虚拟手抓握动作的Petri网模型及其仿真实现

虚拟手的运动建模是三维人机交互研究中的一个关键问题.虚拟人在执行维修作业的过程中,不可避免地需要徒手抓握操作对象或维修工具.为此,该文提出了一种基于位置/变迁Petri网的虚拟人手抓握动作模型.该方法以关节化虚拟手的几何建模和关节约束分析为基础,描述了抓握动作的Petri网模型,通过仿真循环叠代和关节插值计算,实现关节链上各个关节的运动控制,并基于面向对象的技术设计实现了典型抓握动作.最后,基于人体建模与仿真软件Jack,设计并实现了一个虚拟手抓握动作的Petri网,仿真和实验结果表明所述方法简便易行,能够满足虚拟维修作业的要求.     

基于主动视觉的车辆实时检测

针对高速公路环境下车辆检测问题,分别对车前方的车辆和车旁超车车辆设计了基于主动视觉的车辆实时检测算法.算法首先通过标志线检测算法获得高速公路上的标志线信息,在标志线信息的引导下在低分辨率图像中通过车辆底部阴影特征搜索感兴趣区域,然后在感兴趣区域进行高分辨率图像处理,利用前方车辆的后视图灰度对称性特征和边缘特征完成前方车辆的快速检测;对于车旁超车车辆,算法在相邻车道设置检测窗口,通过检测窗口内的纹理变化信息,检测车旁超车车辆;最后利用消失点的信息进行车辆确认.实验表明,算法能快速准确地检测到公路上的车辆,具有较好鲁棒性和实时性,能够满足系统的实时性要求.     

一个基于结构化特征匹配的月面三维重建方法

基于图像建立三维月面地图对于月球车任务规划、导航控制具有重要意义。本文提出一种基于参数化轮廓结构特征匹配的月面三维重建方法，该方法从月面立体图像中提取特 征物的轮廓特征，通过参数化轮廓特征匹配恢复特征物的三维信息，从而建立三维月面地图。本文以Apollo 15登月计划的着陆区域为例，建立了一个三维月面地图。     

神经网络增强学习的梯度算法研究

针对具有连续状态和离散行为空间的Markov决策问题，提出了一种新的采用多层前馈神经网络进行值函数逼近的梯度下降增强学习算法，该算法采用了近似贪心且连续可微的Boltzmann分布行为选择策略，通过极小化具有非平稳行为策略的Bellman残差平方和性能指标，以实现对Markov决策过程最优值函数的逼近，对算法的收敛性和近似最优策略的性能进行了理论分析，通过Mountain-Car学习控制问题的仿真研究进一步验证了算法的学习效率和泛化性能。     

基于变尺度编码CMAC的增强学习控制器及其应用

研究了一种基于变尺度编码CMAC神经网络的增强学习控制器设计方法,并应用于以自行车平衡为模型的非线性随机系统的学习控制中.该方法通过对Markov决策过程状态空间的变尺度重叠量化编码,实现基于CMAC的多分辨率值函数逼近,从而有效地提高了增强学习控制器对连续状态空间马氏决策问题的泛化性能.针对自行车学习控制的仿真研究表明,采用变尺度编码CMAC进行值函数逼近的增强学习控制器能够获得优于已有表格型方法和均匀编码CMAC方法的学习效率和泛化性能.     

基于车辆动力学的轨迹跟踪器设计

轨迹跟踪是移动机器人导航中的核心问题之一。针对非完整运动约束车辆,利用反馈线性化方法设计了轨迹跟踪器,仿真研究了跟踪算法的鲁棒性。最后,介绍了工程实现中参数观测器设计等相关问题。     

嵌入式车道跑偏告警系统设计

为提高汽车驾驶的安全性,减少高速公路上由于车道跑偏而造成的巨大损失,基于DSP计算和FPGA计算,构造出一套基于视觉的嵌入式车道跑偏告警系统.重点介绍了系统的框架结构以及硬件实现方式,详细研究并解决了视觉系统中大容量数据的传输、存储和处理而造成的带宽问题,采用FPGA内部构造FIFO及DSP上支持的PDT传输方式,加快总线上的数据传输,提高总线的利用率,满足系统的实时性要求.最后,基于构造的系统,设计了典型的视觉处理算法和应用于车道跑偏决策的软件算法,验证了系统的可行性.     

一个基于虚拟现实技术的车辆仿真系统

自主车辆的研制过程中,应用仿真的方法,对控制器进行分析设计是一个重要阶段。在对控制器性能进行评价时,控制对象的选择是一个关键的问题,可视化的控制对象,有形象直观,易于理解的优点,可以简化评价的过程。该文以汽车理论为基础,结合自主车辆的研制,应用虚拟现实技术,实现了一个车辆动力学模型的仿真系统,重点介绍了车辆的纵向、侧向动力学模型,在这些模型的基础上,实现了车辆动力学模型与几何模型的结合。文章最后介绍了作者利用该仿真系统进行的一些研究工作。     

协作多机器人系统研究进展综述

协作多机器人系统是近年来机器人研究的热点,具有良好的应用前景.针对开展相关研究的迫切需要,总结了协作多机器人系统研究的国内外发展现状,并分别对无意识协作的仿生多机器人系统和有意识协作的异构多机器人系统研究进行论述.重点从系统构建和优化控制的宏观角度出发,对有意识协作异构多机器人系统的体系结构、环境感知以及优化控制3个方面的研究进展分别展开论述;对典型的多机器人验证任务和软硬件实验平台进行了总结;最后对协作多机器人系统的研究方向进行了展望.