面向动态环境的视觉惯性定位方法

针对传统的视觉惯性里程计在动态环境下定位精度低和系统鲁棒性差等问题,提出了面向动态环境的视觉惯性定位方法。首先,利用语义分割提取环境中的语义信息,借助环境先验信息识别出动态物体。同时,采用深度生成网络对动态物体区域进行背景修复,生成只包含静态场景的图像,并将生成的图像用于后续的特征提取和跟踪,以减弱动态物体的影响。后端构建了紧耦合的图优化模型,将视觉数据与IMU数据相互融合,在滑动窗口中以非线性优化的方式估计位姿。实验结果表明,本文方法可以有效降低动态物体对定位的影响,提高了系统的定位精度和鲁棒性。     

基于子图拉普拉斯谱的异常传感器检测及识别方法

无线传感器网络中传感器异常检测是确保数据可靠性和系统正常运行的重要环节.将无线传感器网络用图模型描述,针对图上边缘区或稀疏区的异常传感器难以检测及识别的问题,本文提出了一种基于子图拉普拉斯谱的异常传感器检测及识别方法.该方法首先对系统图进行子图划分,再将图上信号转换至拉普拉斯谱信号,然后经低通滤波器处理,将图频域信号还原至节点域信号,通过比较还原信号与采集信号来判断子图的异常情况,最后对异常子图进行分析识别.基于公开数据集验证,本文所提方法对于无线传感器网络中单个异常传感器的检测率可以达到95％以上,其漏检率与误检率为15％以下,检测效果优于其他现有方法.     

遮挡情况下刚体位姿估计的自适应无迹卡尔曼分布式融合

针对视觉目标位姿估计系统中常出现的因为特征点遮挡而造成系统估计结果不准确的问题,本文提出了一种利用自适应无迹卡尔曼滤波(AUKF)作为局部滤波器的分布式融合估计方法.通过引入改进的Sage-Husa噪声估计器自适应过程噪声.根据特征点识别量将遮挡情况分为部分遮挡和严重遮挡,对部分遮挡子系统根据先验信息修复缺失观测点后进行局部滤波估计,严重遮挡子系统不参与融合,利用当前时刻整体估计结果对其进行初始化.通过仿真获取了区分遮挡情况的阈值,实验结果表明所提方法能够提升系统在遮挡情况下的估计精度与鲁棒性.     

通信受限下网络化多传感器系统的Kalman融合估计

研究了一类通信受限下网络化多传感器系统的 Kalman 融合估计问题, 其中通信受限 是指系统在一个采样周期内只允许有限个传感器与融合中心通信. 首先, 提出了一种周期性分组传输的通信策略, 并将每组传感器所对应的局部估计系统描述成一个离散周期子系统模型. 其次, 每个子系统根据最新测量信息的更新时刻, 选择相应的 Kalman 估计器 (滤波器或预报器), 从而得到各子系统在每一时刻的一个局部最优估计, 再通过矩阵加权线性最小方差最优融合准则得到最优融合估计,并给出了Kalman融合估计器的设计方法. 最后, 通过一个目标跟踪例子验证所提方法的有效性.     

基于GPS的NCS非整数倍采样周期时延补偿方法

研究具有非整数倍采样周期时延的网络控制系统（ＮＣＳ）的时延补偿问题．针对ＮＣＳ中的非整数倍采样周期时延,基于广义预测控制算法并结合线性插值方法,提出一种新的网络时延补偿方法．该方法能得到非整数倍采样周期的控制预测值,同时通过减小执行器读取缓冲区的周期,可有效减少由于执行器时间驱动而引起的等待时延,解决了非整数倍采样周期时延的补偿问题．最后通过仿真验证了该方法的有效性．

     

具有数据包丢失的网络控制系统保性能控制

本文研究了一类具有数据包丢失的网络控制系统(NCSs)的建模和保性能控制问题.通过用两个马尔可夫链分别来描述前向通道和反馈通道的丢包过程,将闭环网络控制系统建模成具有两个模式的马尔可夫随机切换系统.基于线性矩阵不等式技术和李亚普诺夫方法得到了闭环系统随机稳定的充分条件,并给出了状态反馈保性能控制器的设计方法.最后通过数值算例验证本文结果的有效性.     

具有短时延的网络控制系统的一种鲁棒控制方法

针对具有短时延的网络控制系统, 本文提出了一种基于鲁棒控制的方法来解决该类系统的稳定化控制问题. 考虑状态反馈控制律, 将闭环网络控制系统描述为一个离散时间线性不确定系统模型, 其中的不确定部分反映了时延的时变特性对系统动态的影响. 得到了该闭环网络控制系统的渐近稳定性条件, 且该条件建立了闭环网络控制系统稳定性与两个时延参数, 即允许时延上界和允许时延变换范围, 之间的定量关系. 进一步的, 还给出了稳定化反馈控制器的设计步骤. 最后通过一个示例验证了本文所提出方法的有效性.