多智能体机器人系统分布式通信决策研究

无偿通信可以将Multi-agent POMDP的计算复杂度简化为单Agent POMDP的，然而实际上通信不是无偿的，常常期望减少通信的数量。为此提出了一个新的方法，利用有向无环图维持以及推理团队的可能联合信度，基于此以分布式的方式制定通信决策，并将集中式单Agent策略应用于分布式Multi-agent POMDP问题。通过实验以及一个详细的实例表明本文方法能够有效地减少通信资源的使用，同时提高分布执行的性能。     

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。     

软件中的错误传播分析

错误传播是分析可靠性系统不确定性中的一基本问题,可用于发现系统中最易受到错误攻击的部分及各部分之间的相互影响.分别在信号和模块级别上研究了错误在软件中的传播过程,并定义了描述此过程的参数及其计算方法,其中首次提出了模块泄漏率和活动率的概念并给出了计算方法;然后把该错误传播分析框架应用于某卫星光纤陀螺捷联航姿控制系统上.通过故障注入实验确定了其中的分析参数,验证了提出的错误传播框架的可行性与正确性.     

模具CAD中的图形处理技术

借助对ＡｕｔｏＣＡＤ２０００软件包的分析,对块及应用ＶｉｓｕａｌＬＩＳＰ的二次开发进行了初步研究,为模具ＣＡＤ系统中图形处理技术提供了理论依据。结果表明,利用块和二次开发工具,可缩短模具设计周期,提高模具ＣＡＤ系统中图形处理的效率。     

一种有效的车道线识别与偏道预警方法

室外自然光照条件下进行车道线检测时,光照强度和视野角度变化常常会对识别的结果产生较大影响.为此提出了一种基于自适应视频源参数调解的车道线实时检测方法.该方法通过实时动态调解视频源参数(白平衡、Gamma值)等适应室外光照环境.采用Adaboost算法训练分类器获得感兴趣车道线区域图像,有效地缩小了图像处理范围,减少了运...     

基于混合进化算法的仿人机器人步态规划

针对仿人机器人的结构特点,设计一种仿人机器人上楼梯的在线步态规划系统.使用7连杆模型对仿人机器人的上楼梯运动过程进行建模,根据神经网络在拟合非线性系统上的优越性,使用2个BP神经网络对仿人机器人上楼梯过程中的双腿支撑周期和单腿支撑周期分别进行离线训练.为了加速训练时间和避免陷入局部最小值,采用基于混合粒子群的神经网络控制方式对网络的权值进行优化.在加速训练过程的同时,生成稳定性最优的步态,通过嵌入式单目视觉采集现场环境信息作为神经网络的输入,实时控制输出步态所需的关节轨迹进行运动.实验结果表明通过Matlab仿真和实物机器人上所提方法有效.     

参数化优化的仿人机器人相似性前向倒地研究

提出了一种基于运动相似性的仿人机器人前向倒地动作设计方法.首先,分析了运动相似性并提出了关键姿势同步转换方法; 其次,为机器人前向倒地运动四级倒立摆建立了相似性变换条件下的动力学约束方程与关联的物理条件约束; 再次,引入参数化优化控制与强化技术,对机器人的触地过程进行了参数化优化.实验结果表明了该方法的有效性.     

一种新型的智能机器人——可拓机器人

为提高机器人的智能水平和对环境的认知程度,更好地完成作业任务,将可拓学理论和成果应用于智能机器人领域从而提出了可拓机器人的概念．可拓机器人用基元理论表达环境模型与先验知识,采用基元的可拓方法解决认知环境过程中出现的矛盾问题,用菱形思维方法模仿人类的思维方式认知环境．     

时空域融合的骨架动作识别与交互研究

在人体骨架结构动作识别方法中,很多研究工作在提取骨架结构上的空间信息和运动信息后进行融合,没有对具有复杂时空关系的人体动作进行高效表达。本文提出了基于姿态运动时空域融合的图卷积网络模型(PM-STFGCN)。对于在时域上存在大量的干扰信息,定义了一种基于局部姿态运动的时域关注度模块(LPM-TAM),用于抑制时域上的干扰并学习运动姿态的表征。设计了基于姿态运动的时空域融合模块(PM-STF),融合时域运动和空域姿态特征并进行自适应特征增强。通过实验验证,本文提出的方法是有效性的,与其他方法相比,在识别效果上具有很好的竞争力。设计的人体动作交互系统,验证了在实时性和准确率上优于语音交互系统。     

基于多机器人自组织协作的多目标跟踪

提出了一种基于局部区域内的机器人和目标密度的多机器人分布式控制算法。运用这种算法,多机器人在跟踪多目标过程中,每个机器人能在每次调整速度和方向之前,根据最新的通讯信息和感知信息,计算通讯范围内相邻机器人和感知范围内移动目标的数量及位置坐标,然后按照所受人工势场(APF)力的合力决定下一次移动的新位置坐标,这个合力乘以一个基于机器人和目标密度的可变加权系数,以适应不同状态,然后按照动力学和运动学方程计算速度及方向。通过仿真实验对该算法进行了验证,实验结果表明,多机器人可以根据多目标的移动进行自主协作跟踪观测,算法的性能优于无可变加权系数的APF法和静态感知节点(SN)法。此方法对于实时监测和目标跟踪具有实际应用意义。