多机器人队形变换最优效率求解

提出多机器人编队的队形变换最优效率求解模型.将多机器人队形变换模式分为静态变换和动态变换,选择队列变换能耗（FEC）与队列收敛时间（FCT）作为效率衡量指标.最优FEC效率模型是使得队列中所有机器人移动距离之和最小的极小模型,最优FCT效率模型是使得队列中移动距离最大的机器人的移动距离最小的极小极大模型.动态变换的效率模型增加了队形几何中心移动方向与范围的约束条件.利用最小二乘法求解FEC模型,利用Lawson算法求解FCT模型,利用Lawson算法与拉格朗日乘子法联合求解带约束的FCT模型.通过求取模型的最优解,获取各机器人变换后的最优空间位置,并得到最优的队形变换效率.仿真实验显示了该效率求解模型的有效性.     

基于对称差分和特征匹配的纱线运动疵点实时检测

针对纱线高速运动时无法实时准确检测疵点的问题,提出了一种高速纱线的实时疵点检测算法,该算法适用于实时处理大容量图像和高速移动纱线疵点检测.该算法通过将对称差分算法和连通域特征匹配方法相结合,提高了纱线疵点检测准确性,同时缩短了处理时间.首先对图像进行了预处理,再使用对称差算法分解疵点图像并提取了图像疵点特征,然后使用连通域特征匹配方法识别了疵点.改进了传统差分算法无法抗抖动缺点,比较完整地保留了疵点信息,构造了识别能力特别强的特征匹配方法.最后,将该算法疵点检测的准确性和检测速度与现有检测方法进行了对比分析.研究结果表明,该算法在准确性方面优于人工检测及传统差分算法,检测速度相对神经网络和传统差分算法有所提高,该算法能够在实现实时、快速检测疵点的同时保证检测疵点检测的准确性.     

视觉同步定位与地图重建—–基于先验信息的SIFT 匹配算法

鉴于尺度不变特征转换（SIFT）匹配算法存在计算效率不高且容易出现误匹配的问题,针对视觉同步定位与地图重建,提出了一种基于先验信息的SIFT匹配算法．该算法首先根据机器人和特征点的相对距离变化来预测尺度空间的变化;然后根据机器人和特征点的当前状态来预测特征点的图像位置;最后在预测的图像位置进行SIFT匹配．实验结果表明...     

基于十字型阵列的并行子阵波束形成算法

针对基于平面阵三维声纳成像系统应用中硬件开销及波束形成计算量大的问题,提出了一种基于十字型阵列的并行子阵波束形成算法。十字型阵列采用两条一维线阵实现了三维声纳成像,相比于二维平面阵,极大地简化了硬件复杂度。并行子阵算法在此基础上对十字型阵列的接收波束形成过程进行优化。算法将接收阵划分为多个子阵,在各子阵上并行地进行一级频域波束形成,在各子阵之间执行二级波束域波束形成,该两级并行流水线结构,有效地降低了波束形成的计算量。此外,给出了算法在现场可编程门阵列(FPGA)平台上的实现架构。仿真结果显示:本文算法获得了与直接波束形成相近的波束性能,但计算量仅为其一半,并且随着波束数量的增加,其优势会更加明显。     

基于Nano-X的视频监控OSD设计与实现

针对嵌入式视频监控系统的图形用户界面(GUI)应具有存储空间小、实时性高的要求,提出一种基于Nano-X的实时视频监控在屏显示(OSD)设计方案。以PowerPC处理器和TI DSP为硬件平台,对Microwindows进行移植和裁剪。采用直接存储器存取方式进行OSD数据的PCI总线传输,判断变动区域实现GUI局部数据的刷新,通过DM6467的VDCE硬件模块进行鼠标图层叠加,以此提高系统的实时性。实验测试结果表明,该系统中单帧OSD数据的最大处理时间低于37.98 ms,鼠标叠层时间降至13.6 ms以下,有效地达到了25 f/s的实时刷屏要求。     

一种多机器人编队协同定位的方法

针对多机器人编队导航,提出了一种协同定位的方法.一个主机器人带领其他成员机器人,主机器人配备视觉传感器及激光扫描仪,成员机器人通过融合内部传感器数据进行自身定位.主机器人利用双目视觉进行目标检测,确定目标方位及距离信息,并利用激光扫描仪结合视觉获取的方位信息得到成员机器人位置及航向.基于联邦滤波算法提出了一种联合滤波模型,融合多传感器信息得到精确定位.1个Pioneer 3-AT和3个AmigoBot机器人编队的协同定位实验表明:该方法可行,误差范围小,满足实际应用的精度要求.     

一种网络视频监控系统的专用存储方案

针对网络视频监控系统中传统文件系统存储方案存储效率低和检索性能差的缺陷,提出一种基于裸磁盘设备的录像存储方案。根据监控系统的数据存储特点,采用B＋树管理录像段索引信息,设计一种磁盘逻辑存储结构,并给出一种基于图像组的数据缓存机制。系统测试结果表明,与传统的文件系统存储方案相比,该方案在监控系统的512Kb／s和1Mb／s典型存储码率下,录像存储效率分别提高了43．6％和30．3％,录像检索耗时降至35ms以下。     

面向高清视频监控系统的实时运动检测算法

针对高清视频监控系统中精确运动检测的高实时性需求,提出一种基于计算统一设备架构(CUDA)的运动检测算法。采用一种改进帧差与背景差分相结合的方法,减少背景更新干扰,提升运动检测的精确性。在CUDA内进行视频运动检测计算,避免传统图形处理器硬解码后视频数据在显示内存与CPU之间传输的问题。运用块内多线程合并访问共享内存的方式,减少52.9%全局内存访问量,解决CUDA大规模访问全局内存延迟较大的问题。实验结果表明,该算法在保证准确性的同时,针对高清视频每秒可传输52.6帧,能够满足实时性要求。     

智能监控前端系统中异常声音检测的实现

针对智能监控前端系统中异常声音检测的高实时性和高准确率要求,提出一种基于混合特征参数和改进动态时间弯折(DTW)算法的异常声音检测方案。通过短时幅度和过动态门限率判决声音端点,提取包括短时幅度、美尔倒谱系数和差分系数在内的混合特征参数,采用改进的DTW算法进行声音识别。在TI TMS320DM368处理器平台上的实验结果表明,基于该方案的智能监控前端系统对异常声音的识别时间小于1 s,准确率达到89.3%。     

低照度视频监控图像降噪算法设计与实现

针对低照度环境下视频监控图像噪点较多的问题,提出一种基于运动检测的低照度视频监控图像降噪算法。在研究低照度视频监控图像噪声特点的基础上,通过一种阈值运动检测算法将图像帧划分成8×8的运动像素宏块和静止像素宏块,对运动像素宏块采用改进的维纳滤波算法进行降噪,对静止像素宏块采用数学形态学和中值滤波相结合的算法进行降噪。实验数据显示,该算法总体时间复杂度接近O(n),使用该算法降噪后的图像的PSNR值和DV,BV值均高于经典降噪算法,证明了该算法在降低时间复杂度的同时,能有效降低图像噪声,并较好地保持图像的解析度。