全局环境未知时基于滚动窗口的机器人路径规划

研究了全局环境未知时机器人的路径规划问题,借鉴预测控制滚动优化原理,提出了基于滚动窗口的移动机器人路径规划方法.该法充分利用机器人实时测得的局部环境信息,以滚动方式进行在线规划,实现了优化与反馈的合理结合.探讨了规划算法的收敛性.     

基于PF-EKF的多机器人合作定位方法

研究了多机器人群在未知环境中进行合作定位的方法.机器人利用相对观测信息以及必要的信息交换,完成信息的共享及自身的定位.在初始阶段,机器人都不知道其自身的位置,当具有全局定位能力的机器人获得定位信息后,其他机器人利用粒子滤波（PF）方法融合相对观测量,各自维护着一个代表其位置分布的粒子集合,当粒子集合逐步收敛到接近Gauss分布时,则转而利用扩展Kalman滤波（EKF）方法进行位置的跟踪.仿真结果及实验表明,PF-EKF方法结合粒子滤波器的鲁棒性、适应性与EKF的高效率和实时性,机器人群中各成员可共享全局定位信息,能有效地在未知环境中确定自身的位置.     

低维特征空间中基于旋转图像的三维环境模型配准方法

近年来,异类机器人之间(如飞行机器人和地面机器人)的协作成为机器人学研究发展的一个新的领域.异类机器人协作的难点之一是协作环境建模,而由于所获得的环境模型具有不同的观测视角和尺度,其环境建模中的模型配准是一个难点和关键.目前,能够适用于大视角差、大尺度差场景配准的方法并不多,基于旋转图像的配准方法被认为是一种可行方案,但其中存在的计算负担大和在野外环境中的鲁棒性差使得其也很难在实际系统中应用.基于此,面向三维点云环境模型,以旋转图像为基础,提出了一种新的基于低维特征空间的模型配准方法.首先,通过引入模型曲率、旋转图像熵值和激光反射强度3个特征构建了一个三维特征空间,得到候选对应点集合.然后,在候选对应点集合中利用旋转图像的方法查找正确的对应关系,实现模型配准.由于低维特征空间的引入,基于旋转图像特征的对应点搜索区域大大减小,因此算法计算效率得到了极大改善.同时由于引入的新特征与场景旋转图像特征的互补性,算法的鲁棒性和精确性也得到了提升.这些性能改进最后通过实验得到了验证.     

全局环境未知时基于流动窗口的机器人路径规划

研究了全局环境未知时机器人的路径规划问题,借鉴预测控制滚动优化原理,提出了基于滚动窗口的移动机器人路径规划方法。该法充分利用机器人实时测得的局部环境信息,以滚动方式进行在线规划,实现了优化与反馈的合理结合。探讨了规划算法的收敛性。     

基于多分辨率粒子滤波的全局协同定位方法

野外环境下,多类型机器人协同合作可以克服单一类型机器人(如无人车、无人机等)在环境建模任务中的视角、尺度方面的问题,进而提高整体编队系统的环境感知与决策控制能力.而在多类型机器人协作系统中,协作定位是协同合作的关键难题之一,也是进行编队建模与编队控制的基础.在GPS缺失环境下,由于传感器类型的不同,非结构化的环境特征,视角的不同而导致基于匹配的多机器人定位方法无法实现有效稳定的定位.本文提出了一种基于多分辨率最近邻匹配和粒子滤波的协同定位方法,可以在初始相对位置未知的情况下,进行全局范围内的协同定位.本文采用了一种针对粒子匹配精度以及匹配效率的评估方法,并根据粒子评估结果进行粒子权重更新,地图更新以及粒子数目更新,以平衡在定位过程中粒子对状态空间的描述和定位效率.同时,针对于粒子退化或者粒子收敛速度过慢的问题,采用了基于分辨率等级和粒子匹配精度和匹配效率的自适应调整方法.最后结合具体平台,本方法在野外水湾环境进行了基于无人船与无人机的协同定位实验,实验结果表明本方法有效解决多机器人在GPS缺失下的协同定位问题.     

基于神经网络的Q学习在Khepera Ⅱ机器人避障中的应用

为了提高移动机器人的自主学习能力,在传统的机器人行为控制结构基础上设计了智能控制结构,同时引入了基于神经网络的Q学习模块算法,克服了传统算法只能应用到离散状态中的不足.移动机器人的避障实验结果表明,该方法能够使移动机器人通过自学习实现自主避障.     

人工协调场及其在动态不确定环境下机器人运动规划中的应用

针对动态不确定环境下移动机器人运动规划问题, 提出了人工协调场的方法. 建立了协调力, 并设计了协调场能随机器人和环境的状态发生变化, 以克服传统人工势场法在动态不确定环境下所存在的诸如局部极小、抖动等问题. 和传统人工势场相比, 协调场具有二维正交力矢量. 基于协调因子的实时决策模型, 方便并简化了机器人的行为设计, 有效地克服了局部极小. 重点分析了人工协调场的可控性、自适应性、安全性和可达性等性质及其设计, 并实现了移动机器人在动态不确定环境下基于人工协调场的运动规划. 理论分析和仿真实验结果证明了所提方法的有效性.     

基于角度信息的约束总体最小二乘无源定位算法

提出了一种基于角度信息的约束总体最小二乘无源定位算法. 该算法首先将非线性的观测方程转化为线性方程, 并分析了观测噪声对线性方程系数的影响, 从而能够将无源定位问题等价为一个约束总体最小二乘问题, 然后又将该有约束的优化问题变为无约束的优化问题, 并利用Newton算法进行迭代求解, 最后分析了约束总体最小二乘算法的定位误差. 计算机仿真结果验证了该算法的可行性和有效性.     

移动机器人导航规划的双向平滑A-star算法

针对主流移动机器人导航中蒙特卡罗定位(MCL)算法误差大、传统A-star规划路径实时性差且所得路线为折线的问题,提出了一种基于双向平滑A-star算法的路径规划导航策略.首先提出多传感器融合蒙特卡罗定位的位姿估计定位算法;其次通过优化A-star算法的代价函数,使其整体搜索方向变为双向从而提高算法实时性;最后采取Bézier曲线对所规划路径进行平滑优化,解决A-star算法规划路径折线多、转弯角度过小而无法满足实际物理约束的问题.仿真实验结果展示,相比传统A-star轨迹规划算法,本文算法在路径长度和时间方面分别减少12.1%, 37.2%,平均安全距离和路径平滑度分别提升35.2%, 69.9%;同时在保证的定位精度下所测试的实际实验证明了本文导航规划算法的正确性和可行性.     

移动机器人滚动路径规划的次优性分析

滚动规划是解决不确定信息环境下规划问题的有效方法. 研究了基于滚动窗口的移动机器人路径规划原理与算法, 对规划中的次优性问题进行了详细分析, 并结合具体实例加以阐述.     

物联网定位与位置感知研究

物联网是近年来广受关注的新兴研究领域,被认为是信息网络在现实世界的延伸,是我国国民经济的重要增长点,将在未来科技创新和社会进步中扮演关键角色.物联网系统中,"物"节点位置是反映网络状态的重要信息之一.同时,"物"节点采集信息以及相应的信息交互过程都与节点位置信息密切相关.本文主要讨论物联网中定位与位置感知研究中的若干关键问题.探讨了物联网节点定位理论与方法,包括基于测距和非测距定位、物联网协作式定位、多传感器位置感知等议题,结合物联网中不同网络层次、应用场景和定位需求对节点位置感知技术进行归纳和总结.最后指出了仍存在的问题和值得进一步探讨的方向.     

基于立体图像的月球车导航定位试验研究

为获得月球车在轨移动过程中的位置信息,提出了基于立体图像的月球车导航定位算法.首先阐述了月球车导航定位算法原理,包括坐标系转换体系、月球车立体图像相对定向、月球车立体模型绝对定向和连接点坐标观测量权值,然后给出了月球车导航定位流程.最后,通过我国月球车的专项试验,验证了基于立体图像的月球车导航定位算法,具有较高的定位精度和应用稳定性.     

基于单形体几何的高光谱遥感图像解混算法

提出一种新的基于单形体几何的高光谱遥感图像混合像元丰度估计算法.该算法的目标是在已知端元矩阵的基础之上,估计高光谱图像中各个观测像素点中每个端元的丰度.根据凸几何理论,基于线性混合模型的高光谱解混问题可以看成一个凸几何问题,其中端元位于包含整个高光谱数据集的单形体的顶点,而它们对应的重心坐标则可以看作各个观测像素的丰度.提出的方法由3部分组成,分别为基于单形体体积的重心坐标计算方法、距离几何约束问题和基于内点的单形体子空间定位算法.与其他基于单形体几何的算法相比,该方法具有诸多优点.Cayley-Menger矩阵的引入使得欧式空间上的运算转化为距离空间上的运算,在降低运算复杂度的同时很好地兼顾到数据集的几何结构.而且,单形体重心的使用确立了一种快速而精确的判断方法来确定观测像素所属的子空间,进而利用递归的思想得到丰度值.此外,算法核心仅仅涉及观测点与端元之间的距离,而与波段数无关.因此,该算法无须对数据执行降维处理,从而可以避免因数据降维而造成的有用信息的丢失.仿真和实际高光谱数据的实验结果表明,所提出的算法与同类其他优秀的算法如FCLS和SPU相比,具有更高的运算精度,同时在端元数目较小时具有较快的运算速度.     

基于视觉推理的机器人多物体堆叠场景抓取方法

基于视觉的机器人抓取方法是研究智能机器人抓取问题的重要思路.本文提出了一种基于机器视觉推理的适用于多物体堆叠场景的机器人抓取方法,算法包含了场景理解和抓取规划两个步骤.在第一步的场景理解中,本文的算法包含两个主要部分:视觉操作关系推理和抓取部位检测.在视觉操作关系推理中,本文提出了一种基于深度卷积网络的视觉操作关系网络(Visual Manipulation Relationship Network, VMRN),以对物体和操作关系进行实时推理.在视觉操作关系网络中,通过设计物体对池化层,实现了物体检测和操作关系推理的端对端训练,提升了算法的速度和性能.在第二步的抓取部位检测中,本文提出了基于有向锚点框的全卷积视觉抓取部位检测网络,实现了对物体抓取部位的实时检测,并在康奈尔抓取数据集上取得了目前最高的精度.在抓取规划中,通过结合场景深度信息和抓取部位检测结果,获取当前被抓取物体的抓取点和对应的抓取向量,并通过坐标系变换将Kinect坐标系的抓取向量映射为机器人坐标系的抓取向量,完成当前抓取.实验结果表明,本文提出的机器人抓取方法能够在多物体堆叠环境下按照正确顺序完成抓取任务,并成功抓取目标物体.     

基于体绘制的三维交互算法研究

提出了基于体绘制的三维交互算法.该算法将三维对象组织成为树状节点,并利用对象的三维骨架化特征为索引,快速计算三维坐标系中坐标对应的三维对象,从而解决了体绘制中缺乏有效的交互问题,且具有较高的响应速度,可对海量医学影像数据集进行操作.以该架构为基础建立的肝外科辅助手术规划系统,可交互显示肝段、血管等信息,使得医生能更准确的了解组织空间结构和解剖信息,精确的掌握病变组织特性.     

大型复杂构件机器人移动加工技术研究

大型复杂构件,如大型风电叶片、航空结构件、高铁车体结构件等在航空航天、能源和交通等领域有着广泛应用.为解决大尺寸大型复杂构件的自动化智能化加工,将工业机器人集成在移动平台上,组成移动机器人加工系统,进一步增加机器人加工的工作空间与灵巧度,为大型复杂构件的高效精密加工提供了新思路.本文针对大型复杂构件的移动加工方案,分别从移动加工动力学与控制、移动加工多机器人协作与移动机器人测量三个角度对现有文献进行综述.阐述移动机器人加工的整体实施思路与与之相关的研究现状.进一步地,通过对移动机器人加工动力学进行理论建模和实验分析,得到移动机器人加工的动力学特性,发现移动机器人加工振动主要为周期性加工力所激发的移动机器人与工件的耦合振动.最后,设计了T-S模糊控制器,控制机械臂对工件的恒力匀速磨抛加工.仿真结果表明,采用模糊力位混合控制器能够很好的实现移动机器人对工件的恒力匀速打磨.     

基于化学反应优化的多无人机地面移动目标协同观测航迹规划

随着无人机技术的飞跃式发展,利用无人机跟踪地面目标在军事和民用领域得到了广泛的应用.鉴于目标所在环境以及运动状态的不确定性,单一无人机已不能胜任日益复杂的应用环境,利用多无人机协同跟踪目标成为改善目标跟踪任务鲁棒性的一种有效手段.本文针对多无人机协同跟踪观测航路难以求解的特点,提出了一种基于进化算法的近似求解方法,以解决多无人机对被跟踪目标观测航路的时空优化问题.本文通过分析与机身以固定安装角连接的传感器在地面有效观测区域模型,提出了包括目标观测时间和航路安全在内的控制方案,并采用了一种基于化学反应优化(chemical reaction optimization,CRO)理论框架的启发式求解策略,规划无人机的最优协同观测航路.仿真的结果表明,本文所提出的方法能够实现多无人机协同跟踪地面移动目标的要求,在满足无人机性能约束和飞行安全的情况下,具有更长的对目标监测时间.     

基于鸽群智能行为的大规模无人机集群聚类优化算法

未来空中战场,大规模无人机集群系统将成为主导力量.而对大规模无人机集群系统进行分组聚类是完成作战任务规划的必要步骤.在实际战场中无人机受到有限通信约束,无法得到全面而有效的全局作战信息.因此本文提出一种基于鸽群智能行为的大规模无人机集群聚类优化算法.根据聚类模型设计鸽群优化算法,研究分析导航能力优异的鸽群智能行为,将鸽群飞行过程中的层级网络机制映射到鸽群优化算法中,解决有限交互环境下的信息不完整问题.一方面,依据鸽群在飞行过程中来自临近个体的引导更为有效直接,因而在有限交互环境下,基本鸽群优化算法中的全局最优信息由交互范围内的最优个体信息替代;另一方面,鸽群的中心位置更新包括三部分:增量惯性部分、模仿部分、环境影响部分.为验证改进后鸽群优化算法在有限交互范围下的有效性,本文采用三种算法针对三个数据集进行聚类分组,仿真结果表明改进后的鸽群优化算法在最优解与平均最优解上均有改善,为实际作战环境下的无人机集群系统聚类分组提供了有效的解决方法.     

实时视频检测系统中背景更新及复杂目标定位算法

本文提出了针对固定背景帧差法的背景更新算法和多目标定位算法。在背景更新中，通过建立目标、噪声矩阵来保存图像的特征信息，利用分类的思想优化更新策略，基于像素对背景进行更新；在目标定位中，提出了基于目标对角线的连通判断模板，该模板不断生长进而检测目标的中心点和体积，可实现实时场景中多目标和形态差异目标的定位：户外实验证明了算法的健壮性和鲁棒性，可以实现背景更新和复杂目标识别．     

一种具有记忆自学习能力的快速动态寻优算法及其无功优化求解

针对传统人工智能在随机复杂环境的适应及交互能力较低问题,有机地将经典强化学习Q(?)算法与多主体协同行为进行高度融合,提出了一种具有记忆自学习能力的快速动态寻优算法.该算法通过与外部环境反复的交互来进行自学习改进,并利用值函数矩阵储存状态-动作对记忆,提出了联系记忆方式,有效地对传统Q(?)算法的动作空间进行降维处理,减小了记忆矩阵的规模;基于多主体协同合作的概念,采用多个主体同时对记忆矩阵进行迭代更新,明显提高了更新速度;在预学习形成良好的记忆后,能快速地进行在线动态优化.最后,文章利用电力系统经典无功优化模型进行了算法测试,IEEE 118节点和IEEE 300节点标准算例仿真表明:本文所提算法在保证较高收敛性的同时,寻优速度能提高到遗传算法、蚁群算法、粒子群等传统人工智能方法的5~40倍,非常适用于大规模复杂电网的在线滚动无功优化.