一种适合于月球车的长距离自主导航方法

针对月球车自主导航系统的特殊要求,设计了一种月球车长距离自主导航方法.该方法首先依据惯性导航和天文学的基本原理建立月球环境下惯性导航系统的姿态、速度和位置误差方程,然后针对捷联惯性系统平台失准角较大的问题,引入里程计测量的速度信息与球面天文三角公式,共同构建量测方程,由于建立的系统状态方程和量测方程均为线性方程,所以采用卡尔曼滤波实现月球车位姿信息的最优估计.最后,对这一导航方法进行了仿真研究,仿真结果表明,该方法具有更高的位置和姿态估计精度,同时可有效提高系统的稳定性和可靠性,是解决月球车自主导航问题的一种有效而实用的自主导航方法.     

基于波变量的时延双边遥操作系统设计

针对波变量法在任意时延下能保证时延双边遥操作系统的稳定,但却降低主从端之间跟踪性的问题,提出一种改进基于波变量遥操作系统的设计方案;该方案引入PD控制器调整主从端速度误差,并采用PI控制器控制从端;最后,对调整和未调整的基于波变量双边遥操作系统分别进行仿真实验;实验结果表明,与未调整的系统相比,调整的系统在一定程度上极大地降低了主从端位置、速度和力的跟踪误差,使得该方案在保证系统稳定的前提下有效提高了系统透明性。     

月球车DR/CNS组合导航研究

针对月面环境弱地磁、高粉尘、慢自旋、无卫星及月球车超低速,大多传统导航方法失效的问题,设计了以航位推算确定位移、太阳罗盘确定航向角的月球车DR/CNS组合导航方案;分别从航位推算的系统误差和非系统误差来源研究,并建立了里程计误差模型;在充分考虑到月面环境特殊性的基础上,自主研制了太阳罗盘;实验证明了该组合导航方案的可行性和有效性.     

基于恒星敏感器的月球车航向角确定算法

针对月球特殊的工作环境,阐述了现有技术条件下,我国自主式月球探测车采用惯性导航系统进行位姿确定时,航向角参数误差随着时间不断累积的缺点,进而提出了一种基于星历表数据和恒星敏感器相结合的月球车航向角精确值的确定算法,定期对惯性导航系统中的航向角参数进行修正,以提高月球车位置和姿态精度.重点介绍了航向角精确值的确定步骤,并对由航向角误差引起的定位误差进行了仿真分析,仿真结果证明了航向角修正的必要性和此方法的可行性.     

行为控制月球车路径规划技术

提出了一种新的路径规划方法即自主行为路径规划方法.该方法能够自动构造大范围自然环境下与路径规划任务相关的一类拓扑结构,从而大大地提高自然环境下月球车路径规划速度.该方法在Tangent-Bug切线法基础上引入一组自适应行为来构造切线拓扑图,它是人工路径规划行为的模仿,克服了计算几何路径规划方法非线性计算时间的不足.文中给出了相关定义、定理、算法及真实环境下的仿真结果.     

一种图像匹配中SSD和NCC算法的改进

论文针对图像匹配计算中的SSD和NCC算法提出一种基于递推增量计算的改进算法。分析和利用计算图像每个像素的SSD和NCC值时的模板在水平方向和竖直方向上具有的平移特性,以及前后上下像素模板的相互关系,利用已计算的值,来计算新的像素点的SSD和NCC值。定量分析和仿真结果显示,该算法能够有效地降低计算量。另外由于只是从计算方法上对这两种算法进行了改进,并未改变其原理,所以该方法能够保证SSD和NCC算法在立体匹配计算时本身的特性没有改变。     

基于代价削减的移动机器人快速路径规划方法

针对移动机器人探测环境的建模,基于栅格空间的扩展方式,提出了DEM可通行范围获取以及通行代价的计算方法;在D*Lite算法基础上加入可视检测,定义了将点和点之间逻辑相邻的关系,做到对每个节点的代价削减;此外,对启发函数对路径搜索产生的影响进行了分析,并在VC环境下进行了仿真;从仿真实验结果来看,启发函数的选取对搜索的效率和最优性有较大的影响。     

一种基于离散化位姿的月球车运动规划方法

针对障碍环境下具有非完整约束月球车的运动规划问题,提出了一种基于离散化位姿的月球车运动规划方法。该方法首先将月球车的运动轨迹限定于多项式旋线,通过求解多项式旋线参数生成无障碍条件下连接任意位姿状态的运动轨迹。同时,该方法对月球车运动规划问题中的位姿状态空间进行离散化,形成离散化的位姿状态空间。根据离散化位姿状态空间的特点,在离线的条件下生成连接相邻离散位姿的月球车基本的运动轨迹集。最后该方法结合基本运动轨迹集并利用启发式搜索算法最终解决障碍条件下的运动规划问题。基于动力学仿真平台中的实验结果验证了该方法的正确性和有效性。     

局部相对位姿空间内轮式月球车的避障策略学习

提出了一种轮式月球车的避障学习方法。首先列出了BH2月球车的动力学方程,并将避障行为解释为沿子目标点行走的过程。然后在月球车视觉局部范围内进行避障策略学习,选择车体、子目标点和障碍之间的相对位置矢量为学习过程的状态量,使策略学习对环境变化有鲁棒性;选择车轮的转向力矩为控制输入,降低了学习复杂度。实验证明此方法对环境变化有很好的适应能力。     

基于Barnard特征和LoG算子的月球车图像特征匹配

月球车视觉系统对匹配速度和鲁棒性要求较高,提出一种基于图像特征的特征点匹配算法。特征点的提取采用Barnard算法和LoG算子共同作用得到。原图像同时采用Bamard算法进行特征提取和LoG算子进行噪声滤波和边缘提取,然后将二者的计算结果进行”与”操作得到最终的特征图像。然后通过阈值进一步处理噪声和选择待匹配点。最后用计算图像序列中像素差的平方和的方法来计算每对待匹配点的匹配程度,得到匹配点对。仿真结果表明,单点匹配和多点匹配并将无匹配点处理后得到的结果都令人满意。