位姿自适应卡尔曼滤波SLAM信标循迹的研究

实时定位和地图构建算法(SLAM)作为一种机器人定位并自主循迹行驶的重要方法,其位姿估计和关键点信标循迹的研究是一项核心问题。针对现有各类改进的SLAM算法在信标循迹的定位效率低、循迹精度差、总体耗时长等缺陷,提出了一种位姿自适应的卡尔曼滤波SLAM算法。针对SLAM系统的数学模型,建立了位姿自适应的基本描述方法,结合卡尔曼滤波对SLAM进行整体优化,消除了噪声干扰造成的系统偏差。通过计算机仿真实验研究,相对于Hybrid-SLAM、Fast-SLAM、EK-SLAM三种改进的SLAM算法,模拟机器人在不同随机采样点的位移偏差趋势角度更低,同时信标点定位总精度分别提升了0.219 m、0.236 m、0.437 m,平均角度偏差分别提升了2.14°、1.76°、1.18°,循迹时间分别提升了8.543 s、11.416 s、11.878 s。改进方法在关键点信标定位、路径规划和自动驾驶等方面的具有较好的应用价值。

基于NSGA-Ⅱ改进GSO算法的并网型微电网多目标优化调度研究

并网微电网的优化调度是微电网在并入大电网的前提下,对微电网优化协调控制,使整个系统的能源利用率达到最大。为解决传统智能算法在优化调度的过程中容易陷入局部最优、收敛速度慢及准确性差等问题,使用NSGA-Ⅱ算法对传统的萤火虫算法(GSO)进行改进,改进后的算法可以较快地跳出局部最优,并提高算法的全局搜索能力。以微电网系统运行成本最低和环境污染最小为优化目标,建立优化调度模型,最后通过MATLAB仿真,检验了算法可以较快地跳出局部最优并有效降低运行成本。改进后的GSO算法与NSGA-Ⅱ算法、GSO算法及PSO算法3种算法进行比较,运行总成本分别减少6.5%,4.4%,3.5%。迭代次数与运行时间的减少表明改进后的GSO算法可以更快地收敛于最优位置,并有效地减少系统运行成本。

基于代数建模的改进加权融合算法的图像拼接技术

广泛应用的图像识别与拼接技术,是机器视觉、数字图像处理中的关键环节。相同或相似场景的两幅甚至多幅图像,可以在时间、角度差异的状况下进行空间对准。针对旋转图像拼接融合过程中精度较差的问题,提出了一种基于代数建模的改进加权融合算法的图像算法。该方法在SIFT特征匹配的基础上,使用了改进的加权算法融合图像,并使用渐进渐出的方法消除了图像旋转带来的影响,最终快速完成了图像拼接。实验结果表明,该算法的融合效果好,可以有效的提升图像数据融合的精确度,大幅度提升了拼接质量。