移动机器人的同时定位和地图创建方法

通过声纳传感器实时地创建和修正地图,局部地图是基于栅格的概率模型：工作环境被划分成栅格,每一个栅格赋一个值,标识栅格中有障碍物的概率．地图应用哈夫变换创建,定位通过对超声波数据应用滤波算法并结合地图创建实现．使用Pioneer2移动机器人在实际的室内环境中的实验,验证了该方法的可行性．     

基于信息融合的同时定位与地图创建研究

针对在复杂环境中,由于传感数据的高度不确定性,采用声纳传感器进行移动机器人同时定位与地图创建的可靠性很低问题。对基于声纳信息与视觉信息相融合的SLAM进行了研究。利用Hough变换对声纳信息与视觉信息进行处理从中提取直线和点特征,并进行特征级的信息融合,从而充分利用声纳与视觉信息中的冗余信息。在移动机器人上的实验表明,多传器信息融合可以有效提高SLAM的准确度和鲁棒性。     

利用磁钉段特征创建磁钉地图的新方法

针对磁钉导航系统中磁钉地图创建困难、现有建图方法不适用于多路口磁钉地图的问题,提出一种利用磁钉段特征创建磁钉地图的新方法.首先采用惯导、里程计和磁尺采集道路磁钉数据,依据标志磁钉划分磁钉段,从传感器数据中提取出磁钉段的特征,进行特征匹配,在匹配成功的磁钉段之间建立闭环约束.然后利用改进图优化算法,减小错误闭环约束对优化结果的影响.最后从优化完成的图中提取出磁钉点,再建立磁钉地图.基于真实道路环境的实验结果表明:利用磁钉段特征创建磁钉地图的新方法操作简单,建立的磁钉地图精度较高,全局一致性很好,导航试验也验证了地图的可用性.该方法可以很好地解决多路口磁钉地图建图问题,是一种有效的磁钉地图创建方法.     

多层激光雷达在无人驾驶车中的环境感知

为了使无人驾驶车获得可行驶区域和障碍物信息,通过分析大量激光雷达扫描点数据,总结并得出路沿数据点独有的特征,提出一种基于路沿数据点特征和多层融合技术的路沿检测算法.应用Dezert-Smarandache理论(Dezert-Smarandache theory,DSm T)对无人驾驶车前方道路环境建立栅格地图,并利用证据理论中的冲突系数检测动态障碍物.最后,采用膨胀算法、侵蚀算法和改进的八邻域区域标记算法对动态障碍物进行聚类和信息提取.实车实验结果表明:本算法可稳定、准确地感知无人驾驶车周围环境信息.     

一种基于激光测距的机器人地图创建方法

针对未知环境中机器人局部地图的构建问题,提出一种激光测距的离散数据自适应曲率估计算法。采用该算法对预处理后的激光扫描数据进行环境特征分割,然后提取并描述环境特征,最后根据特征元素集构建局部地图。仿真和实验结果表明,该方法能准确地描述结构化室内环境,有效地描述和表征了实验环境。     

基于点线特征的快速视觉SLAM方法

为了提高RGB-D相机同时定位与地图构建（SLAM）系统在弱纹理场景下的定位精度和鲁棒性,提出快速的基于点线特征的SLAM方法. 在非关键帧的追踪过程中,基于描述子进行点特征匹配,基于几何约束进行线特征匹配;当插入新的关键帧时,计算线特征描述子以完成关键帧间的线特征匹配,并利用线特征三角化算法生成地图线. 通过降低线特征匹配过程运算量来提高SLAM系统的实时性. 此外,利用线特征的深度测量信息构造虚拟右目线段,并提出新的线特征重投影误差计算方法. 在公开数据集上的实验结果表明,与ORB-SLAM2等主流方法相比,所提算法提高了RGB-D SLAM系统在弱纹理场景下的定位精度;与传统点线特征结合的SLAM方法相比,所提算法的时间效率提高了约20%.     

路面路标高精度地图构建与多尺度车辆定位

为提高智能车定位精度,提出一种利用路面标志构建高精度地图的方法,并在制作的地图基础上提出多尺度车辆定位算法.以路面路标为核心构建高精度视觉地图,地图中每个路标均包含路标视觉特征、几何结构信息,以及其在参考坐标系的精确的位置关系.在定位过程中,首先通过GPS粗匹配计算车辆位置在地图中的位置范围;然后匹配地图中的视觉特征实现路标级定位;最后通过地图中的路标的几何结构信息与参考位置关系实现车辆位置的精确计算,从而实现基于路面路标高精度地图的车辆多尺度定位.针对某大学校园约3.4 km的道路路面标志(包括路面直行箭头、右转箭头、井盖等)进行高精度地图构建,并以之为基础实现车辆定位.定位实验结果表明:算法平均定位误差为12.5 cm,最大定位误差为23.3 cm.定位采取先制图后定位以及多尺度匹配的策略为高精度智能车定位建议了一种新的方法.     

基于三维激光雷达的动态障碍实时检测与跟踪

为了解决在大数据量的情况下实现高效检测与跟踪的难点,提出一种室外动态未知环境下自主车的多障碍实时检测与跟踪的算法.由于Velodyne 64线三维激光雷达具有数据量大、精度高等特点,采用其与相机结合感知环境.算法结合从图像处理中得到的道边信息将原始激光雷达数据的感兴趣区域转化为栅格地图,在地图上采用区域标记和模板匹配的方法进行聚类和特征提取,检测得到盒子模型的障碍物,并进行障碍物跟踪.为了避免在多障碍物的情况下出现虚警和漏检,基于多假设跟踪数据关联和卡尔曼滤波来跟踪连续多帧的障碍物.本算法在自主车平台上能够以每帧100 ms实现准确、稳定地检测和跟踪.     

基于栅格模型和样本集合的动态环境地图创建

采用单一栅格模型创建动态环境的地图,往往需要构建多个时间尺度的地图,且无法有效表述环境中的动态信息.为了克服上述困难,提出一种用栅格模型和样本集合创建动态环境地图的方法.栅格模型对静态障碍物用贝叶斯方法进行置信概率估计、当前样本集合迭代更新动态障碍物当前所处位置、历史样本集合保存动态障碍物的所有历史传感信息.通过将样本集合与栅格模型融合,可以有效表征动态障碍物的当前位置和主要活动区域.实验室动态环境下的实验结果表明：该算法能够构建信息完整且精度较高的动态环境地图,为后续路径规划和导航提供便利.     

基于DGSOM_A*的移动机器人地图创建和路径规划

针对移动机器人未知环境路径规划问题,基于动态自组织特征映射网络提出了一种自组织网络动态生成A*的算法(dynamic growing self-organizing map with A*,DGSOM_A*),并将其应用于移动机器人地图创建和路径规划.该方法利用Mobotsim二维仿真软件构造了环境模型,机器人通过无碰自由巡航获取环境信息,然后把上一步得到的环境信息作为DGSOM_A*算法样本通过SOM神经元自主生长进行地图创建,生成以少数SOM图神经元分布描述环境特征信息的拓扑地图,最后完成起始点到目标点的导航任务.实验结果表明,相比传统的SOM算法,基于DGSOM_A*算法机器人能有效地通过对环境地图的绘制熟悉复杂环境并能实现最优路径选取.     

无人地面车辆车道级路径引导方法

针对无人地面车辆对高精度电子地图的需求和在结构化道路环境下的导航要求,基于多传感器信息融合构建了车道级的电子地图,并基于该电子地图提出了一种车道级的路径引导算法．首先,利用数据采集平台采集多传感器的数据,并对采集到的数据进行融合来构建车道级的电子地图,并进一步根据交通规则生成道路和车道线;接着,根据不同地理对象所反映的不同特征设计了其属性表;然后,根据结构化道路环境的特点提出了一种全局路径规划策略;最后,针对无人地面车辆遇到障碍物需要对全局路径进行修正的场景,提出了一种基于代价地图的修正方法,指导车辆完成避让．跑车实验和中国智能车挑战赛比赛结果表明,文中提出的高精度电子地图和路径引导方法能满足无人地面车辆在结构化道路环境下的导航需求,能够为无人地面车辆安全、快速行驶提供可靠的指导和保障．     

基于耦合映象格子映射的超混沌加密图像算法

混沌映射具有初值敏感性、遍历性和伪随机性的特点,很适合用于信息加密。与一维混沌映射相比,耦合映象格子映射具有更高的复杂度及更大的密钥空间,更适合于信息加密。首先分析了耦合映象格子映射的超混沌性态,给出基于超混沌映射快速生成无碰撞伪随机序列的方法,然后利用超混沌映射的初值敏感性及固有的内在随机性,分析了密钥空间和密钥的可靠性,提出加密数字图像的新方法,该方法既随机改变像素值的大小,又随机改变像素点的空间位置,并且大小和位置的改变都基于超混沌序列,算法简单却十分有效。实验表明,该算法密钥空间大,加密速度快,抗破译强度高,并有一定的抗破损和抗污染鲁棒性。     

水下无人航行器结构环境SFEKF同步构图定位方法

针对传统同步构图定位(SLAM)传感器具有数据量大、处理速度慢、实时性差的不足和基于扩展卡尔曼滤波的同步构图定位(EKF-SLAM)具有对水下无人航行器(UUV)位置估计精度低、甚至发散的缺陷,把带次优渐消因子的扩展卡尔曼滤波器应用到了导航系统中,提出了基于多元测距声呐(MRS)的UUV结构环境SFEKF-SLAM(suboptimal fadingextended Kalman filter-SLAM)方法.首先建立基于霍夫变换的水下MRS特征提取模型,设计了基于SFEKF-SLAM的UUV导航系统,利用该系统可以对UUV的状态进行预测,结合MRS信息可以对UUV周围结构环境进行状态更新.海试结果验证了基于霍夫变换的水下MRS模型能够有效提取环境特征,基于SFEKF-SLAM的UUV导航系统相对于常用的基于EKF-SLAM的UUV导航系统具有更高的定位精度,能够构建更加精确的港口堤岸地图.     

基于声学图像处理的水下机器人局部路径规划

针对当前水下机器人多以前视声呐作为环境感知设备的特点,设计了一种基于声学图像处理的水下机器人局部路径规划算法.给出了基于声学图像处理的局部路径规划基本步骤.以前视图像声呐得到的声学图像为基础,进行环境分析.以串口接收声呐图像底层回波强度数据,利用迭代式阈值选择算法,进行图像分割.采用数学形态学方法去除噪声,膨化障碍物,建立环境数学模型.以距离值传递法搜索最佳路径.此算法以海上实验数据验证,得到了良好的规划结果.搜索到的路径距离短,搜索速度快,满足实验要求.实验表明,以前视声呐作为避碰传感器,进行局部路径规划是切实可行的.     

水底地形图绘制的数学建模方法

随着相干声纳系统技术的逐步完善,为水底深度测量和水底地形图的绘制提供了依据。首先考虑现有的相干声纳系统模型,利用多波束测量方法测量水底深度,然后,在模型Ⅱ和模型Ⅲ中采用三次样条插值法对所测得的水底深度值进行拟合,并利用拟合所得数据绘出水底地形剖面图、水底地形立体图,利用Matlab软件,调用griddata函数进行曲面拟合,调用contour函数绘制等高线图,从而全面了解水底地形的变化,把握水底地形的信息。     

Fault diagnosis of rocket engine ground testing bed with self-organizing maps （SOMs）

To solve the fault diagnosis problem of liquid propellant rocket engine ground testing bed,a fault diagnosis approach based on self-organizing map(SOM)is proposed.The SOM projects the multidimensional ground testing bed data into a two-dimensional map.Visualization of the SOM is used to cluster the ground testing bed data.The out map of the SOM is divided to several regions.Each region is represented for one fault mode.The fault mode of testing data is determined according to the region of their labels belonged to.The method is evaluated using the testing data of a liquid-propellant rocket engine ground testing bed with sixteen fault states.The results show that it is a reliable and effective method for fault diagnosis with good visualization property.     

基于视觉特征对比度和二维熵的火焰检测

该文提出了在开放环境下应用视觉特征对比度和二维信息熵的火焰在线检测方法.首先利用光流法获取目标的运动矢量,然后通过运动标量生成运动对比度显著性图;进一步与颜色对比度显著图融合得到一个合成的显著图,提取出疑似火焰的感兴趣区域;接着对感兴趣区域的运动矢量计算二维熵,根据二维熵的时空一致性对是否为火焰区域进行判决.该文提出的特征对比度方法大大降低了传统基于高斯金字塔的视觉注意模型的计算复杂度.实验结果表明,该文方法对环境光照变化不敏感且能够排除其它运动物体的干扰,适用于开放环境下实时火焰检测.