基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法(Dynamic extended neighbourhoods ant colony optimization,DENACO)。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。

基于扩展邻域的动态方向GVF计算方法

采用基于动态方向梯度矢量流(GVF)分割边界不清晰、灰度分布不均图像时,GVF外力场中通过拉普拉斯算子的扩散作用,利用4邻域进行掩膜运算;但未充分利用图像信息形成光滑的矢量场,同时迭代次数较高。提出一种基于扩展邻域的动态方向GVF计算方法。新方法从掩膜的角度分析了梯度矢量流模型,通过采用更大的邻域的掩膜来代替原来的基于4邻域的掩膜,得到了基于扩展邻域的梯度矢量流的计算方法。新的计算方法仅仅需要较少的迭代次数就能得到较好的效果。

城市元胞自动机扩展邻域效应的测量与校准研究

城市元胞模型由于在定量分析与预测城市动态的潜力而受到众多研究者的持续关注。邻域规则是主导城市元胞模型模拟过程的关键组件。研究表明,不同土地利用组合间存在显著的邻域效应,且邻域效应具有惯性、排斥和吸引等影响。然而,传统城市元胞模型主要考虑的是特定分辨率下较小窗口的邻域范围。本文尝试刻画更大窗口的邻域效应及其对元胞模型的影响。基于测量的扩展邻域因子,应用粒子群优化算法校准大窗口邻域规则,并创建了考虑扩展邻域效应的城市元胞模型。为验证模型有效性,将其应用于模拟厦门市1995-2010年期间的城市扩张动态。与3×3摩尔邻域的逻辑回归模型相比较,1995-2010年期间的建设用地模拟精度从80.7%提高到83.9%,总体精度从87.8%提高到89.6%,Kappa系数从70.0%提高到74.5%,表明考虑扩展邻域效应的城市模型取得了更好的模拟效果。

扩展邻域元胞自动机模型城市扩张研究

元胞自动机近年来被广泛应用于动态模拟城市扩张,但其邻域类型一般固定于摩尔邻域。文章基于Geo-CA理论,自定义扩展邻域类型,并结合特定地理位置多层次约束性条件构建CA模型,扩展了CA模型的空间建模功能。以武汉市为例,将2000年和2009年TM遥感影像和城市用地数据作为基础,结合武汉市城市规划图、DEM、道路交通图、水域等多层次图像,构成空间数据库,建立武汉市城市扩张扩展邻域CA模型。最后以2009年数据为基础,对武汉市2018年城市用地扩张情况进行预测,为武汉市城镇建设提供参考。

基于扩展摩尔邻域的自由飞行冲突风险研究

为解决三维空间中,自由飞行条件下航空器间的飞行冲突风险判定问题,提出了基于扩展摩尔邻域的飞行冲突风险判定方法.首先分析平面摩尔近邻模型的特点,将其扩展至三维离散空间;然后建立水平、垂直飞行冲突风险可能性表格,提出计算三维飞行冲突风险的方法;最后分别用水平、垂直飞行冲突风险分开和同时计算的方法对同一仿真数据进行计算.结果表明:采用扩展的三维不同层摩尔邻域可以实现空域内航空器的飞行冲突风险的快速计算;水平、垂直飞行冲突风险同时计算的方式可以更快速地解决问题;同时,空间基础单元的间隔选择也会极大影响模型的运算效率.

基于邻域扩展的半自动2D转3D方法

半自动2D转3D是解决当前3D影视内容匮乏的重要途径。现有方法大多借助局部邻域进行深度插值,忽略了图像的全局约束关系,因而难以准确恢复深度图的对象边界。针对该问题,提出邻域扩展的最优化深度插值方法。首先引入邻域的邻域,建立邻域扩展的最优化深度插值能量模型;其次在相似的像素点与其邻域加权深度平均值的差异近似相等的假设条件下,将深度插值能量模型的最优化问题转换成一个稀疏线性方程组的求解问题。实验结果表明,与当前流行的半自动2D转3D方法相比,该方法估计的深度图PSNR更高,同时增强了深度图的对象边界质量。

基于扩展六邻域的边缘标定连接

在图像预处理中,图像的边缘像素点的标记具有十分重要的意义,在对提取后的图像上边缘进行标记储存过程中,采用了编号记录的方法,并对邻接点的范围进行了扩展,提出了扩展六邻域的方法来寻找同一边缘上的点,实验表明所提出扩展六邻域的方法有效地对边缘断点进行了连接.通过试验取得了较好的效果.

定向邻域扩展轮廓预估计算法

为了提高传统Snake面部轮廓检测效率,在Shakable Snake算法的基础上,提出了搜索方向固定的邻域扩展算法.对所搜索到的节点利用动态阀值最小距离聚类法进行分类和修正,使无效节点避开噪声点和噪声边界集中的区域以得到更合理的结果.提出了曲线外推的失效节点修正算法和简化曲率约束准则,以判别修正杂散失效节点.实验得到的结果和感兴趣轮廓重合性在5个像素之内,证明了所提出算法的鲁棒性和有效性,为后续Snake寻找精确边界提供了理想的初始位置.

一种基于邻域扩展聚类的去噪算法

针对基于二维图像重建出的带有离群点和噪声的三维点云模型,提出了一种基于邻域扩展聚类的去噪算法。通过数据点之间的欧氏距离以及相邻位置关系的可传递性,搜索每个数据点的邻域,然后对所有点进行聚类划分,从而检测和滤除点云模型中的离群点。重点讨论了点云邻域扩展聚类的概念和方法、如何利用基于动态网格划分法快速搜索点的邻域。解决了点云模型周围孤立及密集分布的离群点检测和滤除问题,提高了传统k-近邻等算法对于点云数据的去噪效率。仿真实验结果表明,该算法可有效滤除点云模型中孤立和密集分布的离群点。

基于激光雷达点云地图的车辆定位与导航

为解决自动驾驶系统中车辆自主定位与导航无法准确估计车身位姿及导航路径不够平滑等问题,提出一种基于先验激光雷达点云地图的定位与导航方法。利用点云分割技术分离出可行区域以及潜在的风险源,研究基于优化收敛流程的NDT(Normal Distribution Transform)点云配准定位方法,并对传统A*算法从动态权重设计和扩展领域优先搜索策略两方面进行改进,以适应自动驾驶的实时定位与导航需要。实验采用百度Apollo自动驾驶开发套件(D-KIT)进行多组对照实验,在体素降采样Leafsize参数为1(高采样)、1.2(中采样)与1.5(低采样)时,定位耗时分别降低了27.77%,38.75%和38.30%。选取四组符合实际驾驶需求情况进行导航实验,改进后导航路径最大曲率分别降低了80.9%,74.9%,65%,69.5%,导航过程路径曲率保持较低且稳定平滑,曲率数据符合车辆动力学。为车辆定位与高精度导航提供有效方法。

基于高阶鲁棒主成分分析的视频前景与背景分离

运动目标检测的发展历史由来已久,出现了基于均值方法、中值方法、直方图方法和高斯混合模型等各种检测算法。然而,这些目标检测方法往往未考虑图像背景之间的时间相关性以及前景对象内的空间连续性,也未考虑视频中的其他结构信息。采用微观视角,将目标视频中每个帧像素的张量化进行了扩展,即将原始图像的像素邻域扩展为一定阶数的数组。因此,原始图像转化为了一个形式上的高阶图像。所提出的模型旨在应用于诸如视频前景背景分离等任务,以增强图像算法的有效性。

基于改进双向A^(*)算法的软管线束自动布置方法

为了解决传统A^(*)算法在软管线束路径规划时搜索节点过多、折弯过大,以及难以满足多种布线约束等问题,提出一种基于改进双向A^(*)算法的软管线束自动布置方法。首先,为了满足管线两端的接口方向约束,采用双向搜索策略,动态定义正、反向搜索的目标节点;其次,引入双重权重参数优化评价函数并加入折弯代价,减少管线的拐点和折弯角度;然后,提出基于自适应步长的邻域搜索方法,并在搜索过程中设定父拐点和加入折弯角度限制约束,以提高搜索效率并满足管线最小弯曲半径要求;最后,针对搜索路径拐点较多和路径不平滑问题,提出基于节点过滤和B样条曲线插值的软管光顺方法。实验仿真表明,与传统A^(*)算法相比,所提方法规划出的管线路径拐点和搜索路径节点数都有较大减少,生成的软管路径光顺平滑,满足实际布线约束。

基于改进A*算法的自主式机器人路径规划

针对传统的A*算法存在遍历子节点数量多、搜索自由度底、搜索方向夹角大所导致的路径搜索效率不高的问题进行了研究,提出一种改进的A*算法。首先增加节点数量,删除重复方向,建立16邻域搜索方式,扩大搜索角度。然后在新邻域搜索方式上,利用当前节点与目标点的方向信息局部调整搜索区间。改进启发函数和评价函数权重系数,在节点不陷入局部最优解的情况下,合理地缩小了搜索邻域。最后,在不同障碍物比例、不同栅格地图规模等16种模拟场景下进行实验。实验结果显示:改进A*算法相对于传统算法的搜索效率显著提高,极大地减少了搜索子节点的数量,提升了算法搜索的能力。

基于改进A^(*)算法的煤矿救援机器人路径规划

路径规划是煤矿救援机器人研究的重要内容之一。针对灾后煤矿环境非结构化的特点,以及传统A^(*)算法规划的路径长度非最短、拐弯次数多和平滑度较差等问题,提出一种基于改进A^(*)算法的煤矿救援机器人路径规划方法。对真实环境中的地图信息进行二值化处理,构建栅格地图;判断当前点与目标点的相对位置,利用改进A^(*)算法进行路径规划,得到一条从当前点到目标点的路径;利用Douglas-Peucker(D-P)算法提取路径上的关键节点,采用三次样条插值函数对关键节点进行拟合,完成对路径的平滑处理。改进A^(*)算法将传统A^(*)算法的8邻域搜索扩展为有目的性的13邻域搜索,在进行路径搜索时,先对当前点和目标点的位置关系进行判断,从而减少路径节点,减小路径长度,提升路径平滑度。Matlab仿真结果表明:与8邻域A^(*)算法、24邻域A^(*)算法、48邻域A^(*)算法相比,改进A^(*)算法在路径长度、拐弯次数、平滑度等方面有一定优化,更适用于煤矿救援机器人路径规划;与Fuzzy算法相比,改进A^(*)算法路径规划所用时间更短,规划的路径长度更短,拐弯次数更少。

基于改进A^(*)算法的移动机器人路径规划

针对A^(*)算法在路径规划中存在遍历节点数过多、转折角度较大的问题,提出一种能自适应场景地图的改进A^(*)算法。通过量化地图场景信息和障碍物分布情况,引入父节点对当前节点的影响力,增加障碍物分布率的启发函数权重,减少遍历节点数量、提高搜索速度;加入转弯惩罚函数、扩展邻域优先级搜索和冗余节点平滑策略对路径进一步优化,避免路径出现多余转弯,降低路径出现局部最优解的可能。在相同地图场景中进行测试对比,所提算法能有效减少遍历节点数量,降低总转折角度,提高搜索速度,缩短路径距离,获得最优路径。

基于改进A^(*)算法的栅格地图最短路径规划研究

为了提高传统A^(*)算法在栅格地图中路径规划的效率和质量,综合考虑了传统A^(*)算法在寻路过程中搜索速度慢,遍历节点多等不足,提出一种启发式A^(*)算法的优化方案。首先将复杂的地形环境信息进行地形量化表达,根据量化的地图信息设定自适应权重因子,扩展新的搜索邻域,然后通过对A^(*)算法的估价函数进行优化,从而改进在起点与终点已经确定情况下的栅格地图最短路径规划问题。

二维多途径多普勒雷达退速度模糊算法的改进及效果分析

对Zhang Jian提出的二维多途径自动退速度模糊方法进行了改进。原方法从弱风切变区确定一系列参考径向,使用这些参考径向对其相邻库进行逐库连续性检测和模糊订正。由于中小尺度系统的扰动和弧立回波区的影响,有时很难获得比较准确的供参考的相邻库,这将对进一步的退速度模糊过程产生很大的影响。针对这个问题,在连续性检测的过程中,先确定疑似速度模糊边界,然后识别出速度模糊边界和速度模糊区域。在模糊订正的过程中,采用扩展邻域的方法,扩大参考库的范围进行模糊订正。为了检验改进方法的性能,采用大量的雷达体扫个例进行试验。结果表明,该文的改进方法能够较准确地识别出速度模糊的边界和区域,同时具有较好的退速度模糊效果。

基于改进分水岭和区域合并的彩色图像分割

提出一种基于改进分水岭变换和区域合并的彩色图像分割算法。采用相位一致性模型进行边缘提取,将提取结果进行标记分水岭变换;应用提出的基于扩展邻域和无量纲阈值的区域合并算法进行同质区域合并,克服了传统区域合并算法中奇异区域影响同质区域联通的局限性。实验结果表明,该算法适用于多数彩色图像,能得到与人眼视觉判断基本一致的分割效果。

结合改进扩散和双边滤波的低剂量CT重建

针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种结合非局部均值模糊扩散和扩展邻域双边滤波的中值先验(MP)重建算法。首先,使用基于非局部均值模糊扩散方法对中值先验分布的最大后验(MAP)重建算法进行改进,以减少重建图像中的噪声;然后,采用基于扩展邻域的双边滤波方法对重建图像进行处理,以保持图像的边缘和细节信息,进一步提高重建图像的信噪比。采用Shepp-Logan模型和胸腔模型来验证算法的有效性,实验结果表明,与滤波反投影(FBP)、中值根先验(MRP)、非局部均值模糊扩散的MP重建(NLMMP)算法和非局部均值双边滤波的MP重建(NLMBFMP)算法相比,所提新算法的归一化均方距离和均方绝对误差最小,且信噪比最高,分别为10.20 d B和15.51 d B。该重建算法可以在对重建图像进行降噪的同时保持了图像的边缘和细节信息,改善了低剂量CT图像质量退化的问题,获得高信噪比和高质量的重建图像。

基于融合模型的齿轮传动故障诊断研究

针对齿轮故障诊断系统的特点,提出基于多尺度小波能量谱、扩展邻域粗糙集和多分类支持向量机融合的故障诊断方法.首先使用多尺度小波变换有效提取变工况条件下的故障特征;然后以广义欧式距离为基础构建扩展邻域粗糙集模型,在不需先验知识和理论公式的前提下,完成噪声剔除、各能量带重要度权重分配;最后利用支持向量机在小样本、非线性空间中良好的分类能力,提高故障诊断的决策准确性.将该融合模型应用到齿轮副的故障诊断中,验证其有效性.