一种鲁棒闭环的增量式Graph SLAM算法

针对常规增量式Graph SLAM算法的后端优化无法高效排除错误闭环影响的问题,基于i SAM算法和SC算法,提出一种鲁棒闭环的增量式Graph SLAM算法R-i SAM。R-i SAM在增量式过程中对当前时刻引入的闭环约束的转换变量进行初步近似计算,得到合理的机器人节点位姿。在离线式过程中对当前时期的所有闭环约束转换变量进行精确计算,判断当前时期闭环的正确性,并作为以后优化节点的基础。对公开的数据集进行的算法实验表明,在添加不同类型、不同数量的错误闭环条件下,所提算法对不同数据集具有良好适应性,且收敛速度满足增量式SLAM实时性要求,证明了算法的有效性。

基于能量均衡的节点最优路由选择策略

针对将节点数据节能、低延迟地传输到基站的问题,由于网络节点自身能量消耗不能补充,提出一种改进遗传算法建立路由路径的策略。首先,结合无线传感器网络的拓扑结构和节点剩余能量构建能量均衡评价函数,利用函数选取簇头节点。其次,编码簇头节点并构建包含通信传输耗能、延时等因子的适应度函数,通过遗传算法动态选取最优路径,将数据高效、实时路由至基站。仿真结构表明,上述策略不仅有效地均衡各个节点的剩余能量,而且能够降低路由过程中的能耗和时延。

基于概率假设密度的无线传感器网络多目标跟踪算法

针对无线传感器网络多目标跟踪过程中杂波难以去除以及由数据关联复杂带来的计算复杂度高的问题,将概率假设密度滤波器应用于无线传感器网络,以更好地对多目标状态信息进行融合估计;首先,建立簇-树型无线传感器网络模型,并运用随机有限集理论对目标状态模型和传感器观测模型进行描述;然后,根据目标与节点之间的距离设置观测阈值,当传感器节点测量值小于观测阈值时,概率假设密度滤波器将实时对该组测量数据进行处理,从而实现传感器网络对目标状态的联合检测与跟踪;仿真结果表明,在无线传感器网络的多目标跟踪应用中,该算法比粒子滤波算法具有更高的跟踪效率和精度。

价值链视角下的施工企业成本管理

随着市场的进一步开放,我国建筑施工企业面临着日趋激烈的竞争。作为施工企业来说,要想在竞争中立于不败之地,提高企业成本管理水平,降低企业成本成为必然选择。而基于价值链理论的成本管理方法为施工企业提供了新的成本管理思路。本文结合价值链理论及施工企业实际情况进行企业成本分析,提出切实可行的企业成本管理建议。

一种自适应的Graph SLAM鲁棒闭环算法

针对在常规Graph SLAM(simultaneous location and mapping)算法中后端优化无法高效排除错误闭环影响的问题,提出一种自适应的Graph SLAM鲁棒闭环算法.通过分析代价函数中尚未确定的参数对优化过程的影响,根据迭代得到的最新信息,对这些参数进行更新,从而加快算法收敛速度,并对不同的数据集有很好的适应性.利用公开的数据集对算法进行实验,通过对比发现,在添加不同类型、不同数量的异常闭环条件下,本文算法对不同数据集具有良好适应性且收敛速度较快,证明了算法的有效性.