基于深度视觉的SLAM算法研究与实现

针对传统激光扫描仪在地图创建中的缺点,提出一种基于Kinect深度数据模拟激光扫描的SLAM算法,对室内未知环境进行二维地图创建。通过装载Kinect传感器的移动机器人采集室内环境的彩色图和深度图,将深度图转换为三维点云,通过模拟激光扫描方法获得对应的激光扫描数据;利用SIFT算法与GTM算法相结合的方法进行特征点提取与匹配,实现室内未知环境的二维地图创建。实验对比结果表明,该方法对于室内二维地图创建有较好的效果,具有一定的理论和实际应用价值。

基于GTM算法的多维区域交通状态分析

为了验证生成式拓扑映射(GTM)算法分析区域交通状态的有效性,对北京市某包含29个检测器的实际路网连续28 d的数据集进行研究。试验中,通过GTM算法将原始数据从58维空间平滑地映射到2维的特征平面,有效实现了高维数据可视化;同时对状态进行无监督聚类和区域交通状态分析,并找出路网异常状态。试验结果表明:GTM算法可以应用在交通状态可视化、线圈故障诊断、交通拥堵的发现、交通状态演化研究等方面。

一种基于SURF算法的柱面全景影像拼接方法

提出了一种鲁棒的基于多镜头全景相机的柱面全景影像拼接方法:通过相机标定对原始影像进行畸变纠正;基于SURF算法对投影生成的柱面影像提取特征点后,用改进的BBF方法提高获取初始匹配点的效率;采用双向一致性约束、GTM方法、Ran SAC等策略剔除错误匹配,并使用坐标归一化变换提高配准参数的解算精度;基于改进的余弦函数加权平均算法得到无拼接缝的、视觉效果良好的全景影像。实验结果证明,该方法的拼接效果比较理想,鲁棒性强,有一定的实用价值。

一种自适应的控制棒驱动机构滚轮丝杠副剩余寿命预测方法研究

针对反应堆控制棒驱动机构(CRDM)滚轮丝杠副剩余使用寿命(RUL)预测中如何选取有效的健康状态指标和合理构建预测模型的难题,提出了一种新的滚轮丝杠副RUL预测模型。采用基于生成拓扑映射算法(GTM)的负对数似然概率(NLLP)指标作为滚轮丝杠副的健康状态指标,利用K均值聚类算法对NLLP指标进行状态划分。利用历史数据和在线监测数据构建基于Markov模型和最小均方算法(LMS)的自适应预测模型,根据设定的阈值预测得出剩余寿命。通过实验验证,结果表明本文选取的健康状态指标能够有效地反映设备状态,所给出的自适应预测模型比一般的预测模型的预测精度高,为合理构建RUL预测模型提供了依据。