基于PSO-BP神经网络的煤矿井下自适应定位算法

提出了一种基于PSO-BP神经网络的煤矿井下自适应定位算法。针对传统的基于测距模型的定位算法易受煤矿井下环境干扰、测距误差大的问题,选择指纹匹配定位模型。针对煤矿井下环境强时变性,易增大实时采集的指纹信息与离线阶段建立的静态指纹数据库信息的匹配误差问题,将信标节点作为参考点的校准节点,以更好地反映参考点随环境变化的情况,避免增加额外的校准节点;在不增加硬件成本的同时,通过动态补偿法实时修正目标节点指纹数据,解决了指纹匹配定位模型自适应差的问题。匹配定位阶段采用PSO优化BP神经网络权值,以加速BP神经网络收敛,提高学习速度。实验结果表明,该算法更加适应随时间变化的煤矿井下环境,满足井下自适应定位要求。     

GPS/MM车载导航系统的研究与实现

车辆导航系统的一项重要功能是将GPS的定位数据在电子地图上精确显示。由于坐标系的差异,需进行坐标转换。定位数据因多种原因存在误差,因此需要合适的地图匹配算法来提高定位精度。依据道路网络的拓扑性,以及自适应加权匹配因子的计算,提出了一种实用的地图匹配算法,并在实践中得到了验证,能够提高定位数据的精度和可靠性。     

基于路网拓扑结构的无方向参数地图匹配算法

利用车辆行驶的连续性,将比较车辆行驶轨迹与地图道路相似性的问题转化为在多组候选道路中选择一条连续的,可能性最大的道路作为匹配结果。充分利用了网络拓扑结构和车辆必定经过确定道路的特性,对不可能的待匹配道路进行剪枝,减小了计算量。此外,在匹配过程中不需要方向参数,算法适用面较广。     

粒子群优化算法在神经网络控制中的应用

考虑粒子群优化算法在不确定系统的自适应控制中的应用。神经网络在不确定系统的自适应控制中起着重要作用。但传统的梯度下降法训练神经网络时收敛速度慢,容易陷入局部极小,且对网络的初始权值等参数极为敏感。为了克服这些缺点,提出了一种基于粒子群算法优化的RBF神经网络整定PID的控制策略。首先,根据粒子群算法的基本原理提出了优化得到RBF神经网络输出权、节点中心和节点基宽参数的初值的算法。其次,再利用梯度下降法对控制器参数进一步调节。将传统的神经网络控制与基于粒子群优化的神经网络控制进行了对比,结果表明,后者有更好逼近精度。以PID控制器参数整定为例,对一类非线性控制系统进行了仿真。仿真结果表明基于粒子群优化的神经网络控制具有较强的鲁棒性和自适应能力。     

基于GPS/DR的地图匹配方法的研究与实现

研究了地图辅助定位技术在GPS/DR组合定位系统中的应用,给出了一种基于D-S证据推理的地图匹配算法,该算法通过对车辆轨迹与数字地图模块提供的路径相比较,把基于各种传感器的车辆位置与道路网络联系起来,并通过匹配过程来确定车辆关于地图的最大可能位置.仿真实验结果表明,应用该地图匹配算法能够有效的提高组合定位系统的定位精度、减小误差,改善对航线的跟踪质量.     

GSM-R场强监测系统中地图匹配算法研究

通过对影响车载导航系统定位精度的各种GPS数据误差的分析,提出了在GSM-R(Global System for Mobile Communica-tions Railway,铁路专用移动通信系统)场强监测系统中采用基于匹配相似度的地图匹配算法,该算法以GPS定位数据、精确的电子地图及相关路段的历史数据为基础,通过匹配过程确定车辆在电子地图上的最大可能位置,从而弥补了传统匹配算法计算量大以及匹配不准确的不足;最后,在模拟平台上进行了一系列测试,测试结果表明,该算法中的车辆定位和地图匹配精度明显提高,约达到95%。     

融合图特征的多机器人栅格地图拼接方法

现有的栅格地图拼接方法在地图重叠区域较小、地图特征较少、地图存在自相似性和非刚性形变的情况下匹配精度往往会大幅度下降甚至失配,提出了一种融合图特征的多机器人栅格地图拼接方法。提取待匹配栅格地图的ORB特征点并粗匹配,接下来建立ORB特征点之间的中值[K]近邻图;建立最优传输目标函数并融合ORB特征和图特征构建传输代价矩阵,同时建立增广节点筛选通过Sinkhorn算法求解最优匹配,RANSAC算法求解两张栅格地图之间的刚体变换,实现多机器人栅格地图的配准和拼接。通过实验验证了该方法具备较高的拼接精度,可应对重叠率低、特征不太明显的场景,展现出了较快的计算速度,并分析了相关参数对算法表现的影响。     

基于曲率特征的自主车辆地图匹配定位方法

提出了一种新的基于曲率特征的自主车辆地图匹配定位方法,该方法通过计算自主车辆行驶轨迹和参考轨迹的尺度不变曲率积分特征及其相关性进行匹配,可以有效地消除因航迹推算(DR)传感器标定参数偏差和航向角估计偏差而引起的错误匹配问题.文中首先采用扩展卡尔曼滤波器融合惯性测量单元输出、方向盘转角和4个ABS(防抱死刹车系统)传感器测量的轮速,估计自主车辆的位姿状态,并据此从数字地图中选择匹配的候选路段.然后利用本文提出的曲率空间特征地图匹配算法实现路段匹配,并根据曲率和航向角变化确定匹配点,最后将其作为无迹卡尔曼滤波器的观测值更新滤波器,从而实现高精度的位姿估计.现场道路实验结果表明,该法能够有效地实现地图匹配,降低自主车辆DR产生的累积误差,从而能够在GPS(全球定位系统)信号失效情况下实现长距离精确定位.     

基于权重的地图匹配算法

该文分析了地图匹配的误差来源,提出了一个基于权重的地图匹配算法。该算法将GPS定位数据转换成道路网络的弧的权重,然后根据弧的权重大小来确定车辆当前行驶的道路。该算法有效地利用了定位点的当前信息和历史信息,并且能够在很大程度上降低定位误差对地图匹配效果的影响。     

一种快速模糊ARTMAP神经网络算法

模糊ARTMAP神经网络学习算法可以动态高效地检测新闻文本中的模式,但随着网络大小的增加收敛速度变慢,计算复杂,鲁棒性不高。因此提出了一种快速模糊ARTMAP神经网络算法。该算法主要提出了新的匹配函数和激励函数,不需要规范化和补码计算步骤,去除了匹配跟踪过程,当发生未遂节点为赢得竞争的节点时,直接建立一个新的模板层的类标识。算法的革新之处在与既能动态维持聚类结构同时又减少了算法的复杂性。实验结果证实了该算法在合理时间内产生了高质量的模式发现。     

基于结构分解的GPS/INS组合导航粒子滤波技术

针对粒子滤波应用于GPS/INS组合导航系统时难以保证滤波实时性的问题,提出一种基于线性/非线性结构分解的改进粒子滤波算法.改进算法对状态方程进行线性/非线性结构分解,分别采用重点采样和线性卡尔曼方式进行一步预测递推,充分发挥粒子滤波和卡尔曼滤波的特点,有效降低了粒子滤波的计算量,在保证GPS/INS组合导航系统滤波精度的条件下提高了组合滤波的实时性.     

基于移动长基线的多AUV 协同导航

基于扩展卡尔曼滤波（EKF）理论研究了多AUV 协同导航定位的移动长基线算法．移动长基线多AUV 协同导航结构中,主AUV 内部装备高精度导航设备,从AUV 内部装备低精度导航设备,外部均装备水声装置测量 相对位置关系,利用移动长基线算法融合内部和外部传感器信息,实时获取从AUV 的位置信息．建立了协同导航 系统数学模型,设计了EKF 协同导航算法,在各种测试情况下通过仿真验证了所推导的分析结果,对EKF 和几何 解方程算法的导航效果进行了比较．研究结果表明,以主AUV 作为移动的长基线节点时,通过EKF 算法可以显著 提高群体的导航定位精度．     

视觉引导AGV中的数字图像处理方法

利用计算机视觉技术引导自动运输车AGV(Automatic Guided Vehicle)是一种重要的AGV导航手段。该方法通过摄像头获取道路图像信息并进行处理,获得道路参数,以此来指引AGV导航。现有的视觉导航算法大多复杂度较大,难以满足实际应用的实时性需求。提出一种基于道路参数识别的视觉引导方法,将道路中的道路识别为曲线参数,结合预测进行修正,在保证精度的前提下,大幅提高算法效率。理论分析和实验结果表明,该方法具有识别精度高,执行速度快,能达到实用化的要求。     

基于不确定性知识的实时道路场景理解

由于室外机器人的工作环境非常复杂，因此机器人的视觉导航必须具有足够的智能和鲁棒性，为此，提出了一种基于不确定性知识的实时道路理解算法，该算法通过不确定性知识推理来融合多种信息和知识，以满足在复杂道路环境下的鲁棒性要求，它即使在有强烈阴影、水迹等干扰下也能给出比较好的结果；通过图象边缘信息的提取可以得到精确的道路边界，以满足视觉导航的精确性要求；同时在算法设计时，兼顾了实时性要求；使得算法得以实时实现，该算法已在实际的机器人上进行了测试，并得到了很好的结果。     

蚁群算法在最优路径规划中的应用

最优路径规划是道路交通导航系统中很重要的一个功能。将路径规划问题转化为以加权路径网的以路径长度与通行时间的线性组合为目标函数的优化问题,并提出一种改进的蚁群算法应用于该问题,使规划的路径更加符合各种要求。仿真结果表明,该算法能在较短时间内根据不同需求规划出较优的路径,是行之有效的方法。     

基于时空分析的地图匹配算法研究

地图匹配技术被广泛用于GPS导航、城市道路交通状态分析等领域。针对目前城市浮动车数据量日益庞大,地图匹配算法实时性差、匹配率不高的缺点,提出了一种基于时空分析的地图匹配算法。算法在对城市路网建立网格索引的基础上,综合考虑了空间几何、路网拓扑信息及上下文因素对选取GPS投影点的影响,大大提高了匹配效率和匹配精度。实验结果表明,算法能够满足工程应用中浮动车地图匹配的实时性和准确性。     

基于场景匹配与可重构技术的自适应道路检测

车辆视觉辅助导航系统要求具有很高的鲁棒性和实时性。而视觉处理系统中,单一算法很难克服环境变化产生的影响,做到各种道路环境下的最优。针对目前这一研究难点,提出了基于道路场景匹配和硬件可重构技术的自适应道路检测方法。该方法基于道路场景分类来实现算法与道路场景的最佳匹配,利用可重构硬件来实现硬件算法功能的实时自适应重构,由此实现车辆视觉辅助导航自适应道路检测。实验结果表明:该方法具有检测性能好、鲁棒性强、实时性高的优点,检测正确率达到了90.17%,较好地解决了检测系统自适应性与实时性之间的矛盾。     

移动机器人导航系统中的车道线检测方法及实现

针对室外移动机器人GPS与惯性导航不足之处,在GPS与惯性导航基础上,提出了采用视觉检测方法实时识别路面的车道线信息,对移动机器人进行辅助定位。在传统的Canny边缘检测算子基础上,提出了使用改进型小波阀值算法与Canny边缘检测算子进行融合处理,其基本原理是先使用改进型小波阀值算法,代替传统的高斯滤波器进行平滑和降噪处理,然后再使用Canny边缘检测算子提取边缘特征。最后使用matlab软件对采集到的路面视频信息进行处理,计算出移动机器人相对于路面车道线的偏转角度和偏离距离。实验发现12000帧图像中有仅有892帧图像检测失败,成功率达到92.6%,取得较好效果。为移动机器人的室外自主移动提供有力支撑。     

矢量道路拓扑追踪匹配算法

目的 基于道路形状特征的匹配算法在匹配性能上比较稳定,但当遇到道路交叉口等复杂路况时容易出现误匹配,且实时性上有一定缺陷,而矢量道路良好的拓扑结构,为此提出一种利用矢量道路拓扑关系进行追踪匹配的算法。方法 算法利用结点、路段和路口这3种对象来对矢量道路进行表达,建立各个对象之间的拓扑关系,并将匹配过程划分为4个不同的状态,根据各个状态实施相应的匹配方法。首先,进行初始化、追踪、路口和搜索4个状态的定义和划分,确定各个状态之间的转换关系;进一步,设计道路中的结点、路段和路口3种对象的数据结构,建立点、线之间的空间拓扑关系;其次,根据4个状态的具体任务和实际特点,对进入该状态的行驶轨迹进行相应地分析处理和匹配计算;最后,根据追踪的结果进行匹配分析,完成对车辆行驶轨迹的误差修正。结果 采用GPS-RTK采集的北京市西五环及密云地区的矢量道路数据对实地跑车的惯性导航轨迹进行拓扑追踪匹配仿真实验,完成拓扑追踪匹配算法的路口距离阈值选取,并与传统基于道路形状特征的匹配算法在匹配效果和实时性进行性能对比测试,其性能指标为匹配准确率和匹配时间。当矢量道路拓扑追踪算法的路口距离阈值取20 m时,匹配准确率达到了最高值93.5%。在匹配性能对比上,拓扑追踪算法相较于其他两种算法也有一定优势,在相同道路段中匹配准确率达到了90.2%,匹配速度也提高了48倍。结论 采用矢量道路数据的拓扑信息对车辆轨迹进行追踪匹配的方法,能够用于卫星信号“盲区”或者信号干扰等特殊环境和场合的组合系统辅助导航,弥补传统基于卫星的组合导航在自主性、抗干扰性的不足。同时,算法针对复杂路况的匹配结果也较为理想,能够满足组合导航匹配工作的要求。     

一种改进的Dijkstra算法应用于嵌入式GIS系统

在实践中,Dijkstra算法是处理道路网络的最有效的算法之一.但Dijkstra算法每次都需要扫描节点集合中的所有节点,降低了算法效率.通过对前人的成果和嵌入式系统的性能进行研究和分析后,分两步来提高算法效率:第1步通过数据的预处理缩小算法的搜索范围;第2步为每个节点添加属性值、增加前趋表,以辅助算法快速找到一条最短路径.然后将此算法应用于嵌入式GIS系统中,并使用大量的数据进行测试,结果表明改进的算法明显提高了GIS系统的效率.