基于自适应Neville插值的野外移动机器人GPS定位

为满足野外移动机器人定位精度及计算轻量化需要,提出一种自适应插值算法。采用Neville插值法对GPS采集的数据进行增补,减少数据稀疏、丢失等对定位的影响。根据机器人状态动态调整插值次数,适应复杂环境,降低计算单元成本,提升了鲁棒性、实时性和响应性,为野外移动机器人定位提供了一种经济高效且可靠稳定的解决方案。野外试验结果显示,采用本文方法,机器人的定位精度有了显著提高。

基于改进YOLOv7的滑雪摔倒检测

针对目前滑雪场内滑雪人员摔倒检测存在的问题,提出一种基于YOLOv7的目标改进模型。对于检测模型部署在巡逻机器人上致使计算资源受限的问题,在主干网络中引入Ghost模型并在颈部引入GSConv降低模型参数;同时,引入基于并行可变形卷积的注意力机制模块(Parallel Deformable Attention Conv,PDAC)增强模型的精度。改进后的模型相较于原模型在参数上降低了21.6%,GFLOPs降低了27.7%,所需要的计算资源也大大降低。