室内动态环境下基于网格分割与双地图耦合的RGB-D SLAM算法

为解决室内动态环境下现有RGB-D SLAM（同步定位与地图创建）系统定位精度低、建图效果差的问题,提出一种基于网格分割与双地图耦合的RGB-D SLAM算法。基于单应运动补偿与双向补偿光流法,根据几何连通性与深度图像聚类结果实现网格化运动分割,同时保证算法的快速性。利用静态区域内的特征点最小化重投影误差对相机进行位置估计。结合相机位姿、RGB-D图像、网格化运动分割图像,同时构建场景的稀疏点云地图和静态八叉树地图并进行耦合,在关键帧上使用基于网格分割和八叉树地图光线遍历的方法筛选静态地图点,更新稀疏点云地图,保障定位精度。公开数据集和实际动态场景中的实验结果都表明,本文算法能够有效提升室内动态场景中的相机位姿估计精度,实现场景静态八叉树地图的实时构建和更新。此外,本文算法能够实时运行在标准CPU硬件平台上,无需GPU等额外计算资源。     

复杂路段的角度差和后续点地图匹配方法

针对仅依靠距离和轨迹与路径的相似性来判断正确道路的方法,在并行和交叉路段的复杂路网环境中,易匹配到相邻路段或部分不可达的路段,导致匹配错误的问题,提出采用线性回归模型的方法,其能更精确地描述道路形状在转弯处的变化,根据路段方向和移动对象移动的方向差判断并行或交叉路段,并通过参照多个后续点的匹配情况,实现复杂路段处的地图匹配,减少匹配错误。此外,还提出简化聚类的路网补全方法,可以解决部分GPS点周围缺失候选路段无法匹配的问题,并采用四叉树索引地图数据,提高效率。对比实验结果表明在轨迹点数较少时,与现有的基于隐马尔可夫模型的概率匹配方法相比,时间最多减少了62%,更适合时效性要求高的应用场景,与传统的几何匹配方法相比,匹配精度提高了3%,且更适合复杂路段匹配。     

电磁空间态势研究现状综述

面对日益复杂的电磁环境,电磁空间态势因其整体性、动态性、关联性、可视性、海量性、多维性等特点,为提升用频系统综合性能、实现移动通信系统频谱共享及保障重大安保活动频谱安全等提供了重要的理论支撑,已经逐渐成为国内外频谱领域最具活力的研究方向之一。本文从电磁空间态势的角度出发,重点介绍了国内外电磁空间态势研究的相关技术,并进一步系统性介绍了国内外的代表性工作。最后,总结了电磁空间态势研究的重要性与发展现状,并提出了该领域在未来面对的挑战。     

基于热力图实现广电新业务精准营销

近几年,互联网视频给广电行业带来了巨大冲击。广电为了留住收视群体,紧跟时代潮流,不断推陈出新各类精品新业务新产品,但是,目前大部分用户对广电的印象依然停留在直播电视上。本文基于广电IT支撑平台的大数据,创建用户模型,筛选目标客户数据实现热力地图的构建,再依据热力地图制定高效精准的营销策略,培养用户的使用习惯,提高用户黏性,实现新业务新产品的推广。     

一种基于局部特征的栅格地图拼接方法

栅格地图拼接是多机器人协作创建地图的必不可少的环节。提出一种基于局部特征的栅格地图拼接方法,旨在克服传统算法拼接效率低、拼接成功率低等问题。该方法先对栅格地图拼接建立数学模型,然后转化为图像匹配问题。搭建非线性金字塔,利用FAST算法定位特征点,使用PCA-SIFT算法建立描述符进行匹配,借助随机采样一致性优选匹配点,得到初始参数,并提出一种新型的栅格地图拼接规则。实验表明,该方法鲁棒性好、拼接速度快、拼接精度高。     

基于高斯混合模型最大期望聚类的同时定位与地图构建数据关联

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联的观测值数目,在局部区域内采用GMM最大期望聚类算法对当前时刻的观测值进行分组;其次,在各观测小组中采用联合兼容分支定界算法进行数据关联;最后,综合各观测小组的观测值同局部地图特征得到的关联解,得到最优的关联结果.仿真实验结果表明,基于高斯混合模型最大期望聚类分组的SLAM数据关联算法在保证数据关联准确度的前提下,计算复杂度得到了降低,缩短了运行时间.     

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。     

一种基于多层代价地图的移动机器人导航方法

当前移动机器人导航方法大多数是改善局部路径规划的反应式导航而没有充分考虑全局环境中的行人,借助全局范围的行人感知,提出并实现一种基于多层代价地图的全局路径规划方法。首先基于行人感知进行个人空间和群组交互的社会代价建模,基于行人轨迹预测生成包含预测阶段社会代价的多层动态代价地图,提供预测阶段的社会约束信息。全局路径规划器在动态代价地图基础上定义代价函数进行最优状态的启发式搜索,引入“规划-预测-执行”时序周期进行动态规划。最后通过和传统路径规划器在行人运动、群组交互等仿真、实际场景下进行对比试验,该方法对应路径长度、执行时间更短,和人/群组保持的距离更符合社会性。     

融合语义激光与地标信息的SLAM技术研究

针对移动机器人在SLAM（即时定位与地图构建）过程中出现的定位失真问题,提出一种通过搭建地标数据库和位姿推导模型,修正机器人错误定位的方法。建图过程中,融合视觉信息与激光数据,得到语义激光,赋予地标语义标签并记录其在地图上的位置信息。导航过程中,当产生定位偏差时,结合多种位姿数据和相对位置关系,推算出机器人在地图上的实际位置,完成重定位。通过实验测试可知,该方法克服了现有机器人在实际室内动态环境下,单一地采用激光或视觉进行定位或重定位技术的缺点和不足,能有效解决“机器人位置漂移问题”。将机器人从当前位置劫持到另一位置,也能根据提出的算法迅速重定位,且定位精度高。     

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.