基于最小二乘法的自校准位姿方案

基于辅助测量装置中栅格板的不同位姿,构建了有关工作台误差和栅格板误差的数学模型。根据最小二乘原理将误差方程转化为正规方程。通过研究位姿方案对关系矩阵的秩的影响,归纳总结了位姿与自校准模型之间的规律。依据方程具备最小二乘解的条件,自校准过程中栅格板必须在初始位姿的基础上经过旋转90°及平移的位姿变换,并进行了仿真。研究结果表明,只有包含三种基本位姿的位姿方案才能使仿真计算值接近真实值,此基本三位姿是实现最小二乘法自校准的充分必要条件。     

基于模糊贝叶斯网络算法的智能轮椅避障

对传统BP神经网络模糊逻辑的智能轮椅避障方法在训练过程中存在的过拟合和避障路径不够优化的问题,提出了一种模糊贝叶斯网络避障算法以降低神经网络的复杂度。该算法利用模糊神经网络对隶属度函数的参数进行自主学习调整,同时为增强神经网络的泛化能力和计算能力,在网络目标函数中加入权衰减项,利用贝叶斯原理优化神经网络的结构和权值。仿真和实机实验表明,该算法在训练结果和避障效果上均优于传统BP神经网络,提高了智能轮椅避障的实时性,优化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。     

一种单目视觉位姿测量系统的误差分析方法

针对单目视觉位姿测量传统误差分析方法中只考虑单一误差因素，分析结果与工程实际有较大差异的问题，提出一种考虑多误差因素共同作用的误差分析方法。根据单目视觉系统的测量范围和相机参数建立其位姿测量模型；综合考虑相机内参、镜头畸变、图像点、靶标三维点等误差因素，将其同时引入位姿测量模型进行分析；分析抑制不同参数误差及提高相机分辨率等在多误差因素共同作用下对位姿测量结果的影响，找到最有效的精度优化方法。采用小型机械臂手眼定位中的单目视觉位姿测量系统进行实验，结果表明通过抑制相机径向畸变误差和提高相机分辨率，能够有效地提升该系统的位姿测量精度，位姿精度分别提升6.57%、4.21%和5.88%、5.54%。     

基于数字图像相关法的空间目标位姿测量

针对传统立体视觉位姿测量方法中必须事先确定计算点的数量和位置的局限性,提出了一种基于三维数字图像相关法(3D-DIC)的空间目标位姿测量方法。该方法通过3D-DIC获得被测物不同时刻的全场坐标信息,根据提取的相应计算点坐标,结合空间向量求解空间目标的位姿参数。该方法可灵活选取计算点的数量和位置,并相应提出了计算点数量最优比条件。通过位移旋转台和六自由度平台分别对复杂形貌特征的面具试样进行了多位姿参数测量的实验验证。实验结果表明,计算点数量满足最优比条件时位姿测量精度最高,计算点的位置对测量结果影响较小,六自由度平台的测量误差在允许范围之内。所提出的3D-DIC位姿测量方法可在较小的误差范围内实现对空间目标多个位姿参数的测量。     

光神经形态计算研究进展与展望(特邀)

脑科学与类脑研究是国际必争战略性前沿。人工智能与深度学习的飞速发展对算力提出了迫切需求。而传统的冯诺依曼架构,由于存算分离导致功耗墙和内存墙,摩尔定律也逐渐放缓。光神经拟态计算充分融合高速光通信、光互连、光集成、硅基光电子与神经拟态计算的特点,具有超高速、大带宽、多维度等优势,在高性能计算、人工智能领域有广阔的应用前景,是突破后摩尔时代传统微电子计算极限极具竞争力的方案。本文回顾了国内外主要研究团队在光神经元、光突触、光神经网络的理论、算法及器件方面的工作,并提出了展望。     

深度学习在高能物理领域中的应用

深度学习是一类通过多层信息抽象来学习复杂数据内在表示关系的机器学习算法。近年来,深度学习算法在物体识别和定位、语音识别等人工智能领域,取得了飞跃性进展。文章将首先介绍深度学习算法的基本原理及其在高能物理计算中应用的主要动机。然后结合实例综述卷积神经网络、递归神经网络和对抗生成网络等深度学习算法模型的应用。最后,文章将介绍深度学习与现有高能物理计算环境结合的现状、问题及一些思考。     

排爆机械臂逆运动学的模拟退火神经网络算法

采用传统方法计算没有封闭解的机械臂的逆运动学运算量大、精度无法保证,对于复杂结构很难满足实时精确控制的要求。六个并行三层双隐层前馈神经网络被设计用来解决排爆机器臂的逆运动学问题,神经网络的应用受到输出误差的限制,需要减小网络输出误差。针对机械臂结构,以神经网络输出为初始值,对网络输出关节变量进行实值编码,采用分离位姿模拟退火算法对的机械臂末端位置、姿态分别进行优化。仿真结果显示,该方法有效的减小了网络输出误差,在运算结果精确性和运算速度方面满足排爆机械臂求逆运动学解的要求。     

双护盾硬岩隧道掘进机位姿测量系统

针对隧道施工中双护盾硬岩隧道掘进机位姿的精密测量需求,设计了一种组合式位姿测量系统。系统把单目视觉和激光标靶相结合,在利用激光标靶和全站仪完成掘进机后盾体位姿测量基础上,通过所设计的光学特征点空间分布模型,实现特征点的准确识别,根据特征点之间已知的几何约束关系和摄像机的透视投影模型,进行实时的图像处理和位姿解算,实现掘进机前盾体相对后盾体位姿的非接触式测量。系统建立了光学特征点、智能视觉传感器、激光标靶和全站仪之间的坐标转换关系,搭建了模拟双护盾硬岩隧道掘进机位姿变化的实验平台,并利用全站仪进行精度验证,最终完成掘进机全方位的实时位姿测量。实验结果表明:在30 m×3 m测量范围内,系统测量精度优于5 mm。测量系统具有精度高、抗噪声能力强和实时性好等优点,可满足隧道施工中双护盾硬岩隧道掘进机位姿的精密自动测量要求。     

未标定相机的高精度位姿估计方法

针对未标定相机的位姿估计问题,提出了一种焦距和位姿同时迭代的高精度位姿估计算法。现有的未标定相机的位姿估计算法是焦距和相机位姿单独求解,焦距估计精度较差。提出的算法首先通过现有算法得到相机焦距和位姿的初始参数;然后在正交迭代的基础上推导了焦距和位姿最小化函数,将焦距和位姿同时作为初始值进行迭代计算;最后得到高精度的焦距和位姿参数。仿真实验表明提出的算法在点数为10,噪声标准差为2的情况下,角度相对误差小于1%,平移相对误差小于4%,焦距相对误差小于3%;真实实验表明提出的算法与棋盘标定方法的精度相当。与现有算法相比,能够对未标定相机进行高精度的焦距和位姿估计。     

计算神经网络与智能计算机

计算神经网络是模拟大脑并行分布式信息处理的功能，研制具有人脑风格的智能化计算机的边缘交叉学科，也是计算机、光电子学、超导材料、信息和智能应用高科技的核心，成为人类步入２１世纪时世界上发达国家激烈竞争的一个全新的、迅速发展的科学领域。     

基于机器视觉的最大似然位姿估计算法

针对现有位姿估计算法对采样数据不做任何的统计假设,缺少评判标准等问题,从信号的概率密度函数出发,推导了基于机器视觉的最大似然位姿估计的一般形式,并证明利用单幅图像时,在各向同性高斯噪声情况下传统迭代算法与最大似然估计等效。推导了位姿估计的克拉美-罗界,给出了位姿估计的方差下限。根据仿真结果可以看出,利用10张图像时,最大似然算法在噪声功率大于5dB的情况下,性能明显优于传统迭代算法,证明适当增加图像数可有效提高估计性能。     

一种面向空间非合作目标位姿测量应用的三维点云滤波算法

针对激光位姿敏感器获得的原始点云有噪声和直接参与解算消耗星上计算资源过大问题,给出一种适用于空间非合作目标位姿测量的点云滤波和特征提取算法。应用仿真的方法分别验证了算法滤除空间随机噪声和点云降采样的有效性,验证了特征点对目标位姿变化和高斯测量噪声的鲁棒性。在非合作目标绕飞、抵近、捕获全物理试验平台上,以扫描激光位姿敏感器获得的原始点云数据为输入,验证了算法在实际空间目标位姿测量中的性能。试验结果表明,该算法实现了原始点云93.1%的降采样,节省了92.9%的位姿解算时间,可有效提升星上数据处理的效率和姿态解算的实时性。     

基于三线阵CCD空间目标的高精度位姿解算

为了解决三线阵CCD空间目标位姿测量的精度问题,提出一种高精度位姿解算方法。该算法将所有线阵CCD相机的坐标系进行统一化处理。通过建立一个新的误差评价函数,运用改进的正交迭代算法求解位姿参数,并进行非线性优化。仿真和实际测量结果表明,该算法有效避免了因数据恶化或初值选取等因素造成的不收敛或收敛差的问题。与传统算法相比,该算法测量精度和抗噪特性均得到有效改善,计算效率提高了4.6倍,实际测量的6个自由度的最大相对误差为0.71%。该测量系统可实现对空间目标的高精度实时测量,且具有安装方便、应用范围广等优点。     

单目移动机器人相对位姿估计方法

针对单目机器人在运动过程中，相邻关键帧之间基线过短造成的相机相对位姿无法恢复的问题，提出了一种利用已知特定参照物迭代优化本质矩阵，从而快速分解出机器人相对位姿的方法。该方法首先利用已知特定参照信息获取本质矩阵估计值，然后通过相邻关键帧之间匹配的特征点组和本质矩阵估计值对本质矩阵迭代优化，最后通过本质矩阵的约束关系求得平移向量估计值，利用基于李群的姿态表示得到旋转矩阵估计值，并进一步优化得到唯一解。该方法避免了由于基线过短而无法恢复相机相对位姿的弊端。实验结果表明，该方法可快速解算并优化机器人相对位姿关系，且相对位移估计绝对误差小于0.03 m，优于传统方法。     

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点。针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法。以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证。仿真结果表明：使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。     

单目视觉的同时三维场景构建和定位算法

同时场景构建和定位算法是机器人自主导航的重要组成部分.针对传统算法不能应用于室外环境和缺乏定量分析的缺点,提出了一种单摄像机恢复场景三维结构和摄像机位姿的新算法.提出了视频序列关键帧提取方法,降低了运算复杂度;利用特征点对和摄像机内参量计算场景三维结构和关键帧的位姿并提出一种估计关键帧位姿的简便方法;最后,提出一种兼顾优化效果和运算复杂度的自适应光束法平差算法优化场景结构和摄像机位姿,并生成适于机器人导航的数字高程图.室内和室外多种场景下的定量和定性实验结果表明,绕行误差低于4%,该算法能够接近实时准确实现同时场景构建和摄像机定位.     

面向单向器星轮自动化装配的视觉检测定位

针对传统单向器星轮人工装配效率低下问题,分析了单向器星轮装配过程,构建了基于计算机视觉技术的工业机器人自动化装配方案。首先利用CCD摄像机捕捉星轮表面形貌图像,然后利用Open CV视觉库进行了摄像机标定,再结合图像噪声去除,Hough圆检测,轮廓提取等技术,实现了星轮位姿的非接触式视觉检测。最后以单向器为例验证了该检测方法的有效性,机器人通过视觉获取的星轮位姿信息完成自动化装配。     

光脉冲神经网络研究进展

被称为第三代人工神经网络的脉冲神经网络,是最接近人脑的神经拟态算法。与传统人工神经网络相比,脉冲神经网络具有硬件友好性和更高的能量利用率。与电子学脉冲神经网络相比,光子计算的光脉冲神经网络具有速度快、能耗低、延迟低、并行度高以及抗电磁干扰的优势。介绍了光脉冲神经网络的起源,从光脉冲神经元、神经网络架构、学习训练算法等方面介绍了光脉冲神经网络的研究进展、存在的问题与挑战,并展望了光脉冲神经网络的前景。     

基于深度相机的特殊表面定位与修复

由于成像原理限制,深度相机无法获得非朗伯体高反射面和透明物质的真实深度值,造成模型缺失甚至重建失败。针对特殊表面的三维重建问题,提出一种定位特殊表面并优化位姿追踪的方法。通过累计零深度区和时序一致性约束优化对特殊表面进行定位。对深度数据置信度进行评估,并采用空间、时间两个维度上非平均的位姿计算方法来减小透明物质对位姿计算的影响。实验结果表明,在自然场景中,所提方法能够仅通过消费级相机采集的深度数据完成包含特殊表面的三维模型重建与修复,位姿追踪更加准确,模型精度更高。     

激光投影成像式运动目标位姿测量与误差分析

为了实现室内运动目标位姿的高精度测量,建立了一套激光投影成像式位姿测量系统.该系统利用两两共线且交叉排列在同一平面上的点激光投射器作为合作目标捷联在运动目标上,通过与光斑接收幕墙的配合共同组成运动目标位姿测量基线放大系统,利用高速摄像机实时记录幕墙上投影光斑的位置,利用摄像机标定结果求解投影光斑的世界坐标,利用投影光斑之间构成的单位向量建立运动目标位姿解算模型.最后,根据测量原理推导了图像坐标提取、摄像机外部参数标定、光束直线度与目标位姿解算结果之间的误差传递函数.实验结果表明,当摄像机的视场范围为14 000mm×7 000mm时,测量系统的姿态角测量精度为1′(1δ),位置测量精度为5mm,且误差大小与目标位姿测量误差传递函数理论计算值一致,验证了本文提出的目标位姿测量方法与测量误差传递模型的准确性,能够满足目标位姿测量高精度的要求.