基于全局视觉的足球机器人路径规划方法

基于机器人小车运动到定点常用的Turn-Run-Turn啪控制方法,根据机器人小车的物理特性,设计了一种新的切线路径规划方法.该方法把小车在运动过程中受到的物理特性限制抽象为障碍物,加入到环境中,使得算法简单,计算量小,对机器人初始条件没有限制.仿真实验表明,机器人小车能在较高速度下有效避开障碍并按需要的姿态到达目标.     

订单驱动下基于强化学习的智能车间AGV调度

物料搬运效率对智能车间的生产调度效率有着重要影响.物料搬运任务通常由自动导引车（Automated Guided Vehicle,AGV）执行,其具有数量多、任务需求实时变化、任务下达密集等特点.为及时、高效、准确地处理AGV搬运作业,提出基于强化学习的订单驱动下智能车间AGV调度模型,使用二级调度机制,第一级以负载均衡为目标,基于规则的调度方法对AGV进行任务分配;第二级运用强化学习深度Q网络（Deep Q-Network,DQN）算法对AGV进行单智能体下的搬运路径规划,通过减少智能体动作空间维数的方式,降低调度算法的收敛难度,并通过仿真实例验证该方法的有效性和创新性.     

基于MAS的高速AGV视觉路径跟踪与控制

基于视觉的自动导向小车（V-AGV）是目前智能移动机器人的研究热点，主要问题是视觉周期过长带来的速度低、导航精度不高以及循线导航时系统对突发事件（障碍物、故障车）的适应能力差，通过将视觉与非视觉传感器集成，采用基于MAS思想的软件系统，视觉系统探测路径区域信息，建立路径复杂度函数，以模糊推理完成速度规划，融合信息实现跟踪控制，使系统对复杂路径具有智能适应能力，实现高速、高精度循线导航；避障规划-避障-路径恢复方法用于突发事件处理，提高了系统的可靠性、稳定性、仿真和实际应用证明了方法的有效性。     

基于多种群遗传算法的AGV约束的柔性作业车间调度研究

以最后总时间最小为目标,建立考虑柔性加工的加工时间和与工序无关的AGV(automated guided vehicle)搬运时间相结合的集成车间调度模型.针对传统遗传算法在求解此类问题有迭代速度慢与难获得最优解的缺点,设计了一种改进的多种群遗传算法.利用移民算子协同各种群进化,设置一个精华种群保存所有种群中最优秀个体...     

基于子图归并的全局优化调度算法

为解决调度序列的多目标优化问题，基于数据流图中特定子图调度结果相互独立的原理，提出了一种基于图的分解与合并的构造调度算法.借助弹力引导列表调度（FDLS）的调度结果得出子图调度长度上界，并据此在归并过程中去除不可行的局部序列.把数据流图分解为若干个汇聚节点和独立子图，对独立子图进行调度，按层次逐渐把下层部分结果归并到上层部分结果中，从而得到完整调度结果.结果显示，由于在每次归并部分调度序列时尽可能地对搜索空间进行了裁剪，算法的速度较快，并且能够同时得到多组全局最优解，可以利用功耗、寄存器需求等条件对结果进行进一步筛选.     

应用于网格文件传输的全局动态调度算法

给出了一个应用于高带宽的网格文件传输的全局动态调度算法,该算法基于文件传输路径优化与并行机制,并吸收了网格文件传输＂多跳路径散列传输＂和＂多重路径传输＂,兼有二者的优点。试验结果表明,该全局动态调度算法对网格文件传输的性能（如吞吐量和反应时间）有重大改进。     

面向骨架手势识别的全局时空可变形网络

基于骨架序列进行手势识别关键在于如何融合时空信息提取可分辨性强的特征。该文提出关键点聚焦模块,通过全局上下文建模和不受限于固定形式的卷积方式,网络可以跨越多帧和不相关的关键点,在全局范围内自适应地聚合与手势动作密切相关的关键点信息,提取手势的时空特征。实验表明该方法在ChaLearn2013和SHREC数据集上得到的准确率可以达到94.88%和95.23%,优于现有方法。此外,该方法在处理噪声数据和动态手势方面稳定性更好。     

基于卷积神经网络视觉融合的动态手势识别

为了提高多帧视频序列中动态手势的识别效果,结合计算机视觉分析,提出了基于卷积神经网络视觉融合的动态手势识别方法.采用模糊数据多频谱方法进行多帧视频序列中动态手势视觉图像采集,对采集的图像用Harris角点检测和多传感识别方法进行多模状态分层特征点标定,用卷积神经网络视觉融合方法提取多帧视频序列中动态手势动作的边界轮廓特征点信息,分析多帧视频序列中动态手势的层次化分割特征,用图像分割和边缘信息增强方法,提高动态手势图像的分辨能力,结合角点优化检测技术,用视觉动态跟踪分析实现对手势动作特征点的自动化标定,根据动态手势的帧点分布规则实现多帧视频序列中动态手势动作图像的自适应特征检测和识别.仿真结果表明,采用该方法进行多帧视频序列中动态手势识别的准确性较高、实时性较好.     

基于改进的YOLOV4的手势识别算法及其应用

针对基于特征提取的手势识别算法准确率低和速度慢的问题,提出了一种基于改进YOLOV4的手势交互算法.利用数据增强的方法解决了手势数据较少的问题,同时优化YOLOV4的网络模型,改变原特征图分辨率使其能够检测到更完整的手势特征,通过K-means算法重新计算先验框的尺寸以提高对不同大小手势的识别率.将该方法与原始的YOL...     

基于视觉的移动机器人实时避障和导航

阐述了移动机器人通过视觉传感器在不确定的环境中实现自主避障和导航的一种方法，首先讨论了路径规划的分层结构，然后通过简单的图像处理方法获取运动环境中的避碰点，最后给出机器人实现局部路径规划的算法，该方法有效地利用了全局环境地图和视觉信息。减少了计算量，提高实时性，通过仿真研究说明了该算法的有效性和可行性。     

基于空间关系聚合与全局特征注入的视觉问答模型

现有视觉问答模型缺乏视觉对象间关系的理解能力,导致复杂问题的答案预测准确率较差;针对该问题,提出了一种基于空间关系聚合与全局特征注入的视觉问答模型。该模型首先利用空间关系聚合视觉区域特征,将其转换为视觉全局特征,并将这些特征注入网络;然后引入双边门控机制进行特征融合,使模型能够根据不同的问题输入,自适应地调整视觉全局特征和视觉区域特征对答案预测的贡献度;最后将融合特征输入分类网络,得到预测结果。在VQA 2.0和GQA公开数据集上进行实验,结果表明：该模型在VQA2.0的测试-开发集、测试-标准集和GQA的数据集上的总准确率分别达到71.12%、71.54%和57.71%,优于MCAN和SCAVQAN等主流模型。该模型由于引入了具有空间关系的视觉全局特征,能够更好地提升视觉对象间关系的理解能力,有效提高了视觉问答模型的准确率。     

基于模糊控制的AGV寻迹算法

针对基于光敏传感器组寻线的AGV,设计了传感器阵列的布置方式,根据此布置方式,提出了路径识别的算法,进而设计了AGV模糊控制器,试验表明系统性能符合要求,效暴良好．     

基于全局视觉的足球机器人实时避障策略设计

通过对对方机器人信息的处理,提出一种将位置信息转化为速度信息的实时避障策略.在检测到给定点与目标点之间有障碍物时,根据障碍物的位置给机器人一个新的目标点,使机器人能够绕过障碍物到达目标点,从而达到避开障碍物的目的.给出了算法的设计与实现并进行了仿真,仿真结果证明了该算法的可行性与有效性.     

基于协同遗传算法的车间调度问题研究

遗传规划在实际问题中的应用是一个新的发展方向。文章根据车间调度问题的特点,对遗传规划算法进行了改进,借鉴了一种新编码策略将变长编码变成定长,减少了算法复杂度,提高了运算效率;同时设计了一种新的标记交叉算子,这种交叉算法可以有效地避免产生非法解。由于遗传规划问题的收敛性不高,文中将遗传规划和遗传算法有效地结合起来,提出一种协同遗传规划算法,实验表明,改进后的算法比传统算法能更有效地解决车间调度问题。     

基于势场栅格法的机器人全局路径规划

综合势场法和栅格法的优点，提出了一个新的全局路径规划方法——势场栅格法、算法在避免局部最优点和降低计算量方面，有着良好的效果；并且可以自动确定栅格粒度．最后，文章分析了影响算法精度的因素，仿真试验表明此算法有良好的可行性和有效性．     

基于立体视觉平台的彩色图像视觉跟踪

在彩色图像视觉跟踪过程中,存在定位精度低、伺服周期长、可靠性差等问题.提出了一种改进的目标物体检测方法,同时运用已有的双目运动机构建立了视觉跟踪系统.在保证定位精度和可靠性不变的前提下,减小了图像处理过程中的计算量,缩短了整个系统的计算周期.同时通过大量的试验进行验证.结果表明,方法原理正确有效,对于具有不同颜色、不同形状、不同尺寸的运动目标物体都能够使双目运动机构跟随目标物体进行,实现了立体视觉平台的旋转运动.     

基于手指角度特征的静态手势识别算法

提出一种基于手指角度特征的静态手势识别算法。以指尖到手掌中心的连线构成手势骨架,计算手指间的角度;以角度的大小和指间数量进行分类,把手势定义为一、二、三、四、五、六、七、八、九等9种。该算法不受手势的方向和尺度的影响,仅通过判断手指问的角度大小来识别手势。对900幅手势图进行分析识别的实验结果表明：该算法正确率达96．8％,准确性高;平均用时不超过0．05s,实时性好。     

多AGV的路径规划与任务调度研究

自动化分拣仓储包含大量的分拣任务, 需要多个自动导引车(AGV)来辅助人工完成快速分拣任务。为了提高效率, 在保障AGV电量的前提下, 以AGV完成任务的空载时间与AGV的空置率为优化目标, 对多AGV的碰撞进行了冲突分析, 并通过改进的Q-learning算法来生成AGV的无冲突搬运路径; 为了完成多AGV路径和调度综合优化, 提出了一种改进遗传算法, 算法采用精英保留和轮盘赌的方式选择个体, 运用自适应的交叉和变异算子来进行进化操作。最后, 通过仿真验证了算法的有效性。     

基于剩余函数的单件车间调度算法的研究

单件车间(Job-Shop)调度问题是一类具有次序约束和资源约束的组合优化问题,是一个典型的NP难题。对Job-shop调度算法的研究不仅是对排序理论的一个补充,而且对于解决单件、多品种、小批量机械制造业的现代化管理也会起到积极的推动作用和影响。提出了一种基于剩余函数的Job-shop调度算法(JSSABRF),经分析及实验验证,利用这种算法求解Job-shop调度问题可得到比较满意的结果。