基于虚拟门检测的室内拓扑地图构建

为构建以房间为节点的拓扑地图,针对常见的室内半结构化环境,提出了一种基于虚拟门检测的拓扑分割方法。该方法中,虚拟门是环境中真实门的可能位置。首先,依据主方向投票器提取房间主方向。然后,结合占据栅格地图和机器人构建地图时的轨迹信息,在主方向上检测满足真实门宽度的占据栅格。最后,依据连通域分析法,完成拓扑地图构建。在真实环境中的多个场景对本文方法进行测试,结果表明,该方法具有较高的房间分割准确率和分割效率,超参数易于调节。     

一种机器人的栅格-语义地图构建方法

基于点云插入或分割的语义地图构建方法存在空间复杂度高、计算资源消耗多等问题,针对以上问题,提出一种移动机器人的栅格-语义融合地图构建方法。首先,运用激光雷达构建栅格地图作为融合地图的框架;然后,采用YOLO-v3-tiny获取环境语义信息,并将其属性信息及其在3D环境中的笛卡尔坐标映射至栅格地图,形成上层语义地图;最后,通过随机采样和K-means对空间区域进行划分。实验结果表明,所提方法能实时获取环境结构的信息和语义信息,所构建的融合地图为目标搜索任务提供语义信息引导,相比穷举式目标搜索,减少了74.8%的时间代价,提高了目标搜索任务的执行效率。     

基于局部特征预测的栅格地图创建

为解决利用声纳传感器进行地图创建时容易出现检测不到障碍物或产生虚假障碍物的问题,提出了一种利用局部几何特征提高地图精确度和可靠性的方法．利用连续几次可靠的声纳信息预测机器人周围局部环境中几何特征的位置与方向,并根据几何特征计算当前声纳数据的置信度．在全局地图更新中,删除置信度低于设定阈值的声纳数据,从而根据置信度降低不确定信息对地图创建的影响．实验结果证明本方法可以有效地提高地图的精确度．     

基于电路地图的移动机器人三维路径规划方法

通过建立多网笼三维立体电路地图的方式,将复杂的三维空间路径规划问题转化成为相对简单的电路求解问题,用不同的电阻阻值表征三维空间中障碍物、威胁源、气流或水流等对水下机器人或飞行机器人的不同运动影响程度,形成一种能够真实反映物理空间中实际情况的环境建模方式,使得路径规划的结果具有综合决策的效果.经仿真结果证明该方法节省系统计算时间,是一高效易行的路径规划方法.     

基于云变换的概念提取及概念层次构建方法

提出了一种基于云变换的概念提取及概念层次构建方法。首先通过云变换从数据库中提取定性概念,然后对原有概念跃升算法进行改进,使其在处理概念云合并时考虑幅度系数的影响,从而使得算法输出的概念层次能够更符合实际。最后用该方法对汽车价格数据进行分析,从中提取定性概念,并构建概念层次。实验表明,该方法能够较准确地提取和表征定性概念,所提取的概念中心与传统聚类算法得到的概念中心吻合较好,且基于云模型的概念表示能同时体现概念的随机性和模糊性,从而使得基于这些概念构建的本体能更准确地描述概念模型。     

基于深度学习图像语义分割的机器人环境感知

基于深度学习图像语义分割模型SegNet,提出了一种基于深度学习的实时图像语义分割框架RT-SegNet(Real time segmentation network)。框架分为3个阶段:编码阶段、解码阶段和降维阶段。在编码阶段,提出了一种跨层叠加特征图的方法(Feature map skip superposition,FMSS)来提升特征提取效果;在解码阶段,设计了新的轻量化解码器(Light decoder,LD)结构,减少了卷积层数量,以加快模型训练与预测速度;在降维阶段,提出了卷积降维方法(Dimension reduced module,DRM)将编码器与解码器逐层连接,增强解码器效果。与原始SegNet模型相比,RT-SegNet模型在公共数据集Cityscapes、SUN RGB-D、CamVid、KITTI和作者自行标注的数据集JLUData上平均交叉联合度量分别提升了3.2%、1.8%、5.3%、14.6%、6.8%。     

基于DGSOM_A*的移动机器人地图创建和路径规划

针对移动机器人未知环境路径规划问题,基于动态自组织特征映射网络提出了一种自组织网络动态生成A*的算法(dynamic growing self-organizing map with A*,DGSOM_A*),并将其应用于移动机器人地图创建和路径规划.该方法利用Mobotsim二维仿真软件构造了环境模型,机器人通过无碰自由巡航获取环境信息,然后把上一步得到的环境信息作为DGSOM_A*算法样本通过SOM神经元自主生长进行地图创建,生成以少数SOM图神经元分布描述环境特征信息的拓扑地图,最后完成起始点到目标点的导航任务.实验结果表明,相比传统的SOM算法,基于DGSOM_A*算法机器人能有效地通过对环境地图的绘制熟悉复杂环境并能实现最优路径选取.     

语义地图模型:多义性研究的类型学视角

语义地图模型为多义性研究提供了崭新的语言类型学视角。其语言多功能性的思想使之在跨语言的层面上有效地区分多义性和同音形异义性,深刻地揭示多义性的变异模式及普遍特征。     

基于改进的D-S证据理论的栅格地图构建

针对非结构化环境地图构建问题,提出了一种基于改进的D-S证据理论的栅格地图构建方法。使用移动机器人多超声波传感器进行了环境探测;针对某些情况下不能应用D-S证据理论进行信息融合和D-S证据组合过程有时会产生有悖常理的无效结果的问题进行了讨论,提出了采用近似处理算法对D-S证据理论进行改进,并将其用于多传感器信息融合,构建了2维D-S栅格地图;运用D-S证据理论进行了判决,构建了2维0-1栅格地图;对D-S栅格地图进行了分析,提出了基于D-S栅格地图的环境评价与环境探测效果评价方法。仿真结果表明,基于改进的D-S证据理论的栅格地图构建方法适用于非结构化环境的地图构建。     

面向移动机器人的室外环境多层次地图构建

为充分利用环境的先验知识,使移动机器人在大规模室外环境中实现自主导航和定位,离线建立一种基于环境先验知识的多层次地图,它由拓扑地图、全局度量简图、语义地图和局部度量地图组成;提出基于节点附近物体共视关系的节点识别方法、基于线段的道路感知方法和基于消失点的导航控制方法;利用不同层次的地图实现路径规划、节点识别和相对位姿估计等,在室外环境试验中,机器人在大规模室外环境中实现自主导航并运动至目的地,验证了方法的有效性。     

一种基于激光测距的机器人地图创建方法

针对未知环境中机器人局部地图的构建问题,提出一种激光测距的离散数据自适应曲率估计算法。采用该算法对预处理后的激光扫描数据进行环境特征分割,然后提取并描述环境特征,最后根据特征元素集构建局部地图。仿真和实验结果表明,该方法能准确地描述结构化室内环境,有效地描述和表征了实验环境。     

基于语义网构建的MISKSS

通过对语义网技术、语义网应用系统的深入研究，并把语义网技术应用到知识服务中，构建了一套导弹实体语义网知识服务系统（missile instances semantic knowledge service system，MISKSS）。它将武器装备中导弹实体进行了语义化组织、语义查询、语义推理，其目的是通过以导弹领域本体的构建过程作为例子，其他的飞机、舰艇等的领域本体的构建过程与此类似，综合形成武器装备领域本体的知识服务系统，为军队装备科技提供准确、权威、及时、持续的信息资源保障及决策支持。     

基于本体的关系数据库关键词语义查询扩展方法

目前关系数据库关键词查询技术主要利用关键词的语法匹配,而没有利用数据之间的语义关系进行匹配,导致查询效果往往都不太令人满意。为了改善查询效果,结合本体概念,提出了基于本体的关系数据库关键词查询的语义查询扩展方法,把用户提交的查询关键词扩展为基于本体的语义关键词。实例分析表明,扩展后的语义关键词尽可能符合用户的真实意愿。     

基于Google Earth的地图离线生成方法和实现

针对应急情况下高精度地图获取困难,以及Google Earth地图生成有数量限制且需要联网的问题,提出了基于Google Earth的地图离线生成方法。所提方法预先从Google Earth服务器中下载大量的图元,同时通过构建和维护一个大型图库,离线地生成任何区域和数量的高精度地图。最后,基于Visual C++的开发平台,实现该方法的原型系统。实验结果表明:所提方法能在短时间内离线地生成所需的高精度地图,对应急抢险任务的顺利实施起着重要作用。     

基于联结语义的概念结构建模方法研究

针对零件结构中几何元素与附着于几何元素之上的设计意图的统一表示问题，提出了基于联结语义的概念结构建模方法.该方法在零件概念结构抽象和分解的基础上，以更符合设计者表达习惯的语义形式简洁地表示零件结构间的约束关系.分析了在结构设计过程中的联结语义及其蕴涵的约束信息，建立了联结语义的约束规则集描述方法.采用联结语义关联图给出了面向概念设计的零件结构模型，实现了结构联结约束信息的抽象表达.实例研究结果表明，该建模方法使设计者可以更直观、自然地在高层次的语义层表达产品设计信息，实现工程语义的形式化表述.     

基于信息融合的同时定位与地图创建研究

针对在复杂环境中,由于传感数据的高度不确定性,采用声纳传感器进行移动机器人同时定位与地图创建的可靠性很低问题。对基于声纳信息与视觉信息相融合的SLAM进行了研究。利用Hough变换对声纳信息与视觉信息进行处理从中提取直线和点特征,并进行特征级的信息融合,从而充分利用声纳与视觉信息中的冗余信息。在移动机器人上的实验表明,多传器信息融合可以有效提高SLAM的准确度和鲁棒性。     

基于语义知识的监控执行模式

为提高监控执行系统的智能性并实现操作模式从面向设备到面向用户的转变,提出基于语义知识的监控执行模型SKBSCM。该模型利用资源描述框架RDF描述数据,通过基于语义知识的规则推理,自动整合系统采集数据以及用户偏好信息,感知用户需求,并根据上下文生成系统解决方案。本文将SKBSCM模型应用于家居智能领域,一些日常生活的测试实验结果表明,该方法可大大改善用户的体验。     

一种遥感栅格数据库检索高效的拓扑查询方法

遥感影像的数据量是相当的庞大的,并且一些实体的形状也是各异的,这导致了利用GIS现有空间查询接口进行海量遥感栅格数据库检索效率低下的问题。为了提高查询效率,必须增多限制条件来减少候选关系。本文提出了一种基于最小外接矩形(MBR)和最大内接矩形(IR)的空间拓扑关系查询的方法。研究表明任何一种单一的限制条件(如最小包围矩形--MBR、格网)在空间数据检中都具有一定的局限性,只有综合多种限制条件才能达到较好的效果,而通过增加限制条件来检索可以减少错误采样点的出现,提高检索效率。     

基于分层混合信息的移动机器人复合地图创建

为提供丰富的环境信息,提出一种基于分层混合信息构建复合地图的方法,针对准结构化环境,将几何特征划分为规则区域和非规则区域,在非规则区域采用改进的基于网格的共享近邻算法(GNN)进行非规则聚类,并引入贝叶斯概率算法进行动态信息处理.实验结果验证了方法的有效性及实用性.     

基于图像的道路语义分割检测方法

针对现有语义分割网络模型在道路语义分割方面检测精度低、计算量大等问题,基于BiSeNet V2网络模型进行优化改进,引入一种高效的通道注意力(efficient channel attention, ECA)模块,在BiSeNet V2的语义分支和细节分支的每个阶段末端分别加入ECA,得到ECA-Semantic-BiSeNet V2网络。使用实车采集道路图像数据进行标注并构建自采数据集,在Cityscapes数据集、KITTI数据集及自采数据集上分别对改进前后的网络模型进行试验验证。试验结果表明,与BiSeNet V2模型方法相比,本研究方法在Cityscapes数据集上M_IoU提高14.01%,在KITTI数据集上M_IoU提高1.86%,同时在BiSeNet V2的语义分支加入ECA后运算量增加0.02 GFlops的条件下,模型推理速度提高了7.82帧/s。