基于视觉的机器人自主定位与障碍物检测方法

针对稀疏型同时定位与地图构建(SLAM)算法环境信息丢失导致无法检测障碍物问题,提出一种基于视觉的机器人自主定位与障碍物检测方法。首先,利用双目相机得到观测场景的视差图。然后,在机器人操作系统(ROS)架构下,同时运行定位与建图和障碍物检测两个节点。定位与建图节点基于ORB-SLAM2完成位姿估计与环境建图。障碍物检测节点引入深度阈值,将视差图二值化;运用轮廓提取算法得到障碍物轮廓信息并计算障碍物凸包面积;再引入面积阈值,剔除误检测区域,从而实时准确地解算出障碍物坐标。最后,将检测到的障碍物信息插入到环境的稀疏特征地图当中。实验结果表明,该方法能够在实现机器人自主定位的同时,快速检测出环境中的障碍物,检测精度能够保证机器人顺利避障。

多无人机动态侦察资源分配问题研究

为提高多无人机动态侦察分配效率,更好地满足现代战争对多无人机动态侦察实时性的要求,建立了多无人机动态侦察资源分配模型。该模型将动态任务分配问题转化为多阶段静态分配问题,利用状态更新方法对各阶段静态分配问题的初始状态进行更新,从而提升整体分配效率。采用改进的人工蜂群算法对该模型进行求解,在选择蜜源阶段采用双向进化以增加种群的多样性,提高了算法的寻优能力。仿真结果表明,动态侦察资源分配模型相较于传统的静态分配模型具有侦察效率高、续航能力强的优势,且更适用于大规模无人机集群作战情况。

二阶多智能体系统的量化迭代学习控制

针对带有领导者的二阶多智能体系统的一致性跟踪问题,引入对数量化器,在系统状态误差和系统状态量化的情形下,分别设计了基于量化信息的一致性误差。利用对数量化器的性质,对一致性误差进行转化,使其与量化密度有关。结合迭代学习控制方法,提出了基于一致性误差的迭代学习控制协议,并推导了给定系统在所设计的量化协议下实现一致性的收敛条件。最后对两种情况下的控制协议进行了仿真分析,仿真结果表明了所提方法的有效性。