目标围捕任务中搜索与预包围阶段的群机器人行为学习

为了进行群机器人协同作业,提出目标搜索中导航类集体行为学习策略.在使用具有闭环调节功能的动态任务分工方法进行任务分配、自组织地生成多个子群后,在子群中引入基于社会学习微粒群算法的机器人行为学习策略.在子群框架内,机器人各自独立地以感知的共同意向目标信号强度为标准对所有成员排序,将感知优于自己的机器人作为行为示范者.然后在搜索空间各维度上分别随机选择一个行为示范者,学习其在相应维度上的位置坐标,经构造得到搜索空间中自己的学习行为向量,由此决策自身的运动行为.仿真结果表明,在不需要学习全局社会经验的前提下,机器人能针对所属子群的共同意向目标进行协同作业,提高搜索效率.     

基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制系统的设计

为了使仿人机器人手臂抓取控制系统更加智能化,提高运行效率,设计并实现了一种基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制系统。系统采用PMAC运动控制器完成机器人运行数据的传递、处理以及对机器人手臂抓取工作台的控制,采用Accelus系列数字伺服驱动器,调控仿人机器人运动位置和速度,通过关节控制器对机器人抓取过程中手臂关节的位置、速度以及角度信息进行控制,通过以S3C2440为核心芯片的上位机,实现仿人机器人手臂控制的远程通信以及抓取任务的调度,完成仿人机器人手臂抓取的智能控制,软件设计过程中,对基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制算法进行了详细分析,并给出了机器人手臂抓取控制程序代码实例,通过仿真实例验证了本系统的可用性和实用性。     

基于健康管理的多机器人覆盖控制

装备了传感器的多机器人系统可以完成在各种场景中覆盖搜索任务,例如污染源监测和控制。而传统基于CVT的覆盖控制算法未曾考虑到环境对机器人健康的影响,以及不同健康的机器人对覆盖成本的影响。针对上述问题,本文提出了一种基于健康优化管理的多机器人覆盖控制算法。首先引入多机器人健康优化管理办法,将机器人的健康退化纳入位置优化问题,最大程度地减少机器人的健康损耗,并尽可能的延长不健康机器人的工作寿命;其次引入基于加权维诺的分布式覆盖控制方法,为多机器人提供最优配置的同时最小化代价函数;目标是当机器人执行任务的能力随时间变化时,执行覆盖任务,提供最优配置。最终通过数值仿真和实验验证了所提算法的有效性。     

基于资源拍卖的农业多机器人任务分配

针对农田环境中多机器人协同作业的问题,提出一种基于资源的任务分配算法,用于在具有机器人资源的再填充站的长期任务中高效地执行多个任务.针对多机器人任务分配问题,对多机器人任务进行建模,并分析任务相关模型及任务能量指标.在进行拍卖算法任务分配时,在考虑机器人数目约束、工作时间约束、距离约束的基础上,加入任务执行能力的约束,考虑机器人在长期任务执行期间资源量消耗问题,使各个农机有序地为农田地块服务,降低整个系统的执行代价,提高任务完成量.利用MATLAB平台进行仿真实验,生成多机器人多任务点的分配优化结果,并设置多组不同数量的机器人,对比该算法同其他三种算法的效果.仿真结果表明,该算法可以有效地提高作业效率,在相同条件下使资源消耗量及任务完成量达到最优,证明了其优越性,同时计算结果与实际作业完成量更接近,提高了结果的精准性.     

无人仓多搬运机器人协同作业轨迹自动控制研究

由于无人仓多搬运机器人协同作业线路较为复杂,导致协同作业轨迹控制难度增加,为了保证多搬运机器人能够按照规划路线执行搬运作业,提出了无人仓多搬运机器人协同作业轨迹自动控制方法。采用栅格图建模法,结合无人仓内货架的实际分布情况,建立无人仓环境场景。从组成结构、运动学以及动力学三个方面,构建搬运机器人的数学模型。遵循就近原则分配多机器人搬运任务,规划多搬运机器人的协同作业轨迹,根据多搬运机器人实时位姿的自动检测结果计算控制量,利用作业轨迹自动控制器的安装与运行,完成无人仓多搬运机器人协同作业轨迹的自动控制任务。实验结果表明,在该方法应用后,多搬运机器人在无人仓中的作业轨迹与规划轨迹基本相同,计算得出的平均位置控制误差和姿态角控制误差分别为2.27cm和0.05°,搬运机器人的碰撞次数能被控制在规定范围内,实际应用效果好。     

群机器人多目标搜索中的合作协同和竞争协同

群机器人进行多目标搜索时,通过任务分工形成多个子群,各子群分别针对一个意向目标协同搜索,故围绕子群协同中存在的合作关系和竞争关系提出控制策略.为进行合作协同,建立子群发言人的动态遴选机制,不同子群的发言人进行通信,交换所属各子群的最优信息,引导本子群的搜索行为;为进行竞争协同,引入承包机制,按子群的优势地位高低决定是承包还是放弃对某些目标的搜索.两类协同控制的仿真结果表明,合作协同扩大了机器人的感知范围,竞争协同降低了空间冲突机率.二者综合作用,明显提高了群机器人的搜索效率.     

群机器人任务分工与协同搜索方法

群机器人执行搜索任务时,为平衡任务分工和提高协同搜索效率,提出预分工与反馈调节的双层分工方法和模拟鸟群觅食的协同搜索方法。在任务分工方面,以探测的目标强度为依据建立目标选择概率函数,使用轮盘赌确定机器人意向目标,将意向目标相同的机器人预分配为同一子群,使用反馈调节法实现分工平衡。在协调搜索方面,模拟鸟群觅食过程,提出粒子群-人工势场的搜索和避障协同控制方法。仿真结果表明,协同搜索方法能够锁定区域内所有目标,与文献[10]方法相比,任务完成平均耗时减少了17.14%,最优耗时减少了18.61%,验证了该方法在任务分工和目标搜索上的优越性。     

基于头脑风暴优化算法的多机器人气味源定位

针对现有室内湍流环境下多机器人气味源搜索算法存在历史浓度信息利用率不高、缺少调节全局与局部搜索的机制等问题,提出头脑风暴优化（BSO）算法与逆风搜索结合的多机器人协同搜索算法。首先,将机器人已搜索位置初始化为个体,以机器人位置为中心聚类,有效利用了历史信息的指引作用;然后,将逆风搜索作为个体变异操作,动态调节选中一个类中个体或两个类中个体融合生成新个体的数量,有效调节了全局和局部搜索方式;最后,根据浓度和持久性两个指标对气味源进行确认。在有障碍和无障碍两个环境中将所提算法与三种群体智能多机器人气味源定位算法进行定位对比仿真实验,实验结果表明,所提算法的平均搜索时间减少33%以上,且定位准确率达到100%。该算法能够有效调节机器人全局和局部搜索关系,快速准确定位气味源。     

基于遗传算法模式匹配的机器人实时视觉伺服

对于机器人手臂来讲 ,对工作环境的识别是完成一个智能任务的最重要的问题之一 .因为这种智能可以使它工作在一个变化的环境中 .本文提出了一种新的机器人手臂的控制策略 ,可以利用视觉信息来指导机器人的手臂在它的工作空间中捡起一个已知形状但任意位置和方向的物体 .在对物体的搜索过程中 ,利用基于视觉闭环的视觉伺服来完成对机器人手臂的运动控制 .本系统利用遗传算法 (Genetic Algorithm ,GA)和模式匹配技术完成对搜索空间的搜索并获得了良好的结果 .本文完成了对带有两连杆手臂的视觉伺服系统的仿真 ,仿真结果证明了算法的有效性     

基于认知差异的多机器人协同信息趋向烟羽源搜索方法

多机器人协同稀疏烟羽源搜索研究中,追求群体信息一致而忽视个体独立搜索能力的发挥,导致群体无法有效适应复杂搜索状况.为此,提出一种基于认知差异的协同信息趋向源搜索方法.首先,利用相对熵度量群内个体对源位置估计的认知差异;然后,据此赋予不同个体烟羽采样以相应权重,在贝叶斯推理过程自适应权衡自身线索与群体线索;最后,采用分布式信息熵决策实施协同信息趋向搜索.多种场景下的仿真结果验证了所提出算法的优越性.     

基于弦高点和遗传算法的仿射配准

针对复杂场景中目标由于成像畸变、部分遮挡和局部缺失难于识别的难题, 提出了一种新的特征点——弦高点, 将其和遗传算法相结合用于图像的仿射配准. 算法首先给出了弦高点的定义, 并证明了其仿射不变性; 然后,应用遗传算法搜索模型和目标轮廓上两对对应点, 以弦高点作为第三对对应点, 求解最优的仿射变换矩阵; 最后,对遗传算法搜索的结果再进行线性搜索, 提高配准的精度. 本文利用 LTS Hausdorff距离(Least trimmed square Hausdorff distance, LTS-HD) 进行度量, 能有效克服部分遮挡或局部缺失的影响. 由于采用遗传算法, 并只需搜索两对对应点, 配准的速度得到提高. 理论分析和实验结果均表明, 该算法能有效地进行仿射配准, 并能处理部分遮挡或局部缺失.     

用于多视点云拼接的改进ICP算法

点云拼接在三维物体重建中有着广泛的应用,由于扫描设备会受到光照、遮挡或物体尺寸等的影响,使得扫描设备不能在同一视角下获取待测物体的全部点云信息. 针对迭代最近点算法（ICP）受点云初始位姿影响较大,鲁棒性差的特点,提出一种将多视点云数据作为研究对象,基于改进ICP算法的点云拼接算法. 该算法在选取特征点时,将坐标轴与阈值相结合,设定一个阈值约束候选点的搜索范围,然后得到欧氏距离最近的点集,并使用ICP算法进行点云拼接. 实验结果表明使用本文算法较传统ICP算法在迭代耗时、拼接精度上有明显的优势.     

计算Banach不动点的进化策略算法

针对目前计算Banach不动点的迭代算法存在着收敛性和性能特征在很大程度上依赖于初始点和计算过程因串行运行造成效率低等问题,提出了应用进化策略算法来计算Banach不动点的并行算法,充分发挥了进化策略算法的群体搜索和全局收敛的特性,快速的并行搜索,有效地克服了经典Banach不动点的迭代算法初始点敏感和效率低的问题.数值计算结果表明该算法收敛速度快、精度高、鲁棒性强,为计算Banach不动点提供了一种可行的方法.     

基于多核并行和动态阈值的点云配准算法

针对点云配准中存在错误匹配点对、精度不高等问题,提出一种基于多核并行和动态阈值的点云配准算法。该算法采用改进的SAC-IA算法进行点云粗配准,利用OpenMP实现点云查询点的法向量、FPFH等特征的并行加速提取以及对应点对的并行查找,从而使整个配准算法的速度得到保持甚至提升。在点云精配准阶段,使用改进的ICP算法进行精配准,改进点着眼于错误对应点对的剔除及其阈值的动态确定,即以配准点重心作为参照点,按照动态阈值,使用点对距离约束剔除错误对应点对。实验结果表明,本文算法在提升配准精度的情况下,配准速度也得到了提升。     

一种高程相关的机载LiDAR点云配准方法

针对现有配准方法难以提取大范围机载LiDAR点云特征信息的问题,提出了一种基于2片待配准机载LiDAR点云高程数据相关的点云自动配准方法。首先,将待配准点一定范围内的点云拟合局部曲面;然后,在另一点云片中确定搜索区域,利用拟合结果求解搜索区域内的点云在拟合曲面上的高程;最后,通过计算拟合高程与实际高程的相关系数,选择搜索区域内相关系数最大位置作为配准的关键点参与点云配准,反复迭代直到完成配准。文章用实际采集的机载LiDAR数据进行了实验分析,并与传统的ICP算法进行了对比。实验结果表明,该方法在配准精度上能达到较高的水准,能够满足机载LiDAR点云配准的要求。     

主动搜索耦合图案匹配的PCB板基准点识别算法

为了解决当前PCB板基准点识别算法在基准点尺寸变化和存在污痕的情况下易产生较高的误识别率等问题,提出主动搜索耦合图案匹配的PCB基准点识别算法。首先,引入高斯中值滤波对图像进行平滑处理,采用阈值处理与形态学分割图像,通过搜索符合特征标准的基准点轮廓,设计主动搜索算子,完成对基准点的首轮识别。然后,通过基准点模板图像和Aforge.NET匹配函数,在图像中定位基准点目标,返回中心点坐标与匹配度,完成对基准点的精准识别。实验结果显示：与当前识别技术相比,本文算法具有更高的识别精度与抗干扰性。     

海量平面点集凸壳的快速算法

提出并证明了凸壳的城堡定理，设计并实现了城墙的快速搜索算法。该算法可以作为海量平面点集凸壳计算的数据预处理过程。在计算海量平面点集凸壳时，可以先用该算法从点集中筛选出一小部分点作为候选点集，再用其他凸壳算法就可以很快地计算出整个点集的凸壳。     

基于选择预测的自适应运动估计算法

依据图像序列的运动矢量的时空相关性和中心偏移特性,首先对宏块进行类型划分,并利用相关块而非相邻块进行初始点预测的选择预测方法,提出了一种对起点进行选择预测的自适应运动估计算法,而在搜索过程中,则根据不同的图像内容对不同的块灵活地采用不同的搜索模式。实验证明,该算法在大大提高搜索速度的同时,还能保证图像性能,还兼顾了运动估计复杂度和精确度的要求。     

A Data Structure and an Algorithm for the Nearest Point Problem

In this paper we present a tree structure for storing points from a normed space whose norm is effectively computable. We then give an algorithm for finding the nearest point from the tree to a given query point. Our algorithm searches the tree and uses the triangle inequality to eliminate searching of the entirety of some branches of the tree whenever a certain predicate is satisfied. Our data structure uses 0(n) for storage. Empirical data which we have gathered suggest that the expected complexity for preprocessing and the search time are, respectively, 0(nlogn) and 0(logn).     

一种预测起始搜索点的运动图象分块运动匹配新算法

在以往的运动图象分块运动匹配算法中，分块运动向量的起始搜索点是固定的。本文根据各分块运动向量的分布统计特性和相邻分块运动向量的相关特性，提出了一种基于预测起始搜索点的运动图象分块运动匹配新算法。通过用相邻分块运动向量的相互关系预测当前分块的起始搜索点，利用基于中心搜索模式的分块运动匹配算法寻找匹配的运动向量。实验表明，该算法预测步骤简单，令搜索更快接近全局极值，与其它快速分块运动匹配算法相比有效地降低了帧间运动补偿误差和所需搜索运算量，效果较好。