一种多机器人编队协同定位的方法

针对多机器人编队导航,提出了一种协同定位的方法.一个主机器人带领其他成员机器人,主机器人配备视觉传感器及激光扫描仪,成员机器人通过融合内部传感器数据进行自身定位.主机器人利用双目视觉进行目标检测,确定目标方位及距离信息,并利用激光扫描仪结合视觉获取的方位信息得到成员机器人位置及航向.基于联邦滤波算法提出了一种联合滤波模型,融合多传感器信息得到精确定位.1个Pioneer 3-AT和3个AmigoBot机器人编队的协同定位实验表明:该方法可行,误差范围小,满足实际应用的精度要求.     

配置机械手的轮式移动机器人目标物体跟踪与抓取

针对配置机械手的室内轮式移动机器人目标物体识别、跟踪和抓取问题,采用一种目标物体识别和机器人定位的方法,利用一种基于模糊控制的轮式移动机器人视觉伺服跟踪控制的方法。针对机器人目标识别跟踪及抓取过程中受环境条件变化的影响,采用HSI颜色模型和基于阈值的区域分割的图像处理方法可以完成目标颜色物体的快速准确识别。基于云台摄像机角度信息的机器人小车目标定位方法和模糊控制理论,设计了模糊跟踪控制器,使机器人输出合适的线速度和角速度,能够实现机器人目标跟踪,使移动机器人趋近目标物体位置,并完成机械手目标物体抓取任务。仿真和实时实验结果表明：所设计的系统具有良好的目标物体识别、跟踪和准确抓取目标的能力。     

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

一种基于数字图像的空间测距算法及仪器研发

根据相机小孔成像原理,建立基于数字图像的空间测距数学模型,利用双目相机采集被测物在空间坐标系的平面图像信息(像素坐标),标定相机内外部参数,确定像素坐标系、图像坐标系、相机坐标系和世界坐标系之间的关系,通过平面图像上的像素坐标计算被测物两点之间的空间距离。按照便携式、低功耗、兼容性的原则,研制基于数字图像的空间测距仪器,设计仪器的图像采集、数据传输、数据交换、数据处理模块。实验证明基于数字图像的空间测距仪器的测量误差小于1%,在机器人视觉、非接触工程测量、智能制造等领域具有广泛的使用价值。     

QR Code在多种类物体识别与操作中的应用

提出了一种基于QR Code的多种类物体识别和操作方法.家庭环境下物体种类繁多，形状各种各样，颜色也不尽相同，使用传统的图像处理的方法很难将目标物从背景图像中准确地分割出来.针对不同物体设计相应的QR Code标签，将对物体的识别转化为对QR Code标签的识别，可以大大减小计算量，提高识别精度和速度；同时还能够将足够多的操作信息(如抓取力、抓取位置等)记录在QR Code中，方便机器人实现对物品的准确操作；QR Code标签的定位由训练的基于Haar-like特征的层叠推进分类器检测实时图像来实现，实验表明该方法可以快速识别出目标物，具有很好的适用性和鲁棒性.     

多分辨率图像基于分步式滤波的融合算法

在多个传感器对同一个目标场景获得多个分辨率是非整数倍关系的图像的情况下,该文提出了基于分步式图像滤波的融合算法。首先利用小波多尺度分解变换获取相应的低频子图像,并将图像间分辨率的关系从非整数倍转化到整数倍。然后采用分块建模方法,以卡尔曼滤波器为工具,对图像进行分步式融合估计,从而获得目标场景基于多个观测图像的融合结果。最后用仿真实验验证新算法的可行性与有效性。     

采用渐进式网络的弱监督显著性目标检测算法

弱监督显著性目标检测中常存在目标错检、区域检测不全和目标边界不清晰等问题。针对上述问题,提出了一种基于渐进式网络的弱监督显著性目标检测算法,将显著性目标检测分为目标定位、显著性区域完善和目标边界细化3个子任务分阶段完成。首先,将输入图像采样为3个不同尺度的图像,分别输入渐进式网络的3个阶段进行学习;其次,在目标定位阶段设计了嵌套位移多层感知机,平衡网络的全局信息与局部信息的提取能力,以更好地定位显著性目标;最后,根据显著性图的结构不受尺度变化影响的特点,设计了异尺度自监督模块和目标一致性损失函数来构建自监督机制,使网络能够输出区域完整、边界清晰的显著性图。在5个数据集上测试所提算法,其客观指标与主观评价都优于最近的弱监督算法,且在F值指标上可以达到相关全监督算法89%的性能。实验结果表明,所提算法能生成显著性区域更完整、显著性目标边界更锐利的显著性图,且具有良好的鲁棒性。     

一种室内高动态环境的机器人定位方法

该文提出一种能让机器人在室内动态环境中进行长时间稳定定位的方法.该方法既能实现对高动态物体的过滤又能实现半静态物体的更新,在去除动态物体对定位性能影响的同时还能利用半静态物体中提供的定位信息提高定位性能.把动态物体的处理分为高动态物体的滤除和半静态物体的更新两部分.对于高动态物体滤除,考虑到定位系统的特性,提出延迟对比...     

三传感器约束多尺度相关管道漏点定位方法

为了改善传统相关法漏点定位可靠性差,定位结果不能及时验证的问题,提出一种基于三传感器相互约束多尺度相关的漏点定位方法．该方法增设了第3个传感器组成三传感器模型,然后通过对3路传感器信号进行多尺度分解,从而在各子频率带内计算时延量,根据三传感器间的匹配关系筛选最优结果,最后根据经验决定结果的可信度．结果表明:该方法不仅能够实现速度的自行求取,而且使漏点定位质量有了较大的提高．同时说明通过小波多尺度分解能够实现信噪分离,三传感器匹配关系可以用于漏点定位结果的甄别．     

一种基于卡尔曼滤波器的彩色目标跟踪方法

提出了一种基于卡尔曼滤波器的彩色目标跟踪方法。该方法首先在YCbCr颜色空间使用高斯模型构建目标颜色模型,根据该颜色模型在图像中进行目标检测,获取目标中心,然后利用卡尔曼滤波预测目标中心在下一帧图像中可能出现的位置,以该位置为中心建立搜索区域,在搜索区域内进行目标检测,计算目标中心位置,同时以该位置作为观测值,进行下一帧预测。实验结果表明,该方法具有较好的实时性和鲁棒性。     

基于多级空间上下文LR—CRFs模型的高分辨率影像分类

充分表达和利用目标空间上下文及语义信息是提高高空间分辨率影像分类精度的关键技术,而条件随机场（CRFs）在目标空间上下文建模以及分类预测方面有其独特优势。但是,基于单一尺度分析的CRFs模型存在不能反映目标多层次空间结构及语义关系的问题,因此针对城区高分辨率影像土地利用/覆盖分类问题,在面向对象分类框架下,提出了一种多级空间上下文LR-CRFs模型。该模型定义如下：首先,将影像进行对象层？目标层及场景层的分层表达及分层特征提取,并进行“对象目标场景”的逐层关联;其次,采用逻辑回归（LR）分类器定义CRFs模型的关联势函数,利用分层特征加权的Potts函数定义交互势函数;采用最大积消息传递算法对该模型进行近似推理。利用IKONOS多光谱影像及大比例尺真彩色航空影像进行试验的结果表明：多级空间上下文LR-CRFs模型分类精度高于单一尺度的基于像素层或对象层分割的LR-CRFs模型,其精度平均分别提高了4.63%和2.22%;该方法在一定意义上也缓解了面向对象分类方法中分类结果对分割尺度的依赖程度。     

多信息融合感知搜救机器人的设计与实现

针对地震、战争等灾难环境设计了一种多信息融合感知搜救机器人,机器人通过图像、火焰、温度等多种传感器实现信息融合,感知灾难现场环境。通过无线传输,搜救机器人将各种信息传送到监控端,使搜救人员实时了解灾难现场环境,并且机器人特有的声源定位系统可以辅助搜寻受困人员。同时搜救人员可以通过远程操控控制机器人状态,为搜救人员提供帮助。     

基于分布式传感器阵列的静态气体源定位方法

基于气体湍流扩散模型提出了适用于稳定风场的静态气体源定位方法, 采用分布式传感器阵列对空间内的目标气体浓度进行检测, 依靠多点观测结果计算气体源位置. 定位算法预先设定气味源的潜在范围, 采用遍历计算的方法将气味源定位问题转变为根据最小二乘法则在预设范围内求取气体源坐标最优解的问题. 通过仿真实验对新算法进行验证, 建立金属氧化物气敏传感器阵列及信号采样系统, 以乙醇蒸汽为目标气体在实验室环境下进行了实际气体源定位实验.     

SNAKE初始模型及其改进算法的研究

SNAKE模型主要应用在医学图像，运动跟踪，形状识别等领域．文中阐述了在视频摄像中运动物体轮廓跟踪的方法及其改进算法．首先由用户在感兴趣的物体附近指定其初始轮廓，随后该轮廓曲线会进化并锁住物体的边缘．一旦初始轮廓获得之后，后继帧中该物体的运动轨迹即奇被跟踪且不需要用户再输入任何参数．     

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。     

基于光流法算法的Visual Map快速建立方法

Visual Map是一个含有丰富位置信息的图像数据库,数据库中每一幅图片或图片的特征在存储时会加入相应的位置信息.室内定位的性能与Visual Map图片的数量有关.建立庞大的图片数据库能够使得定位结果更加准确,但是花费时间成本会更大.针对这个问题,本文提出了使用光流法算法来建立图片数据库Visual Map.针对光流法用于室内图像的计算会受到光线明暗不同的影响以及相机转向会产生横向偏移的问题,本文对光流法进行了改进,并使用改进后的光流法算法对摄像机采集的图像序列进行计算,得到摄像机的自身位移,从而得到每一幅图片的对应的地理位置信息.实验结果表明,利用使用光流法快速建立的Visual Map进行室内定位,误差小于1米的概率是26%,误差小于2米的概率是70%.与传统的视觉室内定位法相比,定位精度虽然略有降低,但建立图像数据库所需时间消耗大大减少.相比于视频流快速建立Visual Map方法,定位效果相当,建立Visual Map所需的设备更少,要求更加宽松.利用光流法算法快速建立Visual Map能够很好的应用于室内视觉定位系统,特别是应用于大型场所以及室内场景多变化的场所.     

面向对象方法在水下自航器仿真中的应用

利用ＯＭＴ方法（ＯｂｊｅｃｔＭｏｄｅｌｉｎｇＴｅｃｈｎｉｑｕｅ）建立水下自航器系统的对象模型、动态模型和功能模型，并以此为基础开发了一套具有面向对象风格的原型仿真软件。文中提供了模型的基本框架结构，描述了原型仿真软件的开发环境和主要开发工具，并给出了它的一组仿真曲线。     

基于BP神经网络模型的遥感图像道路分割处理方法研究

图像分割是军事目标识别的主要处理方法.由于神经网络对于解决目标识别问题具有适合用于高速并行处理系统、可以实现特征空间较为复杂的划分等优势,采用神经网络模型在复杂的遥感图像背景中,识别出宽度很小的道路是较为理想的.在简单介绍BP神经网络模型的基础上,论述了BP神经网络模型在目标识别中关于道路分割问题的处理方法,并以实例证明了采用BP神经网络模型对遥感图像进行分割,得到的结果图像能够从复杂的背景图像中分割出道路,并能清楚地反映道路的方向和分叉,对于遥感图像的目标识别有重要的实用价值.     

基于激光测距雷达的室外移动机器人定位

采用激光测距雷达作为机器人的外部传感器，里程计和惯性导航系统作为内部传感器，对室外移动机器人环境地图已知情况下的定位问题进行了研究。根据定位系统的特点建立了系统的运动模型和观测模型，考虑到系统的不确定性，提出了一种基于混合模型的系统误差描述方法，同时采用扩展卡尔曼滤波对多传感器信息进行了融合，仿真试验的结果表明该定位系统具有较高的定位精度。     

适用于目标跟踪的加权增量子空间学习算法

为了克服目标物外观变化给跟踪造成的困难,提出一种基于加权增量子空间学习的目标跟踪算法.该算法构造了一个可在线更新的子空间作为视频中目标物的外观模型,根据概率转移模型预测得到一组图像样本作为目标物在当前帧中可能出现的图像区域;然后将图像样本投影到该低维子空间中估计每个图像样本为目标图像区域的似然度,以具有最高似然度的样本作为目标在当前帧中的图像区域,通过加权增量的方式调整子空间.实验结果表明：相比基于其他增量子空间学习的跟踪算法,该算法能够稳定、准确地对运动目标进行跟踪.