基于偏转角抑制的改进人工势场法路径规划

针对传统人工势场法在实际应用中存在的局部最极小值、目标不可达以及路径震荡等问题,文种提出了一种基于偏转角抑制的改进人工势场法。该方法以传统人工势场法为基础,采用改进斥力势场函数保证目标点为全局势能最低点。在路径解算中引入偏转角抑制因子来抑制无人车行驶过程中过大的偏转角,在无人车陷入局部极小值点后每一步的路径解算中都添加新的虚拟目标点,直至无人车累积一定的偏转角摆脱障碍物群。仿真实验结果表明,该算法可以在不影响无人车避障的情况下减少规划路径的震荡性,并能够使无人车逃脱复杂障碍物群顺利到达目标点,规划出一条有效、简短以及震荡较少的路径。

基于改进人工势场法的潜航器避障策略

针对水下潜航器在复杂水下环境中面临的局部最优解困局及目标点不可达等避障挑战,提出了一种创新的基于改进人工势场法的避障策略。该策略首先通过融入随机扰动机制,显著提升了潜航器在动态环境中的路径探索能力与局部最优陷阱的逃逸能力;随后,为解决目标点不可达问题,策略中创新性地引入了目标调节因子,该因子通过精细调节引力与斥力的平衡关系,并优化引力分段函数的分界值及斥力影响半径,确保潜航器在接近目标时斥力渐减至零,从而实现了潜航器对目标点的精确、稳定到达。实验结果显示,所提策略避障成功率相较于传统人工势场法实现了显著提升,目标点到达率达到100%,验证了所提策略在复杂避障任务中的高效性与可靠性,也为水下潜航器自主导航技术探索了一条新的高效避障方法。

联合目标检测与深度信息的动态特征点去除方法

针对在动态环境中,视觉定位系统的定位精度和鲁棒性容易受到动态特征点影响的问题,提出了一种联合目标检测与深度信息的动态特征点去除方法.引入YOLOv7目标检测网络快速获得当前图像帧的目标类别及位置信息,加入坐标注意力(coordinate attention,CA)机制优化深度学习模型,提升网络目标检测精度.此外,提出了一种利用深度信息和对极几何约束的动态特征点优化策略.有效剔除了动态特征点,同时保留了尽量多的静态点,从而降低了动态点对系统定位精度和鲁棒性的影响.在公开的数据集TUM上进行实验验证.结果表明:与ORBSLAM2(oriented fast and rotated brief-SLAM)相比,所提方案在定位精度和鲁棒性上有明显优势.同时与动态同步定位和地图构建(dyna simultaneous localization and mapping,DynaSLAM)相比,定位精度基本持平,但在运行速度上实现了显著提升.

基于改进YOLOv8s的动态视觉SLAM算法

针对SLAM系统在动态场景中因物体快速移动导致特征匹配性能降低的问题,本文在ORB-SLAM2框架上提出基于改进YOLOv8s的动态视觉SLAM算法。使用轻量级网络Fasternet替换YOLOv8s主干网络,使用RT-DETR中的Transformer Decoder Head改进检测头。结合几何与语义信息实现动态特征点的高效剔除。在TUM数据集上的实验表明,本算法在动态场景下的定位与建图精度比ORB-SLAM2提高约96.06%,并且具有良好的实时性。

基于目标检测的室内动态场景同步定位与建图

为了提高室内动态场景下定位与建图的准确性与实时性,提出了一种基于目标检测的室内动态场景同步定位与建图(simultaneous localization and mapping,SLAM)系统。利用目标检测的实时性,在传统ORB_SLAM2算法上结合YOLOv5目标检测网络识别相机图像中的动态物体,生成动态识别框,根据动态特征点判别方法只将识别框内动态物体上的ORB特征点去除,利用剩余特征点进行相机位姿的估计,最后建立只含静态物体的稠密点云地图与八叉树地图。同时在机器人操作系统(robot operating system,ROS)下进行仿真,采用套接字(Socket)通信方式代替ROS中话题通信方式,将ORB_SLAM2算法与YOLOv5目标检测网络相结合,以提高定位与建图的实时性。在TUM数据集上进行多次实验结果表明,与ORB_SLAM2系统相比,本文系统相机位姿精确度大幅度提高,并且提高了每帧跟踪的处理速度。

温室高架栽培草莓空间姿态识别与采摘点定位方法

采摘目标空间位姿信息缺失和目标定位精度低是影响草莓采摘机器人采摘效果的关键因素之一。为此,本文首先设计了基于颜色信息和卷积神经网络的草莓图像目标定位与分割以及目标点云分割模型;其次,实现了基于图像的草莓可采摘性和遮挡程度识别模型;最后,设计了草莓空间定位和姿态估计模型并实现草莓采摘点定位方法。基于本文方法对完整草莓位姿估计平均误差为4.03%,对遮挡草莓位姿估计平均误差为9.06%,采摘定位综合误差为2.3 mm。在实际采摘实验中,采摘成功率为92.6%,平均每个草莓的计算耗时约为92 ms,单个草莓采摘动作的执行平均耗时约为5.7 s。实验结果表明:本文提出的方法可在温室条件下较准确地估计草莓空间位姿和采摘点,为草莓采摘机器人提供有效的目标定位信息,有效满足实际采摘场景下的需求。

基于改进人工势场法的移动机器人局部路径规划

为解决传统人工势场法在移动机器人局部路径规划中存在的缺陷,提高其路径规划的性能,提出了改进的人工势场法。将引力作用阈值引入引力势场函数,解决引力过大问题;在斥力势场函数中引入目标点与移动机器人之间的距离,解决目标不可达问题;根据环境复杂度,提出了自适应速度调节机制;针对局部极小值问题,分别提出了APF-v1和APF-v2两种构建虚拟目标点的方法,引导移动机器人走出陷阱区域。最后在ROS机器人操作系统中对改进的算法进行了对比实验,结果表明,改进的算法可以克服目标不可达、局部极小值等问题,并且在计算量、路径规划时间和步数等方面具有一定的优越性。

图像与激光点云融合的实时目标定位算法

针对单一传感器在自动驾驶实时目标定位中的局限性,提出一种基于图像与激光点云融合的实时目标定位算法:对图像进行目标检测,得到目标在图像坐标系中的区域;然后将激光点云投影到图像坐标系中,使用基于密度的带有噪声的空间聚类(DBSCAN)算法对目标区域内的少量点云进行聚类以提取目标真实点云,降低计算量的同时获取目标准确的位置信息。实验结果表明,该算法可以有效提升在遮挡情况下目标定位的准确性;并通过在嵌入式平台上进行部署,验证了该算法在算力受限的平台上也具有较好的实时性。

面向配网带电作业机器人的导线识别定位方法

由于配网带电作业机器人作业过程中相机受阳光干扰严重,导线等细长弱纹理作业目标图像特征点匹配困难,导线识别定位困难。该文提出了基于图像预匹配的点云生成方法,使用Improved-DCEnet无监督网络进行光照无关处理抵消阳光干扰。在图像匹配阶段,使用VGG16-Unet卷积神经网络来进行导线的图像分割避免复杂背景干扰,通过图像几何矩提取拟合导线中心线,使用导线中心线与双目光心分别确定双目的导线物像面,双目导线物像面交线即为导线的真实位置,将复杂背景下细长弱纹理物体识别定位转换为一个几何问题。通过实验室环境下大量实验标定后,该方法可以实现相机坐标系下xy方向上1mm、z方向上3mm综合5mm定位精度。最后该方法应用在真实场景中完成了导线的识别定位,实现了机械臂自主完成实际接火作业,提高了配网带电作业机器人的导线识别稳定性。

室内动态场景下基于目标检测算法的语义视觉SLAM

为了解决基于静态环境假设的同步定位与地图构建(simultaneous localization and mapping,SLAM)在处理动态物体时系统定位精度降低、鲁棒性变差的问题,提出一种面向室内动态环境的语义视觉SLAM系统。该系统以ORB_SLAM2为基础,添加了动态目标检测线程。对输入图像提取ORB特征的同时,通过使用YOLOv5s网络进行动态目标检测,并结合光流法和对极几何约束方法,共同筛选动态特征点,最后,使用静态特征点进行位姿估计。通过使用慕尼黑工业大学(Technical University of Munich,TUM)数据集将该系统和ORB_SLAM2进行比较,结果表明,该系统显著降低了轨迹误差。与DS-SLAM、DynaSLAM等动态环境下的系统相比,该系统可有效平衡语义视觉SLAM系统位姿估计的准确性、鲁棒性和快速性。

基于目标检测的室内动态场景SLAM

室内动态场景下的同步定位与地图构建(simultaneous localization and mapping,SLAM)系统容易受到运动障碍物的影响,从而导致其位姿估计精度和视觉里程计的稳定性降低。本文提出一种基于YOLOv4目标检测网络的视觉SLAM算法,获取语义信息,并利用LK光流法判断动态特征,在传统的ORB-SLAM2系统上将动态特征点剔除,只使用静态特征点来估计相机的位姿;建立稠密点云地图,并转化成节约内存空间的八叉树地图。在TUM公开数据集上对该方法进行测试和评估,实验结果表明:在动态环境下,该系统与ORB-SLAM2相比,相机位姿估计精度提高83%,且减少了生成的环境地图的存储空间,为后续实现机器人导航具有重要意义。

自适应搜索半径蚁群动态路径规划算法

针对用于路径规划的蚁群算法收敛速度慢、计算量大、对环境变化适应性低的局限性,提出了一种新型的自适应搜索半径蚁群路径规划算法。该算法可以根据环境复杂程度自动改变寻优半径,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点。仿真结果表明,提出的算法能够根据障碍分布情况自动选择合适的搜索半径,完成路径的动态规划,体现出良好的环境适应能力和较好的综合路径优化性能。

改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点;与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明:提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。

高分辨率星载SAR单视图像斑点噪声抑制实现方法

本文提出了实现高分辨率星载合成孔径雷达单视图像斑点噪声抑制的TDRGMAP方法 .它以最大后验概率滤波器实现斑点平滑 ,以无偏修正使其适用于单视图像 ,结合边缘和线条检测 ,并加以点目标检测及保持 ,获得高空间分辨率和高辐射分辨率的SAR单视图像 .本文详细阐述了TDRGMAP方法的机理和实现 ,最后利用仿真生成的星载SAR单视图像进行实验 ,证明了TDRGMAP方法的有效性 .

中国电力金融市场的实现路径探讨

结合中国电力市场和跨省、跨区电力交易现状,探讨中国电力金融市场建设的建设目标。提出中国电力金融市场建设要以跨省、跨区电力远期交易为切入点,分3个阶段实现的思想。界定了各阶段的边界条件,并分别设计了3个阶段的实现方案和演化路径。最后就中国电力金融市场的实现路径给出了相关建议。

穴位局部分子靶点与艾灸作用机理

穴位是接受针灸刺激的重要部位,穴位局部是接受刺激后出现应答响应的首要环节,从穴位局部分子靶点入手,是揭示艾灸作用机理研究的重要方向。目前,艾灸后穴位局部应答的整体分子事件、瞬时感受器电位通道家族分子、嘌呤信号分子、热休克蛋白家族分子、免疫相关分子的应答取得了一定研究进展,为回答艾灸作用原理提供了部分依据,也为未来继续深入研究提供了思考和借鉴。

人工势场法目标不可达的研究

针对传统人工势场法的缺陷,提出了一种新的改进方法来实现路径规划,更快的规划出一条平滑可行的路径,通过把人工势场法的斥力场函数作用域大小进行动态修改,成功抵达目标点,在目标点附近有障碍物时也能规划出可行路径,通过增加子目标点的方式来解决局部极小点问题,利用增加的子目标点的牵引力使移动机器人成功逃脱局部极小点,抵达目标点。最后仿真验证了改进的人工势场法可以更快的规划出路径,而且路径更加平滑。所提出的改进算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。

复杂环境下煤矿救灾机器人路径规划

针对矿井灾后复杂环境下救灾机器人路径规划问题,提出一种双层路径规划机制:首先采用改进遗传算法进行全局路径规划,然后将其作为机器人初始路径,机器人沿初始路径前进时采用人工势场法进行动态避障,并提出了更换局部目标点思想,解决了障碍物覆盖住局部目标点时导致机器人无法到达目标点的问题。最后在MATLAB平台上进行了仿真实验,结果证明所提算法是有效的。

基于关键特征点决策的广义Hough变换目标定位快速算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量、存储量相当庞大且同时保证速度和精度存在困难。为解决该问题,本文提出基于关键特征点决策的广义Hough变换目标定位快速算法。图像关键特征点包含稳定的图像信息且数量不大,因此基于角点信息的广义Hough变换检测任意形状物体的效率得到提高。检测过程首先利用模板图像的关键特征点——角点建立局部R表,然后将待检测图像中的角点依据局部R表对平移、缩放系数s和旋转角度β进行高精度全局搜索,完成对实际参考点的投票累积过程,提取累积矩阵峰值从而得到其对应的参考点位置以及s和β的参数值。实验表明,本文算法也适用于局部遮挡等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。

基于改进人工势场法的无人驾驶车辆局部路径规划的研究

本文旨在研究在结构化道路上行驶的无人驾驶汽车的局部路径规划。基于人工势场法,利用高斯组合隶属函数建立引力的目标点函数,在引力点函数中考虑障碍物约束和车辆约束,并引入调节因子,建立了改进的无人驾驶汽车人工势场模型,消除了传统人工势场法容易陷入局部极小的问题。硬件在环试验结果验证了所提方法的有效性。