多感官探测机器人控制系统

在21世纪的今天,自然灾害以及各种突发事件虽无法避免,但现代科技为高效救援提供了有力支撑,最大程度保障了人民生命和财产安全。高危场景救援,情况紧急而时间紧迫,基于此,本文设计四足机械狗仿生底盘以及四旋翼飞行器,实现陆空两用,深入救援现场,协助救援部队,提高救灾效率,减少国家以及个人的财产损失,保护救援人员以及民众的生命安全。

基于动态边缘化的双目视觉惯性SLAM算法

针对单目视觉惯性SLAM算法鲁棒性不高且尺度恢复困难的问题,提出基于动态边缘化的双目视觉惯性SLAM算法(DM-SVI-SLAM)。前端使用光流法进行特征跟踪,利用预积分计算帧间IMU,后端在滑动窗口内融合单/双目匹配点误差、IMU残差及先验误差构建捆集调整的成本函数,利用动态边缘化策略、Dog-Leg算法提升计算效率,回环检测使用词袋方法对关键帧重定位。通过EuRoC数据集评估系统性能,实验结果表明,对比其他前沿VI-SLAM算法,该算法在精度和鲁棒性方面都具有潜力。

基于非凸低秩优化的压缩感知植株图像重构

目标植株图像压缩重构对于图像的高效传输及存储意义重大,同时为后期植株生长状态检测及病虫害识别奠定了基础。传统图像压缩感知方法大多是针对信号在某个特征空间的稀疏性进行的,并没有考虑信号的局部特征与结构化特性,存在重构效率不高、重构精度较低等问题。针对以上情况,提出一种基于非凸低秩优化的压缩感知植株图像重构算法。首先通过KinectV2.0采集植株图像深度数据并进行预处理,结合K-means与Mean-shift聚类算法提取目标植株有效区域,再考虑图像的非局部自相似性,采用加权lp范数最小化算法(WSNM)求解低秩优化问题,较好地保留了图像结构细节,最后采用Dog-leg最小二乘算法取代最快下降法进行迭代优化。试验结果证明,该算法在不同采样率下的植株图像重构质量优于其它同类算法,尤其在低采样率下重构效果更为突出。

绳驱并联机器人实时正解数值算法

提出一种求解冗余约束绳驱并联机器人实时正解的数值算法。建立八绳六自由度绳驱并联机器人运动学模型,并对其机构进行参数化,根据矢量封闭原则计算绳索长度。由反解方程导出非线性正解方程组,取运动平台的初始位姿作为初值,运用Dog Leg算法迭代求出位姿正解。取圆曲线作为运动平台的运动轨迹,实时仿真实验表明该算法可完成精确的位姿正解运算。实验结果显示5种位姿组合平均耗时均小于0.07 ms,满足求解绳驱并联机器人位姿正解的实时性要求。

基于数字图像相关方法的亚像素位移迭代算法性能

在对图像位移进行测量时,不同亚像素位移迭代算法的性能不同,将反向组合对角近似算法和反向组合Dog-Leg算法用于数字图像相关法并进行位移测量,同时对反向组合Levenberg-Marquardt算法的参数更新策略进行简化,以反向组合高斯牛顿(IC-GN)法作为对比,通过模拟散斑图像和真实散斑图像的压缩变形实验,对3种算法的性能进行对比,并进行相应的评估。实验结果表明:在模拟散斑实验中,各个算法在收敛速度、收敛频率和计算速度上各有不同;在真实实验下,小变形实验得到与IC-GN法相似的精度,大变形实验得到的收敛半径更大。

基于测距测角信息的DG-IEKF相对导航算法

在自主近距空中加油过程中,无人机通常利用机间数据链进行导航数据共享,解算获得高精度的相对导航信息。机间数据链受扰中断时,在常规相对导航策略失效的情况下,无人机通过搭载的态势感知传感器对未知环境进行探索。针对受油机与非合作目标加油机间中远距离相对导航问题,提出了一种测距测角信息下的相对状态估计算法。考虑到测距测角信息下算法的强非线性,在迭代扩展Kalman滤波(Iterative Extended Kalman Filter, IEKF)的基础上,利用信赖域狗腿(DG)优化算法,提出了一种DG-IEKF算法,并推导了该算法在迭代过程中的状态更新方程与协方差阵更新方程,最后给出了该算法的相对导航仿真结果。仿真实验结果表明,该算法导航精度优于现广泛使用的扩展Kalman滤波算法(Extended Kalman Filter, EKF)与IEKF算法,在RMSE方面与EKF相比,相对位置综合精度提高了35.55%,相对速度综合精度提高了19.20%,具有较高的可靠性与稳定性。