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。     

三维地震体数据方向场估计算法

数据的方向场估计算法在许多领域有着关键的应用。这里针对三维地震体数据提出了基于梯度场的局部方向估计算法。这种算法充分利用了三维体数据中类似指纹图像的"脊谷线"的结构,在一个局部窗口中根据各点的梯度场确定其方向场并估计出代表该点方向强度的方向一致性,这种方向一致性是三维地震数据处理中的一种重要属性,可以利用它进一步作图像的分割处理。这种基于统计的方法可以提供精度较高的方向信息并对噪声有良好的抑制效果。     

某4×4车动力传动系统扭振计算与试验

为了寻找桌四轮驱动特种车辆动力传动系统发生故障的原因,首先利用自主开发的车辆动力传动系统扭振分析软件TVSIM建立了扭振分析模型,完成了固有频率、固有振型的计算.然后采用LMS的扭振测试模块对该车动力传动系统的扭振进行了测试和分析.理论计算和试验结果均表明,该车动力传动系统基本不存在扭转共振问题.以此为指导,将解决措施聚焦在零件设计和加工方面,通过改进设计和严格控制加工质量等措施,彻底解决了动力传动系统的故障,扭振计算和试验结果的正确性也在一定程度上得到了验证.     

前驱体制备与氮化还原法合成AlN粉的物相分析

采用溶胶凝胶工艺制备了铝源和碳源的均匀混合物,分析了铝源与碳源的比例对合成氮化铝物相的影响规律,研究表明,在一定的碳铝比范围内生成很纯的氮化铝粉体,比值较小时含有较多的氧化铝相,较大时含有的碳很难排除完全,并且也容易发生氮化铝粉体的氧化,使纯度降低。对铝源与碳源的混合物通过高温氮化还原煅烧处理,分析了煅烧温度与合成物相的关系,随着温度的提高,形成的氮化铝峰明显增强,直至合成纯的氮化铝相,并与氧化铝通过氮化还原法制备氮化铝粉体的煅烧温度进行了比较,明显降低了合成纯氮化铝粉体的煅烧温度。     

用响应面法优化β-环糊精包合白术挥发油工艺

利用β-环糊精（β-CD）的特殊空腔结构对白术挥发油进行包合,以包合物收率及苍术酮利用率为综合指标进行考察.通过对超声法、水溶液法、研磨法3种包合方法的比较,选取超声工艺进行包合.经过单因素实验得到对超声包合工艺影响较大的因素.在此基础上,采用响应面法优化超声包合工艺得到最佳包合工艺条件：包合时间为30.88 min,包合温度为60 ℃,超声强度为497.94 W,蒸馏水与β-CD的质量比为13.72,β-CD与挥发油的质量比为6.06.     

一个基于三维动态图形的工业机器人仿真离线编程系统

介绍笔者在ＳＧＩ图形工作站上开发的实用化的工业机器人仿真离线编程系统（ＩＲＤＳＳ），该系统以丰富多样的图形功能为基础，可进行工业机器人的建模、工作空间分析、结构设计、工作单元布置、路径规划、机器人本体及与环境的干涉碰撞检验、任务语言描述和动画仿真等。     

基于AUC 优化的非线性主动学习算法及其在障碍物检测中的应用

针对障碍物检测中因样本量过大而造成的标记困难以及样本分布不均衡等问题,提出了一种基于AUC 优化的非线性主动学习算法．该算法的计算处理过程是：首先利用基于AUC 优化的算法在训练集上对非线性分类 器进行训练;然后利用已训练好的分类器对所有未标记样本进行分类;接着利用基于AUC 优化的样本选择函数计 算分类后的样本的得分;最后算法根据分值大小选出最有信息量样本,并且专家根据该样本所在的图像及在图像中 位置对其进行标记并放入训练集中．重复上述过程,直到AUC 收敛为止．在户外环境图像库上进行了实验,结果表 明：该算法能显著减小数据标记的工作量,并能解决因样本分布不平衡而引起的次优解问题,与已有主动学习算法 相比性能更优．     

掺杂剂含量对钽粉性能的影响

分析了掺杂剂对电容器级钽粉性能的影响,重点分析了不同掺杂剂含量下钽粉的物理性能、化学成分及电性能的变化。研究表明,在相同的工艺条件下,随着掺杂剂含量的增加,钽粉的氧含量有增加趋势,钽粉的松装密度、费氏粒径呈降低趋势,-0.043 mm细粉含量有所增加,漏电流、容量及收缩率呈上升趋势、击穿电压呈下降趋势。     

改进YOLOv3的非机动车检测与识别方法

随着交管部门对非机动车监管力度的增强,在道路交通监控视频中检测和识别非机动车将逐渐成为电子交警系统的必备功能。由于非机动车密度大,容易互相遮挡,且在监控视频中所占面积往往较小,容易出现检测定位不准确和漏检等问题。针对非机动车检测定位不准确和漏检问题,基于YOLOv3,提出一种改进的非机动车检测与识别模型,通过设计新的特征融合结构降低非机动车漏检率,使用GIOU损失提高定位准确度。实验结果表明,所提出的改进模型在自建真实复杂场景非机动车数据集上取得了优于YOLOv3的检测结果,将检测的平均检测准确率（mAP）提高了3.6%。     

局部相位相关用于图像亚像素级配准技术研究

提出了一种基于局部相位相关的高效和鲁棒的亚像素级图像配准方法。通过传统的相位相关算法估计出初始平移参数后,在初始位置的引导下对互相关功率谱进行上采样矩阵Fourier变换,实现了图像局部相位相关,得到图像间亚像素级平移参数。实验结果表明,算法配准精度较高,且对随机噪声和光照变化具有较强的鲁棒性。