基于模型预测控制的自主水下机器人回收控制算法

针对自主水下机器人在水面回收控制中遇到的系统强耦合、多约束问题,提出一种基于模型预测控制的对接回收控制算法。通过对自主水下机器人动力学方程进行解耦,给出了水平面运动的动力学模型;对运动过程中的可见性约束和系统的输入约束进行公式化表述,使用模型预测控制框架进行带约束的最优化问题滚动求解,给出最优的系统控制输入。使用REMUS水下机器人的参数进行了MATLAB仿真,并根据对回坞导引控制性能的影响给出了最佳的预测时域,研究结果表明,该方法能够保证回坞过程中的可见性约束,回坞过程收敛性强、精度高,能够快速高效地完成自主水下机器人的水面回收。

一种三维建筑物模型自动纹理映射方法

针对三维模型纹理映射受观测视角及遮挡影响的问题,提出了一种基于高斯混合模型的纹理自动映射方法。首先在体素三维重建模型上,为每一个目标表面体素建立高斯混合模型来描述该体素的颜色在不同图像上观测值的分布;然后利用输入的序列图像及对应的相机参数,结合场景的可见性约束,用图像每一个像素的颜色信息更新三维场景模型中它所对应的体素的高斯混合模型;最后用高斯混合模型的期望估计体素的实际颜色纹理。结果表明,该方法可以得到准确精细的三维建筑物纹理模型。

基于增强型点对特征的三维目标识别方法

针对基于原始点对特征的三维目标识别算法中存在的内存浪费、效率不高的问题,提出了一种基于增强型点对特征的三维目标识别算法。通过在原始点对特征的第4个分量上乘以一个符号函数,得到了一种区分性更强的点对特征,消除了原始点对特征存在的二义性。考虑到待识别目标三维模型存在的自遮挡,利用点对之间的视点可见性约束,剔除了目标三维模型哈希表中存在的大量冗余点对,节省了内存开销并提高了三维目标识别算法的识别准确率和效率。在开放数据集和实际采集的数据集上的实验结果表明,与基于原始点对特征的算法相比,所提三维目标识别算法在识别准确率和效率上都有一定程度的提升。