为解决当前视觉SLAM(simultaneous localization and mapping,同时定位及地图构建)算法在近处纹理稀缺、动态物体遮挡等复杂交通环境下出现的定位失效的问题,提出一种基于关键目标的视觉SLAM算法。首先,以典型交通场景环境感知算法所检...为解决当前视觉SLAM(simultaneous localization and mapping,同时定位及地图构建)算法在近处纹理稀缺、动态物体遮挡等复杂交通环境下出现的定位失效的问题,提出一种基于关键目标的视觉SLAM算法。首先,以典型交通场景环境感知算法所检测的交通信号、标志等静止目标为基础,在静止目标中进行特征提取并筛选关键目标。其次,通过关键目标的类别和几何参数完成相连帧之间关键目标的匹配。然后,基于关键目标进行SLAM系统的初始化和跟踪,并通过最小化重投影误差求解当前相机位姿。最后,在局部建图线程中对相机位姿和关键目标三维坐标联合优化,并在局部地图中更新。经实验验证,所提算法能有效解决近处纹理缺失环境下的定位失效问题,保持了较高的定位精度,具有良好的环境适应性。展开更多
文摘为解决当前视觉SLAM(simultaneous localization and mapping,同时定位及地图构建)算法在近处纹理稀缺、动态物体遮挡等复杂交通环境下出现的定位失效的问题,提出一种基于关键目标的视觉SLAM算法。首先,以典型交通场景环境感知算法所检测的交通信号、标志等静止目标为基础,在静止目标中进行特征提取并筛选关键目标。其次,通过关键目标的类别和几何参数完成相连帧之间关键目标的匹配。然后,基于关键目标进行SLAM系统的初始化和跟踪,并通过最小化重投影误差求解当前相机位姿。最后,在局部建图线程中对相机位姿和关键目标三维坐标联合优化,并在局部地图中更新。经实验验证,所提算法能有效解决近处纹理缺失环境下的定位失效问题,保持了较高的定位精度,具有良好的环境适应性。
文摘为解决燃料电池混合动力公交车中基于优化的能量管理策略难以实车应用的问题,在分析燃料电池公交车(Fuel cell hybrid bus,FCHB)行驶路线的固定性和片段性的基础上,提出了一种基于SOM-K-means(Self-organized mapping K-means)工况识别的能量管理策略。首先,根据公交车站点将行驶路线划分为多个行驶片段,在车辆停站时,运用SOM-K-means二阶聚类模型完成工况识别,获取车辆下一行驶片段的识别协态变量;当车辆在下一个行驶片段运行时,运用识别协态变量完成基于庞特里亚金极值原理(Pontryagin s maximum principle,PMP)求解的能量管理策略的实时应用。其次,建立基于公交车实际运行数据的仿真实验,最后建立硬件在环实验,将所提出的策略移植入整车控制器(Vehicle control unit,VCU)中进行实验。实验结果表明,与基于规则的能量管理策略相比,本研究提出的能量管理策略降低了19.77%的平均等效氢气消耗。且该策略在VCU中每一步的计算时间大约为30 ms,计算结果与仿真结果完全一致,满足车辆对能量管理策略的时效性和准确性的要求。