基于栅格法的移动机器人单元分解遍历方法研究

本文针对移动机器人的全区域遍历问题提出了一种基于栅格法的单元遍历分解方法.本文在普通单元分解法的基础上提出了一种改进的基于边沿基点的单元分解方式,保证了单元遍历的有序性和较强的可实现性.单元内部采用栅格法进行遍历,按照优先级搜索栅格有效地提高了路径选择速率.与单纯采用栅格法相比,栅格法同单元分解法的结合运用既能降低移动机器人在栅格定位过程中存在的累积误差,又保证了遍历的高效率和低重复率.文中对提出的遍历方法进行了动画仿真,从理论上验证了该方法的有效性.最后文章针对提出的遍历方法探讨了其实验平台的设计思路.     

一个室内清洁机器人的区域遍历与地图绘制

本文针对室内清洁机器人的区域遍历问题，提出了一种地图绘制的方法：该方法基于栅格地图表示环境，对环境地图进行分区，通过自由区域联结图广度优先搜索及深度优先遍历（WSDC）形成方形区域遍历顺序，对机器人探测环境的路线进行导航。实验研究表明栅格地图表示环境对于区域划分与区域遍历更有效：采用WSDC算法产生的区域遍历顺序导航机器人运动，可以减少机器人的运动距离，提高工作效率。     

机器人全覆盖最优路径规划的改进遗传算法

全区域覆盖是一种特殊的路径规划,要求遍历环境中所有的可达区域。目前已经提的许多算法,如模板算法、分块算法等,都只能保证覆盖所有的区域,对于寻找全局最优解却无能为力。提出了一种基于遗传算法的全区域覆盖算法,结合分块算法和模板算法的优点。先采用矩形分解法将环境划分成若干个相邻的子模块,并为每一个子模块选用相应的模板,从而生成覆盖路径,然后采用遗传算法找出最优的路径。算法在虚拟环境中进行了实验,实验结果证明了其可行性和有效性。     

基于新型栅格启发式算法的矿井机器人路径规划

在传统正方形栅格地图中,存在机器人遇到障碍物时沿对角线方向移动易与障碍物碰撞,其绕障和平稳性等方面的能力较差且实时探测过程中每步消耗的时间无法唯一确定等问题。针对上述问题,提出了以正六边形栅格化的工作环境为基础,采用改进的启发式路径搜索算法对多个并行移动的矿井机器人进行路径优化的方法。从绕障转角、绕障能力及最优路径3个方面,对单个机器人在正方形和正六边形栅格建模环境中的运动性能进行比较分析,结果表明:就单个机器人来说,正六边形栅格地图下的路径长度代价小于正方形栅格地图的路径长度代价;从单个机器人的路径规划来看,正六边形栅格地图更有利于获得最短路径,从而得出正六边形栅格比传统正方形栅格更适合于机器人工作环境的建模。针对多个协同操作的机器人并行移动的路径规划问题,在正六边形栅格化的工作空间建模基础上,采用改进的启发式路径搜索算法对多个机器人的路径进行优化:采用改进的启发式估计函数规划多个协同操作的机器人路径,该函数决定了当前机器人所在位置周围所有相邻栅格中哪一个即将被机器人遍历。依据机器人已经遍历的栅格数和候选栅格与该机器人目标栅格之间的变形曼哈顿距离,该启发式估计函数可评估出相邻栅格的适应度值。仿真结果表明:正六边形栅格地图在路径总长及算法运行时间上均比正方形栅格地图减少了10%以上,且有效避免了机器人与静态障碍物之间及机器人之间发生碰撞,提高了机器人的安全性;随着机器人数量的增多,改进的启发式路径搜索算法对正六边形栅格地图的机器人路径和算法运行时间的优化作用更加明显。     

基于粒子群算法的移动机器人全局最优路径规划*

以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法.该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径.在计算机上进行了仿真,仿真结果证明了该方法的可行性和有效性.     

栅格图特征提取下的路径规划建模与应用

在静态环境下的自动导引车辆（Automated Guided Vehicle,AGV）路径规划问题中,由于规划的路径节点过多,导致车辆的运行效率降低,损耗增加。为此,提出了一种新的栅格建模方法来模拟车辆运行环境,利用蚁群算法对新的栅格环境进行路径规划,对蚁群算法的收敛性进行证明。从栅格图中提取出障碍物的顶点作为新的备选点来规划路径,减少了蚁群算法中要搜索的节点数目。结果表明,新的栅格法建模可以应用于蚁群算法的路径规划中,并提高算法的收敛速度,减少AGV方向变化的次数,在综合性能上优于传统栅格建模方法。     

基于分层搜索的移动机器人路径优化

分析比较了经典的全局路径规划算法,针对移动机器人运动路径规划的优化问题,将A*、人工势场、栅格等多种算法的优势加以综合考虑,提出一种基于栅格的分层搜索概念。该方法采用栅格法进行建模,以分层搜索为核心思想,外层采用A*算法将复杂的图元模糊化以简化环境,内层则采用人工势场算法将具体的栅格还原以解模糊,具有一定的理论意义与应用前景。其仿真实验表明,该方法能达到较好的路径规划效率和实时性。     

移动机器人全覆盖信度函数路径规划算法

针对移动机器人全覆盖路径规划问题,给出一种基于栅格信度函数的全覆盖路径规划算法。目的是为了控制移动机器人能够遍历工作区域中所有的可到达点,同时保证能够自动避开障碍物。首先,根据环境的信息对栅格地图进行赋值,使用不同的函数值表示障碍物、已覆盖栅格和未覆盖栅格;其次,判断机器人是否陷入死区引入不同方向信度函数,对栅格函数值进行调整;最后,机器人根据栅格信度函数值规划覆盖路径。本文所提及的算法不仅能够引导移动机器人实现工作区域的全覆盖而且能够快速逃离死区,实现覆盖路径的低重复率。仿真实验中,通过与生物启发神经网络算法的比较,证明本文提及算法有更高的覆盖效率。     

基于正反馈遗传算法的机器人全局路径规划

应用遗传算法进行机器人全局路径规划,针对该算法,目前常用的建模方法均存在一定缺陷,如链接图法过程复杂,栅格法栅格粒度难以控制,且随栅格数增加,算法复杂度急剧增加等等。论文采用了一种新颖的建模方法,该方法根据机器人出发点、目标点的位置建立起新的坐标空间,染色体各基因位于机器人出发点及目标点连线的各等分点垂线上,这样,可行解的基因可以单值表示,使算法简化。算法还借鉴蚁群算法思想,在交叉、变异算子中引入了正反馈机制,以提高算法的收敛速度。仿真试验显示了在复杂的环境中机器人仍能够以较快的速度找到一条最优路径。     

基于栅格法的机器人路径规划蚁群算法

描述了一种静态环境下的机器人路径规划仿生算法．该算法用栅格法对场景进行建模,模拟蚂蚁的觅食行为,由多只蚂蚁协作完成最优路径的搜索．搜索过程采用了概率搜索策略、最近邻居策略和目标导引函数,使得搜索过程极为迅速高效．仿真实验结果表明,即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出最优路径,且能进行实时规划,效果十分令人满意．     

一种实数编码量子进化算法及其收敛性

基于量子计算理论和进化理论,提出一种新的量子进化算法--基于实数编码的量子进化算法(RQEA).不同于传统进化算法的单点编码和量子进化算法的量子比特编码,该算法以实数矩形区域表示基因,一条染色体携带多个个体信息,利用量子态叠加和相干机理,通过叠加、变异及自学习来完成进化过程,理论分析证明了算法具有全局收敛性,实验结果表明,该算法在函数优化上具有优异的性能.     

基于图象分层优化二元树结构表示的图象处理基本算法

在图象分层优化二元树结构表示的基础上,给出了图象分层优化二元树结构表示的图象 处理基本算法:点搜索算法、邻域查找算法及同级灰度查找算法,试验结果表明,该结构表示 比线性四元树结构表示及指针四元树结构表示相应算法查找速度要快.     

中心矩形构图先验的显著目标检测

目的 许多显著目标检测算法侧重从背景角度进行显著性检测,而从前景角度和空间角度进行显著性检测的算法较少,为了解决这个问题,提出了一种基于中心矩形构图先验的显著目标检测算法。方法 假定目标分布在中心矩形构图线附近。首先,对图像进行超像素分割并构造闭环图;其次,提取中心矩形构图线上的超像素特征,并进行流形排序,获取初始显著值;然后,通过基于中心矩形构图线获取的初始显著值确定中心矩形构图交点显著值和紧凑性关系显著值;最后,融合三者获得最终的中心矩形构图先验显著图。结果 通过MSRA-1000,CSSD,ECSSD,THUS-10000数据集对比验证了中心矩形构图先验算法有较高的准确度和最高的F-measure值,整体效果上优于目前先进的几种算法。且处理单幅图像的平均时间为0.673 s,相比与其他算法也有较大优势。结论 从前景角度和空间角度考虑的中心矩形构图先验的显著目标检测算法相比于传统的算法更加具有鲁棒性,无论图像是复杂的还是简单的,都取得很好的检测效果,充分说明算法的有效性。     

浮点开方运算单元的电路设计

文章提出了一种基于逐位循环开方算法,"四位一开方"的浮点开方运算单元的电路设计方案,使限制周期时间的循环迭代部分的门级数降低到14级。按14级门延时为周期时间计算,完成一个IEEE单、双精度浮点数的开方运算分别需要15和29周期。同时,文章对目前开方运算所采用的两类主要的算法-逐位循环开方算法和牛顿－莱福森迭代开方算法进行了描述,其中包括数的冗余表示等内容。     

一种快速实现椭圆曲线密码体制的贪心算法

快速实现椭圆曲线密码体制的一个关键问题就是椭圆曲线上点的数乘。文中利用大整数S可以表示为S=S1m S2的形式,提出了一种贪心算法。该算法比经典算法减少了点的加法的计算次数,从而加快了椭圆曲线上点的数乘的运算速度。     

改进的矩形NAM图像表示算法

为了提高图像的表示效率,提出了一种改进的矩形非对称逆布局模式表示模型(NAM)图像编码算法IRNAM。该算法采用双矩形子模式对灰度图像进行表示,结合位平面优化策略,并顺序存储各子模式的数据,使得子模式数目大幅减少。实验结果表明：与矩形NAM算法和其他改进的NAM算法相比, IRNAM算法使表示图像的子模式数明显减少了,从而有效地节省了数据存储空间,是一种高效的图像表示方法。     

融合阴影图和深度划分阴影体的阴影渲染算法

阴影图算法可以简单、快速地渲染硬阴影,但该算法渲染的硬阴影会在边缘区域出现锯齿状走样。受此影响,基于阴影图算法渲染的柔和阴影,在小尺寸半影区域依然可能会出现锯齿状走样。因此,要渲染无走样的柔和阴影,需要精确计算阴影边缘区域的着色点对点光源的可见性。深度划分阴影体算法可以精确地计算着色点对点光源的可见性,但其不仅在效率上不及阴影图算法,还无法实现柔和阴影渲染。针对上述问题,提出一种融合阴影图和深度划分阴影体的阴影渲染算法,对处于阴影边缘区域的着色点,使用深度划分阴影体算法精确计算该着色点对点光源的可见性;对其他着色点,使用阴影图算法快速计算该着色点对点光源的可见性。最后,将着色点的可见性值存储在可见性图中并滤波即可实现无走样柔和阴影的渲染。     

椭圆曲线上点的数乘中窗口最佳长度的选取

椭圆曲线密码体制中加、解密速度提高的关键在于加速椭圆曲线上点乘运算的效率。基本的方式之一是缩短大数的二进制序列长度，将其二进制序列划分为若干个“窗口”，构造一新的等价的2^k进制序列。在讨论了对应不同长度的二进制序列转换成2^k进制序列后，确立“窗口”长度k值的最佳选取，使得在这种选取下椭圆曲线上点乘运算的效率最高。     

再生核Hilbert空间中两阶段稀疏表示目标跟踪算法

在强干扰复杂环境下,有效的特征选择对于目标跟踪模型的可解释性至关重要.针对这一问题,本文基于再生核Hilbert空间(RKHS)理论,对特征空间构建生成式的两阶段稀疏表示(TSSR)模型,从而描述图像样本与字典之间的非线性关系,避免了在字典中引入大量的琐碎模板.在第1阶段,首先建立图像样本与字典在原始低维空间中的关系,然后利用批处理最小二乘算法求得稀疏表示系数的初值,根据观测模型确定初始跟踪位置的分布;在第2阶段,首先利用核方法将原始低维空间映射到高维特征空间,然后提出一种基于核的加速近端梯度算法(KAPG),从而求得字典元素系数的核稀疏表示,最终确定跟踪目标.最后实验结果证明了本文所提出的TSSR方法在面对视角变化和部分遮挡时的有效性.     

Local observability of invariant dynamics on compact Lie groups with square integrable output map functions

In this work, we give a sufficient algebraic condition for the local observability problem of invariant control systems on compact Lie groups such that the output map is not differentiable. In particular, the usual techniques involving Lie derivatives do not work. Our approach comes from the representation theory. We use the regular representation to construct a bilinear system on the Hilbert space of the square integrable function defined on the group to a finite-dimensional vector space. If this bilinear system is observable, then we prove that the invariant control system is locally observable.