一种改进的多机器人协作实时FastSLAM算法

针对FastSLAM1.0中机器人缺乏自身定位测量修正引起的累积误差和FastSLAM2.0引入测量修正引起算法复杂度增加的问题,提出一种改进的基于辅助测量的多机器人协作实时FastSLAM算法,使用双机器人协同工作,领头机器人负责完成同时定位与地图构建任务,辅助机器人通过静态相对位置测量为领头机器人提供实时定位测量修正.该辅助测量方法不仅为SLAM任务执行机器人提供较准确的定位测量值,同时也避免了FastSLAM2.0算法中额外的算法复杂度问题.实验结果表明算法既可以获得较高的精度,而且方便可行,具有较高实用价值.     

基于头脑风暴算法的FastSLAM2.0算法

针对FastSLAM2.0算法粒子权值退化与粒子多样性丧失导致机器人定位建图精度下降的问题,提出了基于头脑风暴算法改进FastSLAM2.0算法.通过头脑风暴算法替换FastSLAM2.0算法重采样过程,首先将重要性采样后的粒子权值作为头脑风暴算法中个体评判的适度值,根据适度值大小差异完成K-means聚类操作;其次对聚类后的集合进行变异操作,并取消头脑风暴算法中个体选择操作,从而实现改进头脑风暴算法替代FastSLAM2.0算法重采样过程,缓解粒子的贫化现象,增加粒子多样性,最终实现对机器人定位建图精度的提升.在机器人定位建图实验中,对比经典FastSLAM2.0算法和基于遗传算法改进FastSLAM2.0算法,提出的算法定位精度最高,相较于经典FastSLAM2.0算法,提出算法定位精度提升了63％,稳定性提升了55％.     

一种具有噪声干扰的MIMO非线性时变系统自适应控制

针对含噪声多输入多输出不确定非线性时变系统,提出一种基于多维泰勒网(MTN)的自适应控制方案,其中两个MTN分别用来实现优化控制和非线性滤波.首先,提出多维泰勒网控制器(MTNC)以实现实时跟踪控制.将滤波输出与期望值之间的闭环误差作为MTNC的输入,根据系统不确定因素引起的误差,基于稳定的学习率,设计线性再励的自适应变步长算法以快速更新MTNC权值.其次,提出多维泰勒网滤波器(MTNF)以消除测量噪声.由于定义了测量值与MTNF输出之间误差的Lyapunov函数,自适应MTN滤波系统兼具基于Lyapunov理论的自适应滤波(LAF)和MTN的特有性质.最后,通过在Lyapunov意义下选取适当的权值更新律,可使MTNF输出渐近地收敛到期望信号,并证明了滤波器的收敛性和稳定性.仿真结果验证了所提出方案的有效性.     

一种基于SR-UKF的FastSLAM算法

标准FastSLAM算法存在着粒子集退化和线性化误差累积的缺陷。针对上述问题,提出了基于平方根无迹卡尔曼滤波(SR-UKF)的FastSLAM算法。SR-UKF选取一组能够代表状态向量统计特性的代表点带入非线性函数处理后重新构建出新的统计特性;使用SR-UFK取代EKF来估计每个粒子的后验位姿提议分布,可以提高粒子采样精度,减缓粒子集的退化;同时SR-UKF可以确保协方差矩阵的非负定,保证了SLAM算法的稳定性。仿真实验结果表明,基于SR-UKF的FastSLAM算法在估计精度和鲁棒性两方面均优于FastSLAM 2.0算法。     

利用FastSLAM框架的多自治水下航行器同时定位与跟踪算法

协同定位是共融机器人研究领域的重要问题.协同定位方案的制定受限于机器人间信息交互的能力.针对长时间通讯中断时多自治水下航行器(AUV)协同定位精度明显下降的问题,借鉴同时定位与制图(SLAM)方法,提出了基于FastSLAM框架的同时定位与跟踪(SLAT)算法.将主AUV视为非合作目标,在从AUV上建立起一个关于主AUV的运动估计器,利用从AUV上声呐传感器实时获取的相对量测信息,在对主AUV运动状态估计的同时,完成对从AUV自定位精度的提升.仿真实验结果表明,在长时间通讯中断发生的条件约束下,相比于传统的航位推算方法,所提出的SLATF1.0和2.0算法能够有效减小定位误差,2.0算法对于探测精度变化等因素的影响具有更好适应性.     

改进自适应对消算法在工业噪声处理中的应用

分析了工业环境噪声的特点,将自适应噪声对消算法应用到工业噪声的处理当中.在传统最小均方(LMS)算法及基于Lorentzian函数的变步长LMS算法的基础上进一步进行约束稳定性条件处理,提出了一种约束稳定性变步长LMS算法,并在Matlab平台上进行了仿真验证.结果表明:算法具有更快的收敛速度以及更小的稳态误差,并且能有效地降低梯度噪声对算法性能的影响.     

未知观测噪声时机器人同步定位与地图构建

对未知观测噪声的机器人同步定位与地图构建问题,提出基于神经网络PID自适应学习观测噪声的机器人同步定位与地图构建算法.已知系统噪声为高斯分布,噪声的方差未知,但其真值是在某个有限集合内.设计一个由神经网络PID控制器、观测噪声调整以及中值滤波构成的噪声在线辨识单元.通过自适应在线辨识观测噪声,并进行新息协方差平均值滤波,迭代修正观测噪声协方差,实现机器人同步定位精度的在线提高.实验表明,该算法可降低观测噪声先验信息不足的影响,减小定位误差.     

基于自适应渐消无迹粒子滤波的UnscentedFastSLAM算法

针对机器人导航无迹快速同步定位与地图构建（Unscented FastSLAM）算法由于重采样造成样本粒子退化,进而导致估计精度下降的问题,提出一种基于自适应渐消无迹粒子滤波的Unscented FastSLAM算法。该算法将无迹粒子滤波与渐消滤波相融合产生自适应建议分布函数,同时将粒子根据权值进行优化组合,仅对组合后的部分不稳定的粒子进行系统重采样。通过这两方面使系统具有高度自适应性的同时保证粒子的多样性,缓解粒子的退化现象。仿真实验表明,提出算法与Unscented FastSLAM算法相比,可以用较少的粒子实现更高的SLAM的估计精度,很大程度上降低了SLAM算法的复杂度。     

一套完整的基于视觉光流和激光扫描测距的室内无人机导航系统

提出了一套室内四旋翼无人机控制, 导航, 定位和地图构建的完整解决方案. 无人机机载系统包括三个主要传感器, 即惯性测量单元, 下视相机和激光扫描测距仪. 经过处理, 融合这些传感器的测量数据, 无人机能够可靠的估计自己的飞行速度和实时位置, 并且沿着室内的墙壁进行无碰撞飞行. 通过收集一个完整飞行实验的数据, 无人机的飞行路径和在室内的环境也可以被很好地估计出来. 这套系统中的自主导功能不需要任何远程传感信息或脱机计算能力. 这套室内导航方案的性能和可靠性已在实际的飞行实验中被验证.     

快速SLAM算法的一种新的滤波架构

FastSLAM算法是同时定位与地图创建领域的一类重要方法,UPF-IEKFFastSLAM2.0算法采用UPF估计机器人的路径,地图估计则采用IEKF算法。UPF算法使粒子向后验概率高的区域运动,提高了估计精度,并且UPF算法比普通粒子滤波算法需要更少的粒子数,因而可以降低计算复杂度;IEKF算法通过迭代观测更新过程来提高估计精度。仿真实验表明,当迭代次数小于等于2时,UPF-IEKFFastSLAM2.0算法的地图估计累计时间比UPF-UKFFastSLAM2.0算法短;当迭代次数为2时,其估计精度高于UPF-UKFFastSLAM2.0算法。综合考虑估计精度和计算复杂度,认为"UPF-IEKF"是一种更合理的FastSLAM算法滤波架构。     

基于改进脉冲噪声检测的新型滤波算法*

通过分析脉冲噪声图像的数值特征,为了快速和准确地滤除图像脉冲噪声并能很好地保持图像的细节,提出了基于改进脉冲噪声检测的灰度图像和彩色图像非线性自适应滤波算法。该算法首先通过改进的噪声检测方法把图像中的噪声点标志在噪声标志矩阵中,然后采用改进中值滤波方法并有限制地自适应调整滤波窗口对灰度图像中的脉冲噪声给予有效滤除。在此基础之上,分别采用该方法对彩色图像的三个RGB子图像进行单独滤波,然后利用通道融合技术得到最终的彩色滤波图像。经过实验仿真并与国内外相关文献提出的算法相比,本方法不仅思想简单、快速、易于实现     

信号点自适应生长算法和图像脉冲噪声的抑制

针对脉冲噪声的抑制问题,提出了一种利用图像中未被污染的信号点向外自适应生长来消噪的快速自适应算法。算法首先利用信号阈值判决区间提取出输入图像中未被污染的信号点形成信号矩阵并作标记,同时计算信号密度;然后利用信号密度自适应控制信号点按一定幅度向外生长;最后对生长后的信号矩阵进行归一化处理和修正,得到滤波结果。与当前消噪算法相比,所提出的算法在消噪效果和复杂度方面优势较为明显。     

AUV同时定位与跟踪研究

由于低精度航位推算系统带来的累积误差,自治水下航行器（AUV）在未知环境中的定位准确性会随着时间的推移变得越来越差。当环境中有非合作体运动时,AUV不但可利用自身携带的声纳传感器对其探测并利用基于模型的目标跟踪方法估计非合作体轨迹,而且可以同时利用探测到的与非合作体的相对信息来提高自身定位精度。在同时定位与制图（SLAM）方法中的FastSLAM算法框架的基础上提出了同时定位与跟踪（SLAT）算法,即设置多个估计粒子,利用每个粒子中的粒子滤波器（PF）和扩展卡尔曼滤波器（EKF）分别估计AUV和非合作体的轨迹,并能根据实际量测与粒子估计量测之间的差别赋予粒子权值,继而得到多粒子加权的最终估计。最后仿真验证了算法的有效性。     

移动机器人在未知环境下的同步定位与地图重建方法-一种改进的FastSLAM算法

在标准FastSLAM中, 随着重采样次数的增加会出现十分严重的粒子退化现象, 从而导致机器人位姿估计的一致性很差. 针对FastSLAM算法的这一缺陷, 提出一种改进的FastSLAM算法. 此算法在标准FastSLAM的重采样条件判断中, 额外考虑了粒子权重协方差和每个粒子的测量残余一致性, 并且使用指数等级选择算法进行新粒子的生成. 通过仿真实验可以看出, 改进的FastSLAM算法不但可以明显地提高机器人位姿估计的一致性, 而且能够很好地保持粒子多样性.     

具有噪声干扰的非线性时变系统多维泰勒网辨识和控制

针对含噪声不确定非线性时变系统,提出一种基于多维泰勒网(MTN)稳定的自适应控制方案,其中3个MTN分别被用来实现非线性滤波、系统辨识与自适应控制.首先, MTN滤波器(MTNF)用来消除测量噪声,以得到无随机干扰的模型输出.然后, MTN辨识器(MTNI)用来表示系统动态映射且比传统神经网络泛化能力更强.而后,MTN控制器(MTNC)用来实现系统精确跟踪控制,其中时变被控对象由MTNI辨识并将其动力学特性信息实时提供给MTNC使其"光滑"自适应.此外,利用改进的灵敏度计算方法来剪除MTNI和MTNC的冗余输入和冗余中间层回归项.最后,证明基于MTN的闭环系统稳定性,并给出最优学习率以期实现快速学习.仿真结果表明,该方法具有精确的辨识能力、良好的跟踪性能和较强的抗干扰能力,可实现含有不确定性、随机因素和时变特性的非线性系统自适应实时控制.     

An improved adaptive string searching algorithm

Sunday's OM algorithm can reduce the number of character comparisons by making use of information of character distribution in an alphabet. Smith's adaptive algorithm uses dynamic statistics to reduce comparisons and its performance is close to that of the OM algorithm in the number of character comparisons. Smith's algorithm has the advantage of language independence. Its drawback is that it runs slowly because of maintaining an ordering list. This paper presents an improved adaptive method which dispenses with the ordering list. This method treats the pattern as a circle, and first compares the mismatched character in the last checking operation. This methods is slightly worse than Smith's method in the number of character comparisons, but it much better in the running time. © 1998 John Wiley & Sons, Ltd.     

融合IMU的RGBD-SLAM算法改进研究

Kinect采集的图像数据特征点稀少或缺失时,会导致RGBD-SLAM算法的定位和3D构图发生定位失效和极大构图误差,为此提出一种结合惯性传感器IMU、体感传感器Kinect以及机器人本身运动状态的改进定位算法。通过对姿态先比较再融合,利用IMU的测量数据对位移构建预估模型,利用Kinect位姿估计的结果构建观测模型,将机器人的运动指令和运动限制作为约束条件进行扩展卡尔曼滤波(extended Kalman filter,EKF)融合,改善机器人的定位效果。实验结果表明,该方法能够有效提高机器人的定位精度,改善RGB-D SLAM算法的构图效果。     

时变系统的统一和通用的最优噪声估值器

对于带相邻及同一时刻相关噪声的时变系统,基于Kalman滤波理论提出了统一和通用的最优噪声估值器,包括观测噪声估值器和输入噪声估值器,提出了统一和通用的固定点和固定区间的最优噪声平滑器,它们为解决状态和信号估计问题提供了新的工具.一个仿真算例说明了其有效性.     

具有未建模动态的时变关联系统的鲁棒分散自适应镇定

针对一类具有动态、静态关联项和未建模动态的时变关联系统,通过利用反推设计方法和σ-修正自适应律,研究了鲁棒分散自适应镇定问题．当时变参数的变化率及未建模动态的幅值分别在某些范围内变化时,证明了闭环系统的所有信号都有界,且每一个子系统的输出与系统参数的变化率有关．仿真例子验证了控制方案的有效性．     

An all-coefficient adaptive control method for a class of nonlinear time-varying systems

In this paper, the extension of the all-coefficient adaptive control method to nonlinear time-varying systems is studied. A novel discretizing method is first proposed to derive the discrete-time model for a class of nonlinear time-varying systems. The characteristics of the coefficients of the discrete-time model are derived by this method, based on which the all-coefficient adaptive control method is given for the class of nonlinear time-varying systems. Sufficient conditions on the closed-loop stability ...