多机器人同步定位与地图构建的地图融合算法的改进

本文主要研究了多机器人同步定位与地图构建(SLAM)的地图实时融合问题.在本文中提出一种混合的SLAM算法(HybridSLAM)算法,可以同时观测和更新多个路标,并根据FastSLAM2.0思想利用选取的最准确的路标观测值来修正机器人位姿.然后,在改进HybridSLAM算法基础上,进一步提出一种改进的多机器人HybridSLAM算法(MR–IHybridSLAM).每个机器人在不同初始位置运行IHybridSLAM算法构建子地图,并将子地图信息实时发送到同一工作站中.根据卡尔曼滤波(KF)原理将每个机器人构建的子地图融合成全局地图.最后,通过仿真实验构建多机器人融合的特征地图并与单一机器人快速的SLAM算法(FastSLAM)和HybridSLAM算法构建的地图进行误差对比,进一步来验证该算法的准确性、快速性和可行性.     

改进粒子群优化算法的多机器人地图构建

针对大规模的未知环境,对一种SA-PSO(Simulated Annealing-Particle Swarm Optimization)算法的多机器人构建地图方法进行研究。多机器人构建地图,即将多个机器人建立的局部地图融合成全局地图,可以更加高效地完成环境地图的绘制。利用粒子群优化(PSO)算法搜索局部地图之间的最优转换矩阵来进行地图配准;再根据局部地图重叠区域匹配的成功率设计自适应概率函数,即重新进行地图配准的概率;最后将配准后的局部地图融合成全局地图。该方法有效解决了PSO算法易陷入局部最优引起的地图融合失败问题,提高了地图融合的成功率。     

基于点线相合的机器人增量式地图构建

提出基于测量数据点和已构建地图线的最佳相合性增量式构建未知环境地图的方法,将机器人地图构建过程分解为局部地图构建、机器人位姿估计和地图合并3个循环步骤,在局部地图构建中,采用哈夫变换拟合、同线性判断和最小二乘拟合相结合的方法从测量数据点中拟合得到局部线段集合,在位姿估计时,首先利用点线匹配寻找测量数据和已构建地图之间的匹配关系,然后通过去除不当匹配和引入加权矩阵来减小测量误差和已构建地图中的不确定性对位姿估计的影响,最后利用加权最小二乘法估计机器人的位姿,使得匹配部分达到最佳相合,同时提出虚拟线和虚拟点的方法解决由伪相合条件所引起的错误位姿估计问题,实验结果证明了算法的有效性和鲁棒性,适于构建室内环境地图。     

基于ROS与Kinect的移动机器人同时定位与地图构建

同时定位与地图构建(SLAM)技术一直以来都是移动机器人实现自主导航和避障的核心问题,移动机器人需要借助传感器来探测周围的物体同时构建出相应区域的地图。由于传统的1D和2D传感器,如超声波传感器、声呐和激光测距仪等在建图过程中无法检测出Z轴(垂直方向)上的信息,易增加机器人发生碰撞的概率,同时影响建图结果的精确度。本文利用Kinect作为机器人SLAM的传感器,将其采集到的三维信息转化成二维的激光数据进行地图构建,同时借助机器人操作系统(robot operating system,ROS)进行仿真分析和实际测试。结果表明Kinect可以弥补1D和2D传感器采集信息的不足,同时能够较好的保持建图的完整性和可靠性,适用于室内的移动机器人SLAM实现。     

基于激光雷达巡检机器人的变电站三维地图构建

变电站场景相比于一般场景,更为复杂,相似场景多,不易于三维(3D)可视化,基于传统迭代最近点(ICP)算法的点云匹配易出现地图误匹配.为了解决上述问题,设计了基于三维激光雷达的巡检机器人系统,利用三维激光雷达提供的点云信息构建三维地图;同时优化传统点云匹配算法,采用基于特征的点云匹配算法,解决由于相似场景导致误匹配,出...     

基于模块化的导航机器人设计与地图构建

为解决目前导航机器人对于通用性和兼容性的要求,按照模块化设计思想,设计了一款由微处理器模块、电机模块、通信模块、感知模块和电源模块组成的导航机器人实验平台.并针对导航机器人在环境地图构建时产生的累积误差问题,提出了一种融合了先验估计的最大期望概率建图算法,并利用该导航机器人平台开展了建图与自主导航实验.利用室内运动捕捉系统获取的坐标作为参照物,验证了该算法能有效减少机器人建图时产生的累积误差.     

基于超声波的移动机器人的同时定位和地图构建

为了在移动机器人SLAM过程中得到更精确的定位和二维地图构建,对一种利用超声波传感器信息进行栅格地图创建的方法提出了改进;该方法利用Bayes法则对信息进行融合,利用粒子滤波和航位推算相结合的方法对机器人进行精确定位和创建地图,然后利用移动的栅格法进行地图的全局更新,提出了一种地图的校验方法;通过实验,在粒子数为200的情况下分别得到了算法改进前和改进后的地图构建结果,通过比较,证明了使用该算法进行移动机器人定位和地图构建更加精确。     

基于动态分区方法的多机器人协作地图构建

本文针对多机器人对复杂的未知环境的地图构建问题，提出了一种通过动态分区实现多机器 人协作地图构建的方法．在本文中，采用基于栅格的地图表示法，利用多个距离传感器收集 信息，应用Dempster Shafer证据推理法对信息进行了融合．通过仿真试验，验证了该方法 的可行性．     

基于粒子群算法的单目移动机器人地图创建

提出了一种基于粒子群优化算法的移动机器人地图创建方法,该方法模型简单,算法复杂度低,收敛速度快.首先对实验环境进行了描述,通过建立模型推导出了路标的坐标公式,提出了问题的关键.详细介绍了粒子群优化的工作原理,论述了该算法在地图创建中的具体实现.通过与算术平均法实验结果比较,证实了该方法的有效性.     

基于劳动分工的群机器人地图创建探索策略研究

受社会性昆虫劳动分工的启发提出一种群机器人地图创建的探索策略,以提高群机器人创建地图的效率。当机器人所在顶点位置有未访问的路径时,机器人随机选择一条未访问路径进行访问;如果当前位置的所有路径都已被访问,机器人会根据响应函数对下一访问位置进行概率选择。对算法分别进行了不同地图规模和机器人数量的计算机仿真实验,根据算法评价指标(覆盖时间、路径重复覆盖次数和覆盖率)对实验结果进行了评价,并与随机选择的算法进行了对比,结果表明算法是可行、有效的。最后指出了下一步研究的方向。     

惰性随机游走视觉显著性检测算法

目的 鉴于随机游走过程对人类视觉注意力的良好描述能力,提出一种基于惰性随机游走的视觉显著性检测算法。方法 首先通过对背景超像素赋予较大的惰性因子,即以背景超像素作为惰性种子节点,在由图像超像素组成的无向图上演化惰性随机游走过程,获得初始显著性图;然后利用空间位置先验及颜色对比度先验信息对初始显著图进行修正;最终通过基于前景的惰性随机游走产生鲁棒的视觉显著性检测结果。结果 为验证算法有效性,在MSRA-1000数据库上进行了仿真实验,并与主流相关算法进行了定性与定量比较。本文算法的Receiver ROC（operating characteristic）曲线及F值均高于其他相关算法。结论 与传统基于随机过程的显著性检测算法相比,普通随机游走过程无法保证收敛到稳定状态,本文算法从理论上有效克服了该问题,提高了算法的适用性;其次,本文算法通过利用视觉转移的往返时间来刻画显著性差异,在生物视觉的模拟上更加合理贴切,与普通随机游走过程采用的单向转移时间相比,效果更加鲁棒。     

基于改进粒子群算法的机器人路径规划方法

提出一种基于粒子群算法的机器人路径规划方法.将路径规划看作一个带约束的优化问题,约束条件为路径不能经过障碍物,优化目标为整个路径的长度最短.机器人工作空间中的障碍物描述为多边型,对障碍物的顶点进行编号.利用粒子群算法进行路径规划,每一个粒子定义为一个由零或障碍物顶点编号组成的集合,在粒子的迭代过程中考虑约束条件,惯性权重随迭代次数动态改变,使算法既有全局搜索能力也有较强的局部搜索能力.仿真结果表明该方法的正确性和有效性.     

一种基于随机游走和共点的社交网络拓扑模型

研究移动社交网络拓扑模型,有助于在更深层次上理解移动社交网络的结构特性和进行相关安全软件的开发。根据移动社交网络的高度动态性,提出了基于随机游走的有向网络拓扑模型,通过上一状态的节点累计连接时间和共点个数变化来决定当前节点状态。仿真实验表明,构造的移动社交网络拓扑模型符合真实移动社交网络环境下具有幂律特性的拓扑结构。     

基于改进粒子群算法的移动机器人路径规划

为了提高复杂环境下移动机器人的精准导航作用,提出了移动机器人路径规划的改进粒子群优化(PSO)算法,即利用粒子个体极值的加权平均值,同时加入惯性权重.建立了移动机器人工作环境的栅格模型,利用Matlab软件进行移动机器人路径规划仿真分析.仿真结果表明:改进后的粒子群算法容易使粒子移动到最佳位置,加强了全局寻优能力,在复杂环境中搜索路径性能优于传统算法.     

基于染色随机游走的可重叠社区发现

社区发现是一个基础性的且被广泛研究的问题。现有的社区发现方法大多聚焦于网络拓扑结构,然而随着真实网络中实体可用属性的激增,捕获图中结构和属性的丰富交互关系来进行社区发现变得尤为必要。据此面向属性图提出了一种基于染色随机游走的可重叠社区发现算法OCDC,该算法解决了传统的基于随机游走的社区发现算法利用结构转移矩阵造成社区发现效果不佳的问题。具体地,首先利用经典的初始种子策略选出网络中差异度较大的节点,在此基础上设计种子替换策略,挖掘网络中质量更佳的种子替换路径集合对初始种子集合进行替换;其次构建结构-属性交互节点转移矩阵并执行染色随机游走过程得到高质量种子节点的染色分布向量;最后基于融合结构和属性的并行电导值对社区进行扩展。在人工网络和现实网络上的实验表明,本文提出的算法能够准确地识别属性社区并显著优于基准算法。     

基于多权重相似度的随机漫步推荐算法

在传统个性化推荐算法的基础上,提出了一种基于多权重相似度的随机漫步推荐算法。为了解决传统协同过滤算法中忽略了社交网络、热门项目以及共同评分项目之间影响等问题,通过引入万有引力公式计算社交网络中的用户相似度,并对传统协同过滤算法中的相似度进行改进,采用权重因子结合这两者相似度,最后开拓性地结合随机漫步算法进行商品推荐。实验结果表明,提出的算法具有比其他推荐算法更好的推荐性能。     

基于超像素和随机游走的交互式分割算法

交互式图像分割通过先验信息指导获取图像中人们感兴趣的部分,但是现有算法无法在效率和精度上实现平衡。为了解决此问题,提出了一种基于超像素和随机游走的快速交互式分割算法(random walk on superpixel, SPRW)。首先,将图像预分割为具有局部相似性的超像素区域,使用像素颜色均值对超像素区域表示;其次,根据人工标记的先验信息建立F-B图结构,扩展随机游走的范围,并使用随机游走的方法求解,获得硬分割结果;最后,针对分割结果的边界不光滑问题,提出改进的抠图算法(fast robust matting, FRB)进行二次处理,得到软分割结果。在BSD500和MSRC数据集上的实验证实,所提出的硬分割方法与其他算法在时间和平均交并比等指标上有较大优势;在Alpha Matting数据集上的实验充分证实所提出的软算法在提高效率的同时精度也有一定的提升;此外,在生活照更换背景的实验上展现了该算法的应用价值。     

A model of finite-step random walk with absorbent boundaries

This paper proposes a model of finite-step lattice random walk with absorbent boundaries. We address a problem of optimal stop for this model, which is defined as the absorbent boundary value with maximum profit. Compared with many existing optimal stop investigations in the random process, our study only considers the small-sample behaviour (i.e., small number of steps behaviour) and does not consider the limit behaviour of the walk. The optimal stop time is given based on classical probability computation. Since the small-sample is more practical and common than the large-sample in many real world problems, the result obtained in this paper may provide some useful guidelines for real applications associated with the finite-step random walk such as the stock market and gambling games.     

基于类圆映射的多目标粒子群优化算法

针对多目标优化求解的问题,提出一种基于类圆映射的多目标粒子群优化算法(qMOPSO).首先,利用类圆映射技术将高维空间的解集映射到二维坐标平面,监控粒子种群的进化状态.其次,为了兼顾种群的收敛性和分布性,采用类圆占优和类圆扇块距离的概念设计了新的档案集管理策略.另外,根据种群分布熵变化情况,选择全局最优粒子,指导种群进化方向.最后,基于换维思想和淘汰机制,采用一种新的综合管理策略,提高种群寻优性能.所提算法采用三类测试函数和五种对比算法进行了对比实验.仿真实验证明,该方法是正确、有效的.     

基于用户偏好的信任网络随机游走推荐模型

为了提高推荐算法评分预测的准确度,解决冷启动用户推荐问题,在TrustWalker模型基础上提出一种基于用户偏好的随机游走模型——PtTrustWalker。首先,利用矩阵分解法对社会网络中的用户、项目相似度进行计算;其次,将项目进行聚类,通过用户评分计算用户对项目类的偏好和不同项目类下的用户相似度;最后,利用权威度和用户偏好将信任细化为不同类别下用户的信任,并在游走过程中利用信任用户最高偏好类中与目标物品相似的项目评分进行评分预测。该模型降低了噪声数据的影响,从而提高了推荐结果的稳定性。实验结果表明,PtTrustWalker模型在推荐质量和推荐速度方面相比现有随机游走模型有所提高。