排序方式: 共有12条查询结果,搜索用时 140 毫秒
1.
2.
3.
4.
针对单一传感器有一定的误差与使用场景限制的问题,往往需要通过融合滤波技术对多传感器的测量信息进行优势互补。为改善由惯性姿态测量单元(Inertial measurement unit, IMU)与轮式里程计(Wheel Odometry)组成的航迹推算(Dead Reckoning, DR)长期使用时产生不可忽略的积分误差,以及全球定位系统(Global Positioning System, GPS)在遇到信号被遮挡或者干扰的情况下将无法正常工作等情况所引起的问题,本研究结合GPS、IMU、轮式里程计三种传感器对双轮差速机器人进行定位,以起到互补的作用,使其能够适应更加多样化的环境;同时,我们定时使用GPS模块对DR推算位置信息进行修正,并比较IMU互补滤波解算法与DMP解算法,选取效果更好的方案获取机器人欧拉角,最后使用扩展卡尔曼滤波(Extended Kalman Filtering, EKF)算法对传感器数据进行融合处理,得到机器人的最优定位。结果表明,在采用了多传感器融合的方案之后,机器人的定位精确度较之只有单一传感器的方案有了显著的提升。 相似文献
5.
互信息作为图像配准中的相关度矩阵有着广泛的应用,通常采用的是基于Shannon熵的互信息。采用一个广义的信息熵——Renyi熵,提出了一种基于广义互信息的图像配准方法。在全局搜索阶段,采用q取较小值的Renyi熵,此时,Renyi熵可以消除局部极值,再通过局部优化方法对当前的局部最优解进行局部寻优,以找到全局最优解;在局部优化阶段,使用基于q→1时的Renyi熵的归一化互信息测度作为目标函数。实验结果表明:相对于归一化互信息图像配准算法,基于Renyi熵的互信息配准算法有良好的配准效果,且提高了配准速度。 相似文献
6.
7.
为提升字体生成的图像质量,减少字体设计的人工成本,提出基于多层次通道注意力网络的少样本字体生成的方法。首先,该方法通过风格感知注意力模块获取重要的局部特征;然后设计了一个多层次的注意力机制,较浅的层只能观察图像的局部特征,而较深的层可以观察到图像的全部特征,通过聚合不同层次的局部特征来构建新的风格特征。最后,使用了内容损失函数、风格损失函数和L1损失函数优化模型的参数,稳定网络的训练,使生成图像在内容和风格上与目标字体保持一致。实验结果表明,该方法在未知样式的字体和未知内容的字体具有很强的泛化性。相比于其他方法,所提出的方法表现出更好的实验结果,能保持内容结构的完整和字形风格的准确性。 相似文献
8.
针对无人船受到风浪等不确定性干扰时易出现轨迹跟踪误差大、自适应增益范围小、滑模控制方法的抖振等问题,提出了一种新型自适应超螺旋滑模控制算法。根据无人船结构建立数学模型,引入轨迹参考点将数学模型转换为二阶系统微分方程;设计自适应超螺旋滑模控制器;构造Lyapunov函数,推导满足系统闭环稳定性的自适应增益。在考虑风阻、浪阻的情况下,将本文方法分别与超螺旋滑模控制和传统自适应超螺旋滑模控制这两种方法进行仿真实验对比。结果显示,在仿真实验的30 s中,本文方法的轨迹跟踪平均绝对误差比超螺旋滑模控制和传统自适应超螺旋滑模控制分别减少了0.60 m和0.27 m,仿真结果表明本文方法能够有效提高系统控制性能,抑制抖振,减小轨迹跟踪误差。 相似文献
9.
针对无人船模型不确定项和外界环境干扰缺乏自适应能力而使无人船乘坐舒适性降低的问题,提出一种基于长短期记忆网络(LSTM)的无人船轨迹跟踪滑模控制算法。LSTM用于补偿无人船模型不确定项和外界环境干扰,从而抑制滑模控制的抖动现象。以一艘游船为基础建立了无人船数学模型,设计滑模轨迹跟踪控制器,同时引入LSTM神经网络对无人船数学模型中的不确定项及外界环境干扰进行控制补偿,并在三种轨迹下进行了MATLAB/Simulink仿真测试。测试结果表明,基于LSTM的滑模控制算法轨迹跟踪精度高于滑模控制算法,轨迹平均绝对误差最高减小62%,LSTM神经网络能显著提高无人船的抗干扰能力。 相似文献
10.