多源融合SLAM的现状与挑战

同时定位与地图构建（simultaneous localization and mapping,SLAM）技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器（如相机、激光雷达）的SLAM系统往往无法适应目标需求,故研究者们逐步探索并改进多源融合的SLAM解决方案。本文从3个层面回顾总结该领域的现有方法：1）多传感器融合（由两种及以上传感器组成的混合系统,如相机、激光雷达和惯性测量单元,可分为松耦合、紧耦合）;2）多特征基元融合（点、线、面、其他高维几何特征等与直接法相结合）;3）多维度信息融合（几何、语义、物理信息和深度神经网络的推理信息等相融合）。惯性测量单元和视觉、激光雷达的融合可以解决视觉里程计的漂移和尺度丢失问题,提高系统在非结构化或退化场景中的鲁棒性。此外,不同几何特征基元的融合,可以大大减少有效约束的程度,并可为自主导航任务提供更多的有用信息。另外,数据驱动下的基于深度学习的策略为SLAM系统开辟了新的道路。监督学习、无监督学习和混合监督学习等逐渐应用于SLAM系统的各个模块,如相对姿势估计、地图表示、闭环检测和后端优化等。学习方法与传统方法的结合将是提升SLAM系统性能的有效途径。本文分别对上述多源融合SLAM方法进行分析归纳,并指出其面临的挑战及未来发展方向。     

一种空战任务可视化仿真系统的开发

为了研究飞机作战武器的作战使用和协同对抗过程,针对新型战斗机作战使用研究需要,提出了一个以某型飞机建立的飞行和武器控制模型,同时研制了模拟座舱,数个座舱之间可以通过网络通信实现多机的协同或对抗系统。利用在FlightGear和Simulink上建立的空战视景仿真系统实现协同对抗可视化任务计算和进行仿真。结果显示,改进方案切实可行,可扩展性强,并为空战武器系统战场环境可视化提供了依据。     

基于扩展贝叶斯网络的编队对地攻击效能评估

编队对地攻击作战的效能评估中,由于忽略不确定因素的影响,往往给评估结果造成较大误差。针对编队对地攻击作战效能评估中不确定因素的影响,提出一种基于扩展贝叶斯网络作战效能评估方法;分析了编队对地攻击中的不确定因素,根据不确定因素的特点,结合灰色模糊综合评判理论处理不确定因素的优势和贝叶斯网络在推理上的优点,提出扩展贝叶斯网络模型,该模型利用模糊理论处理不确定性的优势,将不确定因素转换为概率问题;结合贝叶斯网络较强的推理能力,综合评估编队对地突防、攻击作战效能,有效地解决了不确定因素的影响。仿真实例证明了该方法的实用性和有效性。     

关于水利国有企业改革的思考

文章从国有企业改革的必要性出发,对水利国有企业改制的目标和目前存在的主要问题及其原因进行分析,提出水利国有企业在改革过程中,针对这些问题可采用交叉持股产权模式,建立“所有者对经营者有效治理结构”的市场机制以及建立明晰的产权关系和长效的用人机制的观点。