基于改进牛耕法和惯性轨迹的多机区域覆盖算法

无人机协同区域覆盖在军事侦察、植保等领域广泛应用,然而现有算法仍然存在区域覆盖重复率高、规划轨迹方向变化频繁等问题。为此,提出基于改进牛耕法和惯性轨迹生成的多机分布式区域覆盖算法。算法基于地图列方向划分栅格地图,在牛耕法的基础上分裂线性结构并更新线性结构集合,从而实现低重复率覆盖邻近区域。此外,在广度优先算法的基础上,建立了一种考虑轨迹惯性变化率代价的模型,进而生成了低轨迹方向变化率的惯性轨迹。仿真和实验结果表明,基于改进牛耕法和惯性轨迹生成的区域覆盖算法相对于牛耕法区域,重复覆盖率降低3%,规划轨迹的惯性变化率相对于常用的广度优先算法能够显著降低40%。

面向堤坝监测的无人机自动巡检系统设计

针对人工巡检监测堤坝费时费力,存在安全风险,还可能会造成堤坝损害等问题,设计一种无人机大坝自动巡检系统:首先对搜索区域进行建模,采用基于栅格的技术,为每架无人机划分待搜索区域,然后采用牛耕法对区域进行全覆盖搜索;通过改进的yolov5算法对裂缝图像进行快速识别,利用MAD中值滤波和广义形态学滤波对红外图像进行预处理,实现了对堤坝渗漏区域的快速准确识别。

基于回溯的室内机器人完全遍历路径规划

完全遍历路径规划算法得到越来越多的关注。提出一种基于回溯的双向完全遍历路径规划算法,根据工作环境的纵横比,选择合适的局部遍历优先级采用牛耕法完成局部覆盖,采用改进的A*算法规划出从临界点到回溯点的无碰撞路径完成区域转移,实现工作环境的全覆盖,当回溯点个数为零时,机器人就完成了对地图的完全覆盖。仿真表明,与BA*和B-Theta*算法相比,在横向距离大于纵向距离如30×50的地图上,转弯次数减少15%,且能实现完全覆盖,回溯点的个数减少81%,重复路径长度减少5%。新算法有较好的参考和应用价值。

试探生产力跨阶段发展规律

生产力的运动规律,贯穿于生产力发展的各个阶段,寓于不同阶段所出现的同一现象之中,认识和把握这些规律,首先必项对生产力的发展阶段作出科学的划分。生产力的发展阶段生产力存在于各要素的相互作用之中,任何一个要素都不能代表更不能等同于现实的具体的社会生产力。因此,划分生产力发展阶段的依据、不应该是某一要素的变化史,而是各要素按一定方式相互作用而产生的总体功能。

矿区废弃地移动机器人全覆盖路径规划

矿区废弃地为室外大型非结构化环境,包含多种类型的障碍物且存在诸多不确定性因素,给移动机器人全覆盖路径规划造成了极大的困难.本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划.首先,针对矿区废弃地已知环境,采用牛耕式单元分解法对复杂环境做出区域分解,将具有综合复杂性的地图分解为多个不含障碍物的子区域;然后,根据子区域的邻接关系构建无向图,采用深度优先搜索算法确定子区域间的转移顺序;最后,采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移.仿真结果表明,生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效,所得的方法能够处理复杂的非结构化环境,完成废弃矿区移动机器人的覆盖路径规划.