基于深层连接注意力机制的田间杂草识别方法

为了实现田间杂草图像快速、准确识别,提出了一种基于深层连接注意力机制残差网络(DCECA-Resnet50-a)的田间杂草识别模型。以残差网络为基准,改进残差块下采样的位置,同时引入注意力机制和连接注意力机制模块以更好地提取图片中的特征信息,结合迁移学习的策略缓解小样本数据集造成的过拟合现象,提高模型的泛化性并大大减少模型的训练时长。实验结果表明,改进后的模型综合性能最好,有较高的识别准确率,对杂草的识别准确率达到了96.31%且模型参数较少,实现了对银叶菊、小蓬草、马唐和猪殃殃四类豌豆田间常见杂草的准确区分,为农业的小样本数据在识别领域中提供了相应的参考作用。

基于扩展卡尔曼滤波的2D激光SLAM研究

由于借助单一传感器的无人清洁车在完成未知环境中定位以及自主导航任务时存在误差,鲁棒性差,提出一种利用扩展卡尔曼滤波进行多传感器融合的方法。在无人车状态不满足线性时,采用对非线性状态线性化的方法扩展卡尔曼滤波的适用范围。将扩展卡尔曼滤波技术应用于无人智能清洁车的SLAM问题中,对激光、IMU以及里程计多种传感器进行数据融合处理,有效减少了SLAM问题中的定位误差,提高自适应能力,可以为无人智能清洁车在大型清洁环境实际应用上提供参考方案。

基于可控伸缩轮的移动机器人研究

目前移动机器人按实现爬楼梯功能的原理主要分为轮式、腿式、履带式、变形式和复合式。复合式包括轮腿式、关节履带式、轮履式等。针对移动机器人环境适应性的问题,提出一种新的楼梯攀爬结构——可控伸缩轮,可控伸缩轮结构结合了变形式和轮腿式的特点,通过内置的减速电动机驱动伸缩控制盘,伸缩控制盘通过连接件将动力传递给轮腿,使轮腿在径向一定的范围内可以交替伸缩从而实现稳定攀爬楼梯。最后对可控伸缩轮交替伸缩和基于可控伸缩轮的移动机器人的楼梯攀爬进行了仿真。仿真结果表明,可控伸缩轮可顺利交替伸缩,基于可控伸缩轮的移动机器人成功攀爬楼梯,可控伸缩轮可以提高移动机器人的越障能力,提高移动机器人的环境适应性。

基于GMS和GS_LMEDS的图像匹配算法

针对GMS算法在特征点检测较少时存在误匹配的问题,结合高斯滤波和LMEDS,提出一种基于GMS和GS_LMEDS的特征匹配算法。该法首先对图像预处理,进行高斯滤波,再使用ORB算法提取特征点和特征描述子,使用Brute-Hamming进行粗匹配,最后使用GMS做初次精匹配以及LMEDS做二次精匹配。实验成果表明:相比于其他二次精匹配算法,该算法能有效去除错误的匹配点,准确匹配率普遍更高。