主动万向脚轮式全向移动机器人的关节空间多传感器信息融合算法

鉴于主动万向脚轮式全向移动机器人运动学矩阵与其脚轮转向关节的位置有关,因此脚轮的运动误差会同时降低机器人的里程计和速度控制精度.因传统的工作空间信息融合算法无法有效提高脚轮运动精度,本文提出一种基于卡尔曼滤波的关节空间多传感器信息融合算法.新算法首先预测机器人的工作空间状态,然后通过逆向运动学将其解算到关节空间,随之在关节空间内进行数据融合,以提高脚轮运动精度,最后利用脚轮运动的最优估计来更新各关节角度和机器人里程计信息.仿真实验验证了该算法可有效减少脚轮运动的误差,使机器人的运动学矩阵更接近其真实状态,从而提升了机器人的里程计和速度控制精度.     

基于SIFT算法的移动机器人同时定位与地图创建

研究了基于尺度不变特征变换（SIFT）算法的移动机器人同时定位与地图创建（SLAM）方法,即在视角改变情况下,用SIFT算法对不同图像进行特征匹配,根据极线几何原理得到摄像头的旋转角度,将之与里程计的角度信息融合,从而实现较准确的自我定位与地图创建.实验表明：本方法利用电荷耦合器件（CCD）摄像头和里程计间内在的几何关系来实现SLAM,提高了低成本移动机器人的定位精度.     

基于数码体视显微镜的微小物体三维重建

将显微双目系统看作一个整体,提出了基于极线校正的体视显微镜三维重建方法.根据平行双目成像原理建立简易的三维重建模型,实现了对实验物体的三维坐标恢复.首先,采用近似欧式极线校正算法校正原始拍摄立体标定图像,并只需标定2个三维重建参数;然后用非局部代价聚合匹配算法匹配立体图像得到视差值;最后根据立体成像几何法得到物体三维重建坐标.实验结果表明:X和Y方向测量误差为3%,Z方向测量误差为3.2%~9.1%,故在允许误差下可用于测量微小物体的三维尺寸.     

基于云模型的混合粒子群算法的统一混沌系统时变参数辨识

统一混沌系统是在内部参数改变时系统随之变化的一族混沌系统.为了求解统一混沌系统的辨识问题,提出了一种基于云模型的混合粒子群算法.该算法通过引入基于云模型的进化与变异策略提高辨识精度,通过交叉操作提升收敛速度,并利用抗差优化模型进一步提升算法的抗扰动能力.实验结果表明,在加入扰动的统一混沌系统中,该策略能够精确的辨识出时变参数,可有效避免算法陷入局部最优,且具有收敛速度快及抗扰动能力强的优点.     

基于扩展信息滤波的多机器人SLAM研究

运用信息滤波算法实现多机器人SLAM,根据对机器人运动结构和刚体约束建立多机器人运动模型,用里程计和激光测距传感器建立多机器人观测模型,并运用SLAM方法建立全局地图,不断更新该地图的同时完成校正多机器人位姿．根据理论推导,利用信息滤波算法解决多机器人SLAM问题,仿真实验也结果表明多机器人定位精度良好．     

基于变分高斯混合模型的图像分割算法

提出了一种基于变分推断的高斯混合模型的图像分割算法. 该算法首先用贝叶斯混合高斯模型对图像的特征进行建模, 并针对模型的参数学习问题, 利用变分推断算法估计模型的参数及其后验概率; 这种方法比采样法的计算量更少, 而且能够根据图像数据自动优化混合个数, 实现了模型的自动选择. 最后, 该算法在Berkeley的自然图像集上进行的实验结果与经典的图像分割算法进行了比较, 结果表明此方法得到的图像分割结果精度较高, 具有较好的性能.     

一种简单的可得到闭式解的姿态估计方法

针对基于模型的姿态估计问题提出了一种新颖的深度估计算法,该算法能根据特征点对而不是单个的特征点与相机的几何关系,直接计算出相机运动前后特征点的深度.根据该深度估计技术,进一步提出了一种简单的可得到闭式解的运动参数估计方法.该姿态估计方法实时性高、便于实际应用,其方法的有效性得到了实验验证.     

基于遗传算法的静态环境全局路径规划

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题.作者提出了基于遗传算法的静态环境下机器人全局路径规划方法.该方法首先提出机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,然后将需规划的路径的二维编码简化成一维编码,并把免碰撞要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真表明,提出的全局路径规划方法是正确和有效的.     

基于增强现实的物体运动仿真设计与实现

针对如何在增强现实(Augmented Reality, AR)的虚拟环境中体现物体运动仿真时运动学与动力学特性的问题, 设计了一套将AR技术与物体运动仿真集成, 通过模型建立、标记物注册、运动仿真交互控制、增强场景实时渲染等步骤设计物体AR运动仿真系统. 该系统由运动学仿真模块和动力学仿真模块组成. 运动学仿真模块的设计和实现以刚体绕定轴转动和平面四杆机构的几何运动为例, 通过移动标记物进行运动学仿真的交互控制. 动力学仿真模块的设计和实现以曲柄滑块机构惯性运动为例, 通过改变输入参数进行动力学仿真控制. 最后以机械类课程教学中平面四杆机构急回特性学习和曲柄滑块机构动力学方程求解为例进行实际应用. 结果表明, AR运动仿真系统提供了直观的高交互操作运动学与动力学仿真环境, 通过可视化能帮助学生理解相关的理论知识, 进而实现虚实融合的智慧化运动仿真教学.     

基于立体视频传输失真模型预测参数研究

针对现有的基于递归计算的像素级立体视频传输失真模型没有完善的预测参数求取算法,提出了一种基于立体视频传输失真模型的自适应立体视频预测参数的求取算法.该算法根据立体视频时空域特性,确定未丢失的帧间编码宏块采取的运动估计方法,并采用时域或者视间视差补偿的方式确定端到端预测失真及隐藏失真,进而确定时域和视间预测参数.结果表明:该算法与传统的预测参数固定取值算法相比,各视点的失真误差都有所减小,且对各种特性的序列有较好的适应性.     

可变高度激光里程计在室内不平整地面环境下的地图构建

针对可变高度激光雷达的结构特点提出了一种基于线、面特征的匹配算法, 并应用于存在不平整地面的结构化的室内环境. 首先提取激光点云中的边缘点和平面点, 并使用随机抽样一致性算法拟合成线段和平面; 然后根据线段与平面几何关系提出特征匹配条件, 完成特征之间的匹配; 利用特征间的匹配关系构建约束方程求解机器人位姿; 最后把机器人竖直方向位姿变换信息补偿到激光点云中, 并把纠正后的有一定高度的激光点云压缩成二维激光构建室内栅格地图. 实验结果表明, 与常用的二维激光同时定位与构图算法Gmapping对比, 在地面不平整的室内环境构建的地图得到了改善, 提高了移动机器人的构图精度.     

三维彩色扫描系统定标

传统视觉系统定标方法中,控制点应较均匀地分布于三维空间,但这种方法成本很高,针对此问题,本文提出采用定标板垂直移动的方式代替三维定标模块或控制场,在移动中的多个不同位置拍摄图像,进行不同的组合,做整体的计算,这样既达到三维的效果,显著增加控制点的数量,且又操作简便,制作容易,可以取代定标模块.实验结果表明,该方法具有很好的精度和稳定性.     

非正方形像素之二值图形的面积计算

采用一种新的计算方法对非正方形像素进行度量换算,进而确定二值图像图形的真实面积.度量换算采用3个已知直径的实心圆形样本.先在水平和垂直方向上获取毫米/单位像素换算系数,然后将该系数分别对图形所覆盖的非正方形像素在水平和垂直方向上进行标准公制长度换算.通过求得图形的像素个数总和进而计算图形的真实面积.利用最小平方曲线拟合的方法对计算面积进行进一步的修正优化.用新方法算出的图形面积与相应的真实面积比较,结果显示该方法具有较满意的精确性,可以在解决有关图像分析处理的具体实际问题中得到应用.     

基于泽尼克多项式的单压电变形镜PID控制

为了提高变形镜的控制精度及简化控制, 提出采用基于泽尼克(Zernike)多项式的PID控制算法, 实现对单压电变形镜的闭环反馈控制. 首先, 建立基于Zernike多项式的PID闭环控制模型. 其次, 搭建基于哈特曼波前传感器的自适应光学测试平台, 使用62单元单压电变形镜进行闭环控制实验. 最后, 通过相位片模拟扰动像差, 并对扰动像差进行实时PID闭环校正. 实验结果表明: 在相位片旋转速度和外界扰动像差相同的条件下, 采用基于Zernike多项式的PID控制算法对波前像差进行校正, 比采用直接反馈方法校正精度提高了50%左右. 证明采用基于Zernike多项式的PID控制算法能提高单压电变形镜动态像差的校正精度以及简化控制系统.     

分布式高频地波雷达阵列幅相误差的校准方法

针对分布式高频地波雷达系统,研究了阵列幅相误差的校准方法.该方法利用方位已知直达波信号的多普勒谱来估计阵列幅相误差,不需要估计协方差矩阵和进行特征分解.与利用海洋回波中的单DOA谱点进行通道校准的传统自校准方法相比,该方法的计算量和时间损耗大大地降低.仿真和实测数据的对比验证分析表明了通过直达波进行阵列幅相误差校准可以获得稳定的幅度、相位校准值,校准后MUSIC谱估计的准确性和稳定性得到明显的提高.     

摄像机标定精度研究中的图像及数据处理问题

在计算机视觉测量系统中，摄像机的标定精度对保证测量结果的可靠性起着至关重要的作用，本文利用数学形态学探讨了图像处理的精度，并论述了豪斯荷尔德矩阵分解法在确保求解数值稳定性中的作用，最后通过对标定块上特征点进行三维重建的精度分析，验证了摄像机的标定精度。     

基于改进卷积神经网络的数控机床旋转轴热误差建模方法

为对五轴数控机床旋转轴的热误差进行更精确地预测,解决变工况条件下预测精度不佳与热误差数据获取困难的问题,提出了基于改进卷积神经网络的热误差建模方法.采用激光干涉仪与热成像仪采集不同温度下的角度定位误差与热图像,对热误差进行傅里叶函数拟合,将预测目标由不同角度下的热误差转变为拟合函数参数.在VGG网络模型架构上,引入SKNet注意力机制,以提高模型对变工况下的热图像特征提取水平,并采用全局平均池化代替全连接层,以改善过拟合情况.将建立的模型用于热误差预测,结果表明,旋转轴热误差预测RMSE在升温状态下为8.36″,降温条件下为9.57″,预测精度达90%以上,优于普通卷积神经网络模型.结果证实了所提方法在旋转轴热误差建模中的有效性.     

基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.