而显著地降低了规划时间和内存负载,减少了机器人的运动响应延迟.本算法能适应环境规模巨大以及目标点经常改变的应用场合.通过在Mobile Sim平台的仿真实验以及与A*和HA*算法的对比分析,验证了该方法的可行性与有效性.     

基于虚拟子目标的移动机器人主动寻径导航

纯粹的反应式导航算法有时会出现“没有远见现象”,为此设计了一种基于行为和虚拟路径子目标的 移动机器人主动寻径导航策略．该策略首先在机器人的局部探测域内运用改进的可视点寻径法寻找最优虚拟子目 标,接着使用行为决策树实现快速的行为决策．机器人将如人类寻路一样,主动地灵巧绕过障碍物,基于圆弧轨迹 的运动方式使之能以平滑的路径到达目标．仿真结果验证了本策略的可行性和有效性．