自适应扩展卡尔曼滤波器在移动机器人定位中的应用

针对移动机器人定位过程中存在的误差积累问题,提出了采用自适应扩展卡尔曼滤波算法(AEKF).分析了扩展卡尔曼滤波(EKF)和AEKF两种算法, AEKF取采样时刻的各项泰勒级数,并利用Sage-Husa时变噪声估计器实时估计观测噪声,克服了线性化误差,增强了环境适应性;同时,对AEKF的收敛性及运算复杂度进行分析,并结合算法实验表明AEKF具有良好的速度精度综合性价比;最后对比分析两种算法实现机器人定位的效果并实验完成误差对比.结果表明AEKF具有更优的定位性能.     

一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。     

一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础.文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法.采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配.建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤.在此基础上基于改进的MeanShift聚类算法进行自然路标提取.提出一种路标描述符,可以快速进行两个聚类的匹配.该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低.     

基于运动相似性的仿人机器人双足步行研究

提出了一种基于人体步行运动相似性的仿人机器人双足步行动作设计方法．改进了人体步行轨迹的参 数获取与相似性匹配系统,扩展了相似性函数的适用范围．根据仿人机器人的机械连杆特点定义了步行运动周期中 的关键姿势与子相变换,建立了运动学约束方程,并对行走中出现的动态稳定性问题进行了约束．仿真和实体机器 人实验验证了该方法的有效性．     

基于母线间脆弱信息协调的配电网低电压风险评估

母线脆弱性不仅受其自身运行条件的影响,而且还受制于与其相连母线的脆弱性.现有母线脆弱性评估算法在低电压评估时大都忽略了母线间脆弱信息的相互影响,仅对母线进行独立评估,降低了评估的准确性.为此,引入现场人员对母线间相互影响的评价,利用层次分析法与模糊综合评价相结合对其进行量化,通过求取母线间脆弱信息协调影响系数,得到综合低电压风险评估指标.算例结果验证了该算法的有效性     

一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。     

基于π演算的足球机器人协作Q学习方法

针对多机器人协作学习时出现的学习速度慢、学习效率低等问题,提出了一种基于π演算心智模型的足球机器人协作Q学习方法,描述了机器人的运动模型,定义了球场现状、目标、意图、行为、协作、请求、扩展知识、能力判断和联合意图等机器人心智状态,构造了联合奖励函数。最后通过实验验证了方法的有效性。     

基于强化学习的一类NP问题求解算法

Agent强化学习是机器学习的一个重要分支。阐述了Agent强化学习算法的基本理论,建立了求解类货郎担等NP问题的数学模型,给出了Agent强化学习算法解决这类问题的框架和基本方法,并运用该方法成功地解决了一个赛程安排问题,较传统方法有一定的改进。     

一种异质多移动机器人系统及其基于MAS的协作机制

目前的多移动机器人系统在运行状态下,网络结构一般是静态的,很难做到成员机器人的动态增减,且系统在启动时需要复杂配置。本文设计了一种支持异质移动机器人合作的多机器人系统UMRS-1,采用分布式组织结构,支持机器人动态、自动配置地加入或退出系统。分析了组成系统的成员机器人的体系结构以及UMRS-1的组织结构。采用基于KQML实现的合同网作为协作协议,最后对多机器人协作围捕问题进行了初步探讨以说明UMRS-1的通信与协作机制。