基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

多假设跟踪的移动机器人SLAM算法

针对基于视觉定位的移动机器人自主定位过程中容易产生多种候选位姿.提出一种基于多假设跟踪的同时定位和地图创建方法.该方法通过提取图像SIFT特征进行视觉量测,修正里程计累计误差,再利用多假设跟踪方法获得当前时刻的最优位姿,实时产生环境的栅格地图,并且随着机器人的位姿变化实时更新.研究结果表明:此算法不仅能够较好地创建环境地图,而且能够有效解决机器人"绑架"问题,提高自主定位精度.     

采用多树结构的快速多假设跟踪算法

多假设跟踪算法是解决多目标跟踪问题的常用方法。算法在没有任何先验知识情况下,组合不同时刻量测形成假设航迹,依据关联规则判断所有假设航迹是否成立,从而跟踪目标。在实际关联过程中,量测数量增加会导致假设航迹数量出现组合爆炸现象,从而产生大量冗余计算。文章用多树结构实现多假设算法,利用树形结构特征快速剪枝,极大减少了错误假设的冗余计算量。     

基于多传感器信息融合的移动机器人定位技术研究

移动机器人自身的定位问题是移动机器人在实际应用中首先会遇到的问题,是移动机器人完成各项任务的首要前提。为提高自制移动机器人的定位能力．设计了扩展卡尔曼滤波器对移动机器人装载的里程计、陀螺仪以及电子罗盘信息进行了信息融合。仿真研究结果缸明移动机器人的定位能力能得到一定的提高。     

基于RSSI的改进四边测距机器人定位算法

基于接收信号指示强度的测距特性和三边测距定位原理,提出了应用于机器人定位的改进四边测距定位算法,引入加权质心定位算法的思想,通过距离因子控制各个锚节点对定位精度的影响,并将锚节点之间的距离和信号强度作为修正RSSI的参考值。仿真结果表明,该算法不仅可靠性高,有效避免了信息淹没现象,而且在不增加通信成本的基础上提高了机器人的定位精度。     

多机器人系统的关键技术研究

由于机器人的应用越来越广，机器人也从单一机器人系统应用到多机器人系统应用．阐述了多机器人系统的特点以及设计多机器人系统需考虑的基本问题，着重讨论了多机器人的特点、所能完成的任务、社会特征、个体应具备的能力、通讯问题及学习问题。     

基于光电测量平台的多目标定位算法

为了提高空中对地面目标定位的效率,达到1次测量、多点定位的目的,提出一种基于光电测量平台的多目标定位方法。首先,建立大地坐标系、地理坐标系、载机坐标系、摄像机坐标系等7个坐标系及坐标系之间的转换关系。然后,根据目标定位过程中测量点、目标点、成像点的几何位置,结合载机姿态角、摄像机姿态角、激光测距、摄像机焦距等参数,推导出拍摄图像中任意像素点在摄像机坐标系中的坐标,并通过坐标变换进一步计算出目标点的经纬度、高度,从而实现多目标定位。利用光电测量平台对地面目标进行定位实验。研究结果表明:与传统的单目标定位相比,多目标定位不仅提高定位效率,而且能满足一定的定位的精度要求,具有较大的实用和推广价值。     

多通信半径DV-Hop定位算法的改进

针对传统DV-Hop定位算法由于跳数计算存在偏差影响定位性能的问题,提出了非均等多通信半径DV-Hop定位算法,并做了理论推导和拓扑图分析．通过计算非均等多通信半径最佳值,计算节点间跳数,进而优化平均每跳距离,提高未知节点定位精度．仿真结果表明：半径细化程度越高,定位误差越小;在半径细化程度不大情况下,非均等多通信半径DV-Hop定位算法误差改进效果明显．     

基于交替迭代的压缩感知多目标定位算法

针对目前的多目标定位算法在定位精度等方面的不足,将交替迭代应用于压缩感知多目标定位方法。该方法首先利用压缩感知理论将传感器感知到的目标信号强度矩阵表示为测量矩阵与稀疏向量的乘积,将多目标定位问题转换为对稀疏信号的重构问题;然后运行传统压缩感知定位算法得到目标的粗略位置估计;最后通过交替迭代对定位结果不准确的目标进行精确定位。交替迭代过程中,采用菱形搜索寻找目标的精确位置。仿真结果表明:与传统的基于压缩感知的定位算法相比,该算法提高了不在网格中心的目标定位精度,改善了多目标间相互影响对定位干扰大的问题,具有较高的多目标定位精度。最后,以重庆某电力公司的室内运维巡检区域作为实验场所,将该方法应用于实际的巡检定位,取得了较好的室内定位结果。     

高校信息门户的功能定位与实现方案

通过对信息门户功能探讨,确定高校信息门户的建设目标是高校信息集散地、数据和业务服务中心,并具备唯一身份入口和一站式服务功能的门户网站.讨论了高校信息门户的建设目标.通过对高校信息资源进行分类,建成了可依据身份使用的个性化高校信息门户.为推进高校数字校园建设和信息化进程,消除"信息孤岛",方便师生教育教学和学习生活提供了一条可行的技术方案.     

基于多传感器数据融合的室内定位算法

基于惯性测量单元(IMU)的定位方法是一种全自主定位方法,该方法通常是基于单个IMU(Single-IMU)实施定位,其具有较大的漂移误差和累积误差.因此,提出了一种基于多个可穿戴式IMU(Multi-IMUs)与室内无线传感器网络(IWSN)的多传感器数据融合的室内定位算法,根据佩戴于不同部位的Multi-IMUs信息协同,提高人体姿态检测的有效性,并且利用模糊投票机制(Fuzzy Voting Scheme)融合Multi-IMUs位置信息;此外,结合IWSN,采用卡尔曼滤波算法(Kalman Filter Algorithm)融合IWSN解算出的位置信息与Multi-IMUs计算出的位置信息降低基于IMU的累积误差.实验结果表明,所提出的基于多传感器数据融合的室内定位算法能够识别出行走的姿态,与基于Single-IMU的定位算法相比,该算法有效地降低了累积误差和漂移误差,提高了室内定位的有效性和可靠性.     

运用竞争反样本的人脸认证算法

为了在认证中增强类间可鉴别性,通过引入竞争反样本,提出一种新的人脸认证算法.算法中,测试人脸不仅与所声明客户人脸进行匹配比对,同时也与各竞争反样本逐一计算匹配分值.所有分值综合起来,形成最终认证决策.设计最近邻反样本决策、全体反样本决策、最近邻域反样本决策等3种方案,并结合开集模式的人脸认证领域分别在多个人脸库、不同特征和不同分类器上进行实验和比较.在该文的测试中,新算法的3种方案与原有基于相似度的认证算法相比,错误率依次平均降低25.13%、30.24%、30.97%.     

基于GPS的移动机器人多传感器定位信息融合

构建了基于GPS的移动机器人定位系统,利用多传感器数据自适应加权融合估计算法对GPS、方位传感器、光码盘的信息进行数据融合.通过实验证明,该系统在短距离、路面平整的条件下,具有较高的准确性和稳定性,能够满足移动机器人定位的需要.     

面向就业需求的信管专业人才培养定位研究

结合当前企事业单位信息化建设的发展趋势,以学生的就业需求为导向,在对社会需求进行细致分析的基础上,从应用型本科院校信息管理与信息系统人才培养的角度出发,对该专业的人才培养目标进行了探讨,对该专业的人才培养要求从知识、能力、执业要求、人文素质等方面进行了探讨。     

基于散射体信息的室内NLOS单基站定位算法

针对室内非视距(non-line-of-sight,NLOS)环境下的定位问题,提出一种基于散射体信息的室内NLOS单基站定位算法。根据室内场景的先验信息获得散射体的分布范围,选定一条反射路径的飞行时间(time of flight,TOF)作为参考,利用剩余路径的TOF与其做差分来构造差分TOF观测值,从而消除由于收发两端时钟不同步造成的相位误差影响; 根据每条路径的AOA及散射体的分布范围进一步确定散射体的位置范围; 利用差分TOF构造非线性定位目标方程,进一步将此方程转换为非线性最小二乘优化问题,利用遗传算法(genetic algorithm,GA)对目标进行初步定位,采用列文伯格-马夸尔特(Levenberg-Marquard,LM)算法对目标进行精确定位。仿真结果表明,该算法可以有效解决室内NLOS环境下的单站定位问题。     

多岩性信息融合在砂泥岩孔隙度预测中的应用

储层孔隙度是表征储油物性、建立各类地质模型的重要参数。支持向量回归机(SVR)凭借良好的非线性回归能力,在孔隙度预测中开始广泛应用。由于不同岩性的储层孔隙类型不同,孔隙度结构也存在较大差异,导致该方法的实际应用效果仍不理想。针对上述问题,在孔隙度预测模型中考虑了岩性信息,将样本岩性转化为一种与岩性变化相关性好的属性值,以此构造一种新的预测模型。使用网格粗选和网格精选相结合的方法,优选模型参数。网格粗选确定最优解的近似范围,网格精选可以在局部区间搜索到最优解。结果表明:利用优选参数建立的预测模型,在实际资料预测结果中,加入岩性信息可以提高储层孔隙度的预测精度,该方法可行。