排序方式: 共有18条查询结果,搜索用时 20 毫秒
1.
针对未知环境下移动机器人路径规划问题,以操作条件反射学习机制为基础,根据模糊推理系统和学习自动机的原理,提出一种应用于移动机器人导航的混合学习策略.运用仿生的自组织学习方法,通过不断与外界未知环境交互从而使机器人具有自学习和自适应的功能.仿真结果表明,该方法能使机器人学会避障和目标导航任务,与传统的人工势场法相比,能有效地克服局部极小和振荡情况. 相似文献
2.
无线传感器网络技术的发展与推广,受到供电问题的制约。研究了一种供电系统,为解决无线传感网络的供电问题提供一种可行的参考方案。提出了一种基于能量自搜集的智慧城市无线感知节点供电系统,该系统采用多晶太阳能电池板搜集光能,采用温差发电片搜集热能,以压电陶瓷为基础制作的悬臂梁实现了对振动能的采集,并将搜集到的能量转化为稳定的直流电能并进行智慧化存储管理,为本系统的无线传感器模块供电。该系统最短可在177 s内将超级电容充电至4 V,或将搜集到的能量稳定地储存到锂电池中,从而为无线感知节点持续供电。所研究的系统在无线传感器网络技术领域具有广阔的应用前景。 相似文献
3.
城市综合管廊是建设智慧城市的重要基础设施之一,WSN作为先进技术在城市综合管廊的监控中发挥重要作用,在构建WSN时考虑到城市综合管廊建筑结构的空间性,提出三角形节点部署和中继节点转发方案,以提升网络的综合性能,并在此基础上,提出了适用于城市综合管廊的基于三角形部署的中继转发成簇协议(Triangle relay forwarding-Leach)。该协议改进了节点部署和簇间路由,最大限度地平衡网络的传输能力和节点能量利用率,达到延长网络生命的目的。最后,通过MATLAB仿真工具将LEACH、SEP、M-LEACH、LEACH-HC和 TRF-LEACH进行对比实验。实验结果表明TRF-LEACH协议使WSN的最佳工作时间延长 51%以上。 相似文献
4.
基于摄像机动态标定的交通能见度估计 总被引:1,自引:0,他引:1
为克服雾天能见度检测仪价格昂贵、检测范围小等缺点,该文结合雾天光线传输模型与摄像机几何光学模型提出一种交通能见度估计算法.该算法通过动态标定交通摄像机内外参数来计算路面区域内点到摄像机的距离,利用场景透射率得到大气消光系数并估计交通能见度.首先,算法基于活动图提取感兴趣区域,再根据区域内平均像素拟合曲线是否满足刃边函数对雾天进行识别;其次,通过暗原色先验原理估计交通场景中每一个点的透射率,并且选取道路上4组透射率差值最大的点对摄像机内部参数标定;然后,提取消失点及车道边缘线完成摄像机外部参数动态标定;最后,通过路面上点到摄像机的距离以及相应的场景透射率估计交通场景的能见度.该文将雾天多个交通场景下能见度值计算结果与人工观测、物理仪器测量等方法进行了比较,结果证明了该文方法的有效性与实时性. 相似文献
5.
针对两轮机器人的平衡控制问题,在学习自动机理论的框架中,提出一种基于操作条件反射学习自动机的仿生学习模型.该模型引入认知学习单元和取向单元,分别用来实现操作行为学习和指导系统进化的方向.模拟两轮自平衡机器人的平衡控制仿真实验表明,该学习模型具有可行性和有效性,能使机器人自主学会平衡控制技能,并使其具有高度的自适应能力. 相似文献
6.
为提高光载无线(radio over fiber,RoF) 传输系统中的光波信号的利用率,本文提出了一种基于两个平行马赫-增德尔调制器 (Mach-Zehnder modulator,MZM) 的RoF传输系统。两个平行MZM经射频(radio frequency,RF) 信号调制后,产生5个光边带信号,分别是正负一阶光边带、正负二阶光边带和光载波。其中正负二阶光边带使用基带数据进行调制,经光电检测器(photodiode,PD) 拍频后产生已调数据的毫米波信号,再由天线发射出去。正二阶边带和光载波经PD拍频后产生未调制数据的毫米波,该毫米波用于接收端解调的本振信号(local oscillator,LO) 。负二阶边带信号用于上行链路的光载波。在本系统中,5个光边带信号都被充分利用,提高了光信号的利用效率。此外,还分析了该系统通过色散介质的传输特性,为RoF通信系统提供了一种实用化的解决方案。 相似文献
7.
大气中混浊媒介(如雾、烟、水滴等)的存在致使户外场景图像降质,暗原色先验法对单幅图像去雾具有较好的效果,但是在处理图像时存在存储消耗大、耗时长等不足。针对这一不足,在暗原色先验原理基础上,提出一种融合双边滤波和腐蚀处理的图像快速去雾方法。该方法利用暗原色先验得到粗略软抠图,通过腐蚀处理粗略软抠图的边界点,再利用高斯型双边滤波对腐蚀后的透射图进行细化操作得到最终复原图像。实验结果表明该方法不仅达到了图像复原的要求,且比原方法在处理速度上有了较大的提高,同时还可以将其进一步应用于视频图像去雾。 相似文献
8.
为了解决传统的能见度仪价格昂贵、采样有限,以及现有的一些视频测量手段需人工标记物、稳定性差等问题,基于车道线检测与图像拐点提出一种通过固定摄像机识别雾天天气并计算道路能见度的算法。与以往研究不同,在交通模型增加了均质雾天因素。该算法主要分为三步:首先,计算场景活动图,利用区域搜索算法(ASA)结合纹理特征提取待识别区域,如果在待识别区域内像素自顶向下以双曲线形式变化则判断当前天气为雾天,同时计算区域内图像亮度曲线的拐点;其次,基于可伸缩窗算法检测车道线,提取车道线端点并标定摄像机;最后,结合图像拐点以及摄像机参数计算大气消光系数,根据国际气象组织给出的能见度定义计算能见度。通过三种场景下的能见度检测,实验结果表明,该算法与人眼观测效果一致,准确率高于86%,检测误差在20m以内,鲁棒性好。 相似文献
9.
在均质雾天下,利用光线传输模型中的距离信息和摄像机线性模型动态标定摄像机来计算不同天气条件下的车速,与以往研究不同的是将均质雾天加入到交通模型.该模型只包含路面以及运动前景,不需提取交通常见的先验信息或交通特征.首先,在活动图的基础上利用区域搜索算法(ASA)提取感兴趣区域,如果所选区域内像素以刃边函数的形式变化则当前天气为均质雾天;然后,根据暗原色先验原理计算场景透射率,选取路面区域具有特定透射率差的8个点标定摄像机,通过多帧取平均获得摄像机参数的准确值;最后,将行驶车辆的图像坐标变换为世界坐标得到实际速度.通过在3种不同天气条件下的车速计算实验结果,验证了本文算法的有效性. 相似文献
10.
针对移动机器人避障上存在的自适应能力较差的问题,结合遗传算法(GA)的进化思想,以自适应启发评价(AHC)学习和操作条件反射(OC)理论为基础,提出了一种基于进化操作行为学习模型(EOBLM)的移动机器人学习避障行为的方法。该方法是一种改进的AHC学习模式,评价单元采用多层前向神经网络来实现,利用TD算法和梯度下降法进行权值更新,这一阶段学习用来生成取向性信息,作为内在动机决定进化的方向;动作选择单元主要用来优化操作行为以实现状态到动作的最佳映射。优化过程分两个阶段来完成,第一阶段通过操作条件反射学习算法得到的信息熵作为个体适应度,执行GA学习算法搜索最优个体;第二阶段由OC学习算法选择最优个体内的最优操作行为,并得到新的信息熵值。通过移动机器人避障仿真实验,结果表明所设计的EOBLM能使机器人通过不断与外界未知环境进行交互主动学会避障的能力,与传统的AHC方法相比其自学习自适应的能力得到加强。 相似文献