基于EPOS的激光导航移动机器人运动控制研究

为了提高移动机器人运动控制精度,满足移动机器人精确运动的需要,研制了一种以EPOS运动控制器为核心、采用激光导航的移动机器人运动控制系统。为验证运动控制系统的正确性和有效性,采用Lyapunov函数设计出一种速度跟踪控制算法。移动机器人轨迹跟踪实验结果表明,该控制系统精度高、实时性好、可以满足移动机器人在各种环境中的行走需要。

一种简便的计算机视觉定位方法

提出了一种基于计算机视觉的物体姿态定位方法,该定位方法只需对物体上事先设定的一个矩形的4个顶点进行处理,即可按照特征点之间的矢量几何关系来获取摄像机坐标系中物体姿态的封闭解。该方法原理可靠,计算方便快捷,具有高精度、快速实时的优点。实验表明,该方法具备了较高的实用价值和理论意义。

基于轻量卷积网络多层特征融合的人脸表情识别

基于深度学习的表情识别方法存在参数量大、实时性差等问题,针对此问题,提出一种基于轻量卷积网络的多层特征融合的人脸表情识别方法。首先使用改进的倒置残差网络为基本单元搭建轻量卷积网络模型,然后采用池化、1×1卷积、全局平均池化法筛选卷积网络中的浅层特征,并对这些筛选的浅层特征与深层特征进行融合用于表情识别。在两个常用的真实表情数据集RAF-DB和AffectNet上对所提方法进行测试,识别准确率分别达85.49%和57.70%,且模型参数量仅有0.2×10^(6)。

基于多任务监督学习的实时室内布局估计方法

室内布局估计是计算机视觉领域的研究热点之一,在三维重建、机器人导航和虚拟现实等方面具有广泛的应用。目前室内布局估计的解决方案存在实时性较差、计算量较大等问题。针对这些问题,本文提出了一种基于多任务监督的轻量卷积网络,该网络模型基于编码器-解码器结构,使用室内边缘热图与平面语义分割实现多任务监督学习。此外本文对卷积模块进行了改进,使用1×1卷积替换了1×3、3×1卷积,在保证模型精度的情况下提升了网络的实时性。在公共数据集LSUN上进行实验,结果表明,本文方法具有良好的实时性和准确性。