基于贝叶斯核主成分分析的远距离地形标记方法

由于非结构化室外场景外观特征分布存在动态不确定性以及映射偏移特性,因此在室外移动机器人自主导航的过程中采用预确定外观特征并不能非常有效地进行地形标记.为了解决此问题,提出了基于贝叶斯核主成分分析(BKPCA)的远距离地形标记方法.该方法融合了基于贝叶斯公式的聚类中心后验概率,且采用自定义的核函数,实现了原始特征数据结构在低维空间上的保持,能够提取出适合当前场景地形标记的外观特征.实验结果表明,BKPCA模型有效地提高了远距离地形标记的精度.     

管道机器人在弯道处通过性的研究

提出了一种描述管道机器人弯道通过性的数学模型,该模型由一组组合约束构成.通过对约束方程的分析讨论,得出了规律性的结论.管道机器人在弯道处的姿态、单元体的几何尺寸、行走轮结构形式对其通过性都有不同程度的影响.所提出数学模型是管道机器人弯道自主行走控制策略设计和相应结构设计的理论基础.     

基于人脸识别与光流追踪的移动机器人视觉导航方法

针对移动机器人视觉导航中跟踪目标丢失的问题,提出了基于人脸识别与稀疏光流算法(KLT)结合的移动机器人视觉导航方法(FR-KLT视觉导航方法)。采用OpenCV库中的Haar特征提取人脸识别算法实时检测识别目标人脸,通过Harris角点检测获取目标人体特征点,对目标人体进行精准定位;KLT光流追踪法测算目标移动趋势,并预测目标下一刻大致位置。目标人体位置变动时移动机器人对目标进行实时追踪导航。通过Pioneer-LX机器人在真实环境下试验,验证了该方法准确识别并跟踪目标的实时性和有效性。     

基于分解四元数的自适应姿态四元数卡尔曼滤波

基于Clifford代数的四元数卡尔曼滤波在融合陀螺/加表/磁强计以估计姿态时,由于四元数各参数与欧拉角不是一一对应关系,无法独立估计各个欧拉角.这样即使重力观测量是可信的,受到干扰的磁场观测量也会影响整个估计结果.为了消除磁场观测量对四元数中横滚角和俯仰角分量的影响,对四元数进行分解,以重新组合重力/磁场观测量.同时,为了减少载体附近磁场和线性加速度干扰对姿态估计的影响,构造了观测噪声自适应算法和观测量自适应干扰补偿.消费级微机电系统(micro-electro-mechanical system,MEMS)传感器的实验结果表明,对比四元数卡尔曼滤波的原型,改进后的抗干扰能力明显提升.但由于自适应过程引入了两个经验参数,这使得其工作范围和抗干扰能力有待考验.     

基于小波分析的MEMS加速度计去噪优化算法

针对惯导系统中MEMS加速度计输出漂移误差较大的问题,本文在对噪声分析建模的基础上,提出了一种小波阈值去噪优化算法.利用Allan方差分析加速度计输出噪声特性,构造噪声模型,并设计了一种基于多尺度阈值函数的去噪方法.该方法有效克服了传统软、硬阈值函数的局限性,且在各尺度上选取不同的调节系数优化滤波性能,算法适应性强.仿真结果表明,该方法在信噪比、均方根误差和波形相似度方面均有明显改善,较之传统阈值去噪算法信噪比提高了5 dB,并能在一定程度上提高系统导航精度,100 m范围内相对误差降低2.69％.     

车载惯性导航仪快速初始对准技术

为了完成车载惯性导航仪在静基座下的对准与标定,提出采厢两位置对准方案.在惯性导航仪粗对准的基础上,建立了含有解算速度项的初始对准模型,并选取水平速度作为观测量.为了兼顾对准时间,采用自适应Kalman滤波器对失准角、惯性器件常值误差和随机误差进行实时估计,完成初始对准和标定.通过多次水平转台对准试验,表明在400 s对准时间内,方位角误差减小到0.7°以内,水平姿态角误差减小到0.04°以内,同时对系统中水平惯性器件的常值误差做出了估计,更加有利于导航精度的提高.     

基于LOM的人工智能教学资源整合与个性化学习导航

学习对象元数据(LOM,Learning Object Metadata)是IEEE采用的一种表示学习对象(教学资源)信息的规范,本文采用LOM规范管理网络教学资源,通过LOM中的"关系"元素表示教学资源之间的依赖关系,构造从LOM到扩展知识结构图的转换接口,从而利用基于扩展知识结构图的教学规划方法为学习者提供个性化学习导航。以人工智能教学资源整合和学习导航为例加以说明。     

基于Dempster-Shafer证据理论的匹配区多特征适配性分析方法

匹配区的适配性分析在景象匹配视觉导航中至关重要。目前已有很多匹配区适配性分析特征指标,但都只能片面说明匹配区的适配性。试图将多种特征指标进行综合,解决不同特征指标对适配性分析的冲突性,提出一种特征指标适配置信度和不确定置信度的度量方法,利用Dempster-Shafer (D-S)证据理论对置信度进行融合,得出匹配区适配综合置信度,实验验证了该算法的有效性。     

单目视觉人工路标辅助的移动机器人导航方法

室内机器人在采用里程计法长距离导航时,定位精度下降很快,以及以往人工路标定位方案的识别准确率低,又难以满足导航实时性的要求. 针对这些问题,本文设计了能快速准确识别的人工路标,从而来修正机器人里程计法导航的累计误差,并通过卡尔曼滤波将人工路标和里程计法的定位信息有效地融合起来. 实验结果表明,数字人工路标的识别准确率高,且识别速度满足导航实时性的要求,该方法有效地提高了移动机器人里程计法导航时的精度和鲁棒性.     

一种基于图复杂度的移动导航服务回归测试优先方法

随着现代移动导航服务的实时化、智能化发展,导航服务算法日益复杂,影响其服务质量的因素众多,使得移动导航服务测试验证较为困难。文中提出一种基于图复杂度的移动导航服务回归测试优先方法,该方法通过设定导航服务区域,基于图复杂度理论,提出可达交叉点数、交叉点的交叉度、可达路段数、最短可达路线的路段数等5个优先指标,用于对回归测试数据优先排序,以提高移动导航服务的回归测试效率。