一种基于凸壳的智能服务机器人路径规划算法

将一种基于凸壳的路径规划算法应用于体育场智能服务机器人,首先采用基于Haar特征分类器的方法确定球的坐标,采用基于颜色模型的方法确定机器人的位置及航向,并根据机器人的自身特点,将一定范围内的多个球视为一个目标点处理;然后以目标点坐标作为算法输入,采用基于凸壳的路径规划算法得到一条较优的捡球路径.该算法可以降低机器人的捡球运动代价,有效提高机器人的捡球效率.     

基于D-S证据推理的车辆导航系统地图匹配算法

研究地图匹配算法中的匹配道路的选择问题,提出基于D-S证据推理理论的地图匹配算法.根据D-S证据推理的基本原理,结合车辆行驶情况,给出当前时刻车辆位置信息和方向信息的基本概率分布函数的设计方法.按照D-S合成公式,对位置和方向信息进行融合,并根据融合结果选择匹配道路.在设计方法中,引入位置信息和方向信息的可靠性参数.仿真结果表明,该方法是行之有效的,通过适当地调整可靠性参数的值,就能识别出车辆所在的道路.     

基于离散平稳小波变换的红外图像去噪

提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。     

一种改进的视觉传感器与激光测距雷达特征匹配点提取算法

激光测距雷达与视觉传感器的配准是视觉图像与激光距离信息融合的前提。激光测距雷达与视觉传感器的配准可分为点匹配与平面匹配。由于混合像素和非结构空间特征激光点丢失现象,使得基于点匹配的视觉传感器与激光测距雷达配准算法精度难以提高。通过对混合像素和非结构空间特征激光点丢失问题的分析,提出了一种结合平面建模思想,利用假想激光光束与平面模型相交提取匹配特征点的方法。验证了实验结果并进行了算法精度比较。实验结果表明,这种改进的特征匹配点提取算法解决了特征点缺失,并且提高了点匹配的精度,使匹配性能大大地改善。     

基于标志点识别的自主车视觉导航

提出了一种基于室内标志点识别的单目视觉导航的方法。在地面上有规律地旋转一些标志点,采用辅助先验知识对标志点进行识别和分割,利用透视投影变换得到标志点与摄像机之间的相对距离,达到通过单目摄像机获得景物深度信息的目的。整个算法结构简单,易于实现,对由照明不均匀和地面反光所引起的各种干扰有较好地抑制作用。     

基于惯性参考系基准的快速传递对准方法

研究了以惯性参考系为基准的新型传递对准方法。推导了计算惯性坐标系和计算体坐标系传递对准动态误差模型,并给出了相应的"速度+姿态"观测方程。基于惯性参考系的对准方法通过链式法则将子惯导输出的姿态矩阵描述为三个变换矩阵之积,其中两个变换矩阵通过对准时间和主惯导提供的位置信息可得到精确求解,剩余的变换矩阵(子惯导体坐标系至惯性坐标系间的变换矩阵)通过子惯导陀螺仪的输出进行解算,其误差通过传递对准估计得到的失准角进行补偿。对提出的两种对准方法进行摇摆实验验证,方位对准误差优于4’(1)。与传统基于导航坐标系的方法相比,基于惯性坐标系的方法直接将误差定位到惯性坐标系上,具有算法简便的特点。     

惯性/卫星/里程计多信息融合方法及在铁路测绘中的应用

针对基于惯性技术对铁路基础设施进行精确测绘的需求提出一种多信息融合惯性基准方案,为测量测绘提供高精度位置和姿态参考。对载体运动特点和车载状态下惯性/里程组合导航航向角误差可观性进行分析,认为天向陀螺漂移和航向误差是导致测量精度下降的主要因素,针对该问题设计了基于双向滤波、双向平滑的多信息融合方案,针对缺乏绝对位置基准的应用情况,引入"正矢"概念和相对定位精度的评判方法。仿真及试验结果表明,在陀螺常值漂移0.2(°)/h条件下,该方案相对定位精度优于0.3 mm(300 m弦正矢),显著提高了车载铁路线路测绘位置、姿态基准精度,降低了对惯性器件的要求,利用中、低精度器件实现了高精度测量定位。     

基于LS-WSVM的光纤陀螺漂移辨识

提出了一种最小二乘小波支持向量机(LS-WSVM)的光纤陀螺的漂移辨识算法.该方法将Mexihat小波函数作为核函数,与最小二乘支持向量机(LS_SVM)相结合建立起通用模型;用光纤陀螺漂移数据训练通用模型,从而得到该光纤陀螺的漂移模型.并用F法则检验了该模型的适应性.试验表明,在相同条件下,与基于Gauss核函数的最小二乘支持向量机模型相比,该模型拥有更高的辨识精度.证明了用最小二乘小波支持向量机对光纤陀螺的机漂移辨识是合适的,有效的.     

基于矩阵运算的改进单纯形寻优方法

为解决单纯形法优化容易陷入局部极值的问题,通过随机设置若干初始点,利用矩阵进行多点并行搜索方法,可搜索到全部极大(极小)值点,达到全局最优化目的. 与常规的重复设置单初始点循环搜索的方法相比,该方法明显减小了初始值设置对单纯形法寻优的影响,提高了搜索速度并获得全局最优值,优化效率大幅提高. 仿真结果表明:该改进的寻优方法不仅可应用于函数极值搜索,而且应用在控制系统PID参数寻优中,能获得满意的调节效果.     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.