基于两大资金行业选择的SVR模型多因子选股策略

随着科技的进步,量化工具在投资领域的应用前景越来越广阔。本文通过构建基于北向资金、主动资金的资金指标筛选行业,Alphalens筛选有效因子,构建因子池,使用SVR模型对训练集进行学习,通过参数调整提高预测胜率,对股票排序,构建股票池,并运用RSRS择时模型选择买卖时机。研究发现,以2020年1月1日—2021年7月28日的沪市300与深市300股票池的数据进行回测,回测结果策略收益明显跑赢了大盘,表明本策略对投资者具有一定的参考价值。

室外移动机器人的惯导/ 网络RTK组合自定位研究

针对移动机器人在室外复杂环境下单一导航模式无法提供精确稳定的定位信息问题,提出了一种基于惯导/网络RTK(Real-time kinematic)的组合自定位算法。首先,以一种模糊自适应互补滤波姿态解算算法,根据加速度计测量值的误差能反映载体运动状态这一特性设计了模糊控制器,实时调整滤波PI控制器的比例参数,进行姿态解算。然后,将惯导与网络RTK提供的载体三维位置和速度信息通过坐标轴转换到导航系下,利用卡尔曼滤波器融合两者导航参数得到机器人的真实位置估计。最后,利用STM32嵌入式开发平台,建立移动机器人硬件平台进行实验,实验结果表明本文的组合自定位算法具有较高的精度且在网络RTK失效(短时间)时能维持正常导航定位。

基于生成对抗网络的单目相机6D位姿估计

针对单目相机基于模板方法位姿估计精度不足的问题,提出一种在先验条件下基于生成对抗网络(GAN),由单目相机获取工件深度信息进行位姿估计的新方法。首先,渲染工件CAD模型获取不同观察方位下的RGB图与深度图作为训练样本,解决了深度学习中数据集获取与标注繁琐的问题。然后,将GAN与深度图结合,利用GAN的图像翻译能力简化单目深度估计模型。最后,将二维图像跟踪敏感的位置信息与三维点云配准敏感的旋转矩阵结合作为位姿估计最终结果,提高了位姿估计的准确性。通过搭建位姿估计实验平台验证所提方法的可行性,结果表明,平移误差小于2 mm,旋转误差小于2°,能够满足机械臂抓取要求。将所提方法与主流位姿估计方法进行了对比试验,结果表明,所提方法的F1分数优于其他两种方法。