基于混合DSm模型的移动机器人动态环境地图构建

针对移动机器人探测动态未知环境的问题,引入了一种由贝叶斯理论和Dempster-Shafer证据理论（DST）扩展而来的新的信息融合方法——Dezert-Smarandache理论（DSmT）．采用栅格地图,并根据声纳的物理特性,在DSmT框架下建立了声纳的数学模型．运用DSmT中的高级模型,即混合DSm模型,构造了一组基本信度赋值函数（gbbaf）,用以处理动态环境下声纳获取的不确定和不精确信息,甚至于高冲突信息．借助Pioneer2-Dxe移动机器人分别进行了混合DSm模型和DST两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图．将由混合DSm模型与DST构建出的环境地图进行了比较,充分验证了混合DSm模型在未知动态环境下的有效性,为处理动态高冲突信息提供了有力的理论依据．     

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．     

基于多DSP并行处理的多机器人混合体系结构设计

本文结合机器人发展的不同时期所采用的不同体系结构,提出了一种基于多DSP并行处理的多机器人混合体系结构。该结构应用DSP硬件来支撑多机器人混合体系结构,以减少该体系结构的设计时间,保证其通用性、实时性和可靠性。通过对已有的几种不同体系结构的实验数据对比,说明了该体系结构的优越性,也为多机器人协作与控制系统的设计提供了理论基础。     

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。     

基于信息增益一致性的多机器人地图融合算法

针对多机器人协同SLAM(同步定位与地图构建)的地图融合中,由于通信距离受限或网络拓扑变化造成信息缺失、从而影响全局地图构建的问题,提出一种基于信息增益一致性原理的动态地图融合算法.该算法是完全分布式的,且不依赖于任何特殊的机器人通信网络结构.该算法利用机器人所测局部地图的历史数据和当前数据之间的新增信息,使每个机器人都能同步地获取一致的、最新的全局地图.在有限的网络连接条件下,所提出的地图融合算法能够通过渐近收敛的方式获得准确的全局地图.在每一次迭代中,每个机器人得到的全局地图都是无偏的.在实验中通过实际环境的RGB-D(彩色-深度)数据验证了算法的有效性.     

分布式检索系统中基于混合模型的多站点融合

为提高检索性能,提出将基于高斯分布－指数分布混合模型的融合方法应用于分布式检索系统的多站点融合。该方法利用高斯密度函数和指数密度函数分别描述站点检索结果集合的相关文档和非相关文档的相关分值分布,并用基于混合模型的方法对相关分值进行规范化处理,然后对规范化处理后的相关分值进行合并。该融合方法考虑到了相关文档和非相关文档在分值分布上的差异,使计算出的相关分值更加准确,而且可以为性能比较好的站点分配更高的权重值,以提高整个系统的平均查准率。实验结果表明该方法优于其它融合方法。     

多机器人协作SLAM的实时地图融合研究

针对单机器人同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法构图效率低的问题,设计了基于ORB-SLAM3的多机器人协作SLAM的实时融合方案.首先,向两个SLAM进程输入相同的关键帧并以此帧所在位姿为世界坐标系完成初始化,然后各机器人以此坐标系为基础完成定...     

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.     

自治式水下机器人多传感器信息的处理

本文提出了某自治水下机器人系统中多傅感器信息运用和处理的分层结构与方法。包括对单个傅感器静态建模,动态校正,以及对多傅感器信息的融合。在融合中应用了DEMPSTER—SHAFER证据推理方法。     

用于图像分割的多分类高斯混合模型和基于邻域信息的高斯混合模型

高斯混合模型是一种简单有效且被广泛使用的图像分割工具。然而,传统的高斯混合模型在混合成分个数确定时的拟合结果不够精确;此外,由于没有考虑像素间的空间关系,导致分割结果易受噪声干扰,且分割精度不高。为弥补传统高斯混合模型的缺陷,文中提出多分类高斯混合模型和基于邻域信息的高斯混合模型用于图像分割。多分类高斯混合模型对传统混合模型进行二重分解:传统混合模型由M个分布加权混合得到,多分类混合模型进一步将M个分布中的每一个分布分解成R个分布。即多分类高斯混合模型由M个高斯分布混合组成,而这M个分布分别由R个不同的分布混合得到,提高了模型的拟合精度。基于邻域信息的高斯混合模型通过对模型中的先验概率和后验概率添加空间信息约束,增强了像素间的信息关联和抗噪性。采用结构相似性、误分率和峰值信噪比等指标来评价分割结果。通过实验发现:与现有的混合模型分割方法相比,文中方法大幅提高了分割精度,且有效地抑制了噪声干扰。     

基于经典DSmT 的Sonar栅格地图创建

基于最近提出的一种在贝叶斯和DST扩展而来的信息融合算法DSmT(Dezert-Smarandache Theory),在实验的基础上,结合Sonar测量的基本特性,对静态结构化环境建模,并构造了广义基本信度赋值函数,利用经典DSm融合规则,融合每个栅格的声纳冗余信息,计算栅格占用的Bel.最后,以Pioneer Ⅱ 移动机器人作为试验平台,并在线对小型环境进行了3D栅格占用信度分布地图创建,其俯视图与实际2D地图中的物体外观轮廓及所在位置进行比较,其比较结果充分验证了算法的有效性,为进一步研究应用基于折扣理论的DSmT解决异类或同类非可靠多源信息融合,基于Hybrid DSmT的动态环境地图创建,以及多机器人联合创建地图和自定位奠定了坚实的基础.     

DSm组合规则的改进及其在直觉模糊集上的拓展

DSmT在组合结果中保留了冲突焦元,一方面提高了组合冲突证据能力,另一方面造成了冲突信息的积累,促使分配给主焦元的信度不合理地减小,导致组合信息的不确定性增加,不利于决策。针对DSm T存在的缺陷,提出了一种新的基于冲突再分配的组合规则。为进一步提高DSmT处理冲突、模糊和不精确信息能力,研究了DSm T在直觉模糊集上的拓展,将传统的信度赋值函数替换为直觉模糊信度赋值映射,并讨论了直觉模糊拓展后的信度组合规则。数值实例验证了所提方法的有效性。     

基于DSmT的移动机器人地图构建及传感器管理

针对智能移动机器人探测未知环境的问题,引入了一种新的信息融合方法DSmT(Dezert-Smarandache Theo-ry),采用栅格地图,并根据声纳在DSmT框架下的数学模型,利用经典DSm模型构造了一组能自动调节误差范围的声纳基本信度赋值函数(gbbaf),以处理未知环境下声纳获取的不确定和不精确信息,甚至于高冲突信息。提出了简单有效的传感器管理方法,完全消除了复杂环境下声波的多次反射和串扰现象。最后,用Pioneer 2-DX机器人分别进行了DSmT和DST(Dempster-Shafer Theory)两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图。将DSmT与DST构建出的环境地图做比较,充分验证了DSmT及提出的传感器管理方法在未知环境下的有效性,为处理动态高冲突信息提供了有力的理论依据。     

Multi-Robot Graph Exploration and Map Building with Collision Avoidance: A Decentralized Approach

This paper proposes a decentralized multi-robot graph exploration approach in which each robot takes independent decision for efficient exploration avoiding inter-robot collision without direct communication between them. The information exchange between the robots is possible through the beacons available at visited vertices of the graph. The proposed decentralized technique guarantees completion of exploration of an unknown environment in finite number of edge traversals where graph structure of the environment is incrementally constructed. New condition for declaring completion of exploration is obtained. The paper also proposes a modification in incidence matrix so that it can be used as a data structure for information exchange. The modified incidence matrix after completion represents map of the environment. The proposed technique requires either lesser or equal number of edge traversals compared to the existing strategy for a tree exploration. A predefined constant speed change approach is proposed to address the inter-robot collision avoidance using local sensor on a robot. Simulation results verify the performance of the algorithm on various trees and graphs. Experiments with multiple robots show multi-robot exploration avoiding inter-robot collision.     

一种多机器人栅格地图拼接方法的研究

多机器人协作式的同步定位与地图创建（SLAM）是自动导航领域的热点研究方向之一,SLAM技术中栅格地图拼接成为重要的技术点。针对采用SIFT算法进行地图拼接栅格的拼接速度较慢、有效匹配点较少、稳定性差等缺点,提出了一种新的栅格地图拼接方法。使用FAST算法快速选定特征点,利用PCA-SIFT算法生成36维特征描述符进行匹配,并借助最大后验一致性算法选取的最佳匹配点进行初始拼接参数计算,使用加权平均算法对待拼接的两幅栅格地图进行拼接融合。使用公开的数据集进行试验,结果表明,所提出的方法稳定性强、拼接速度快,且拼接精度高。     

基于混合聚类和自组织映射的异常检测模型

针对异常检测方法中存在的异常连接信息不足的问题设计了一种基于混合聚类和自组织映射的异常检 测模型．首先提出了一种聚类算法用以进行异常检测,然后再通过自组织映射（SOM）对检测出的异常连接进行分 类以获得其更多的异常连接信息．最后应用实验数据集进行仿真,结果表明本检测模型是有效的,能够将检测到的 异常连接进行分类并由其所属类别给出该异常连接的更多信息,且检测和分类的效率比较高,误报率低．?     

WSN中基于DSmT的车辆识别方法研究

车辆识别技术是无线传感器网络(wireless sensor network,WSN)智能交通应用中的关键技术.由于实际部署环境的复杂性,由传感器节点获取的信息往往有一定的不确定性,而且不同信息之间会有冲突发生.通过分析实测数据,引入Dezert-Smarandache Theory(DSmT)推理理论,提出一种新颖的物理量构造基本信任指派模型,融合车速与传感器对车辆的响应强度信息,从而获得机动车与非机动车等车型信息.实验结果证实了所构建的基本信任指派模型的可行性以及基于DSmT的车辆识别方法的高效性.通过与基于DST的车辆识别的结果进行比较,发现DSmT方法在处理高冲突性信息方面具有更好的性能.     

基于激光传感器的移动机器人地图的创建

未知环境下地图的建立,是移动机器人导航技术的关键。研究了室内环境地图的创建方法,探讨了室内环境特征直线提取方法,详细论述了地图创建面临的问题与解决方法。采用SICK公司生产的LMS100激光传感器获取环境深度信息,通过室内环境直线特征提取和局部到全局匹配的方法,获得室内环境地图信息,解决了里程计给机器人带来不确定误差。最后在机器人平台上进行实验,得到了良好的效果。实验表明,该方法具有实现容易、精确高、复杂度低等特点。