一种基于混合学习策略的移动机器人路径规划方法

针对未知环境下移动机器人路径规划问题,以操作条件反射学习机制为基础,根据模糊推理系统和学习自动机的原理,提出一种应用于移动机器人导航的混合学习策略.运用仿生的自组织学习方法,通过不断与外界未知环境交互从而使机器人具有自学习和自适应的功能.仿真结果表明,该方法能使机器人学会避障和目标导航任务,与传统的人工势场法相比,能有效地克服局部极小和振荡情况.     

基于能量自搜集的智慧城市无线感知节点供电系统研究

无线传感器网络技术的发展与推广,受到供电问题的制约。本文研究一种供电系统,为解决无线传感网络的供电问题提供一种可行的参考方案。本文研究了一种基于能量自搜集的智慧城市无线感知节点供电系统,该系统采用多晶太阳能电池板搜集了光能,采用温差发电片搜集了热能,以压电陶瓷为基础制作的悬臂梁实现了对振动能的采集,并将搜集到的能量转化为稳定的直流电能并进行智慧化存储管理,为本系统的无线传感器模块供电。该系统最短可在177秒内将超级电容充电至4V,或将搜集到的能量稳定地储存到锂电池中,从而为无线感知节点持续供电。结论：本文所研究的系统在无线传感器网络技术领域具有广阔的应用前景。     

融合双边滤波和腐蚀处理的图像快速去雾方法

大气中混浊媒介（如雾、烟、水滴等）的存在致使户外场景图像降质,暗原色先验法对单幅图像去雾具有较好的效果,但是在处理图像时存在存储消耗大、耗时长等不足。针对这一不足,在暗原色先验原理基础上,提出一种融合双边滤波和腐蚀处理的图像快速去雾方法。该方法利用暗原色先验得到粗略软抠图,通过腐蚀处理粗略软抠图的边界点,再利用高斯型双边滤波对腐蚀后的透射图进行细化操作得到最终复原图像。实验结果表明该方法不仅达到了图像复原的要求,且比原方法在处理速度上有了较大的提高,同时还可以将其进一步应用于视频图像去雾。     

基于车道线检测与图像拐点的道路能见度估计

为了解决传统的能见度仪价格昂贵、采样有限,以及现有的一些视频测量手段需人工标记物、稳定性差等问题,基于车道线检测与图像拐点提出一种通过固定摄像机识别雾天天气并计算道路能见度的算法。与以往研究不同,在交通模型增加了均质雾天因素。该算法主要分为三步：首先,计算场景活动图,利用区域搜索算法（ASA）结合纹理特征提取待识别区域,如果在待识别区域内像素自顶向下以双曲线形式变化则判断当前天气为雾天,同时计算区域内图像亮度曲线的拐点;其次,基于可伸缩窗算法检测车道线,提取车道线端点并标定摄像机;最后,结合图像拐点以及摄像机参数计算大气消光系数,根据国际气象组织给出的能见度定义计算能见度。通过三种场景下的能见度检测,实验结果表明,该算法与人眼观测效果一致,准确率高于86%,检测误差在20m以内,鲁棒性好。     

基于两个平行马赫-增德尔调制器的光载无线传输系统

为提高光载无线(radio over fiber,RoF) 传输系统中的光波信号的利用率,本文提出了一种基于两个平行马赫-增德尔调制器 (Mach-Zehnder modulator,MZM) 的RoF传输系统。两个平行MZM经射频(radio frequency,RF) 信号调制后,产生5个光边带信号,分别是正负一阶光边带、正负二阶光边带和光载波。其中正负二阶光边带使用基带数据进行调制,经光电检测器(photodiode,PD) 拍频后产生已调数据的毫米波信号,再由天线发射出去。正二阶边带和光载波经PD拍频后产生未调制数据的毫米波,该毫米波用于接收端解调的本振信号(local oscillator,LO) 。负二阶边带信号用于上行链路的光载波。在本系统中,5个光边带信号都被充分利用,提高了光信号的利用效率。此外,还分析了该系统通过色散介质的传输特性,为RoF通信系统提供了一种实用化的解决方案。     

基于摄像机动态标定的交通能见度估计

为克服雾天能见度检测仪价格昂贵、检测范围小等缺点,该文结合雾天光线传输模型与摄像机几何光学模型提出一种交通能见度估计算法.该算法通过动态标定交通摄像机内外参数来计算路面区域内点到摄像机的距离,利用场景透射率得到大气消光系数并估计交通能见度.首先,算法基于活动图提取感兴趣区域,再根据区域内平均像素拟合曲线是否满足刃边函数对雾天进行识别;其次,通过暗原色先验原理估计交通场景中每一个点的透射率,并且选取道路上4组透射率差值最大的点对摄像机内部参数标定;然后,提取消失点及车道边缘线完成摄像机外部参数动态标定;最后,通过路面上点到摄像机的距离以及相应的场景透射率估计交通场景的能见度.该文将雾天多个交通场景下能见度值计算结果与人工观测、物理仪器测量等方法进行了比较,结果证明了该文方法的有效性与实时性.     

操作条件反射学习自动机及其在机器人平衡控制中的应用

针对两轮机器人的平衡控制问题,在学习自动机理论的框架中,提出一种基于操作条件反射学习自动机的仿生学习模型.该模型引入认知学习单元和取向单元,分别用来实现操作行为学习和指导系统进化的方向.模拟两轮自平衡机器人的平衡控制仿真实验表明,该学习模型具有可行性和有效性,能使机器人自主学会平衡控制技能,并使其具有高度的自适应能力.     

城市综合管廊WSN中TRF-LEACH协议的仿真研究

城市综合管廊是建设智慧城市的重要基础设施之一,WSN作为先进技术在城市综合管廊的监控中发挥重要作用,在构建WSN时考虑到城市综合管廊建筑结构的空间性,提出三角形节点部署和中继节点转发方案,以提升网络的综合性能,并在此基础上,提出了适用于城市综合管廊的基于三角形部署的中继转发成簇协议(Triangle relay forwarding-Leach)。该协议改进了节点部署和簇间路由,最大限度地平衡网络的传输能力和节点能量利用率,达到延长网络生命的目的。最后,通过MATLAB仿真工具将LEACH、SEP、M-LEACH、LEACH-HC和 TRF-LEACH进行对比实验。实验结果表明TRF-LEACH协议使WSN的最佳工作时间延长 51%以上。     

一种欠驱动柔性机器人模型的建立及控制

采用Lagrange建模方法建立了欠驱动柔性自平衡机器人的数学模型,对柔性关节部分考虑了其弹性势能,仿真验证了模型的正确性,刚度越大,机器人上半身角度跟踪越快.采用线性二次型最优控制有效地控制了柔性机器人的平衡问题,通过实验,验证了在状态不完全可观测情况下系统的可控性,实验表明,只需机器人上半身部分安装传感器即可控制机器人达到平衡状态.对机器人结构的设计提供了参考.     

非结构化道路中基于均质雾天的摄像机动态标定算法

现有的交通摄像机标定算法大多基于车道线长度、车辆尺寸等先验信息,由于在非结构化道路中往往不存在车道线,使得标定算法具有局限性.为了改进摄像机标定在非结构化道路中的适用性,结合摄像机线性模型与均质雾天,提出一种只包含路面以及运动车辆的摄像机动态标定算法.首先生成并更新背景和场景活动图,提取路面、天空的纹理特征,利用区域搜索算法得到感兴趣区域,并根据感兴趣区域的像素变化规律判断当前天气是否为均质雾天;其次根据暗原色先验原理计算场景透射率,将结果映射到[0,255]作为图像显示;最后结合均质雾天光线传输模型、摄像机线性模型和暗原色先验原理导出标定方程,选取路面上具有特定透射率的8个点生成2个一次方程、1个二次方程和1个三角方程,依次标定摄像机参数,将视频多帧图像标定的参数值平均得到准确值.与角点检测法、摄像机6点标定法以及基于消失点的标定算法进行对比的实验结果表明,该算法是有效的且满足视频的实时性处理要求.