一种低成本的机器人室内可通行区域建模方法

基于单目视觉的同步定位与建图（SLAM）是机器人领域中的一项热门技术。然而,在场景建图方面,由于其计算量较大,各主流方法还无法在低运算能力的平台上实现实时的场景建模。针对室内环境与小型机器人的特定情况,提出了一种新的可通行区域建模方法。该方法建立在单目特征点SLAM的基础上,通过HSV色彩空间内的图像自适应阈值分割获取地面分割图像,并与SLAM生成的稀疏点云进行交叉比对,进而获取地平面与准确的地面分割区域,再将地面分割区域反投影到地平面上,获取地面的稠密建模。在室内场景的实验中,所提方法的平均运算速度能达到21帧/s,速度约为ORB-SLAM的70%,能够满足移动平台的实时性要求。对于地平面位置的还原平均误差为5.8%,地面上道路宽度的建模误差在3.5%~12.8%。      

多生理参数管制负荷模型下的扇区BSP划分

为了合理评估管制员的主观（认知）工作负荷,实现均衡管制员工作负荷的空域扇区划设目标,在前期研究基础上,考虑航空器数量、冲突点数量以及进离场航班比例对管制员工作负荷的影响,运用回归分析的方法,建立了基于多生理参数的管制员工作负荷多元回归模型。应用二叉空间分割（ BSP ）算法实现了空域扇区划分,结合多元回归模型实现了均衡管制工作负荷的扇区最优划设。算例结果验证了管制员工作负荷模型的合理性,BSP法均衡了不同扇区间的管制工作负荷。     

超燃冲压发动机燃烧流场纹影图像无监督分割方法

超燃冲压发动机燃烧室流场纹影图像常存在大量噪声信号,如何高效、准确提取燃烧流场图像的主要波系结构成为当前亟需探索的问题。以超燃冲压发动机燃烧室内冷流到氢燃料点火阶段流场为研究对象,基于深度神经网络方法,发展一种燃烧室内流场的关键波系结构快速识别方法。首先,采用基于图论的超像素分割方法对纹影图像进行聚类分割,为语义信息明显相同区域分配伪标签;其次,设计了一种全卷积特征提取神经网络,并使用残差结构对各个通道进行加权,提取纹影图像高级语义特征;最后,使用交叉熵目标函数优化网络模型,并通过阈值滤波操作去除噪声像素点,提升语义分割效果。结果表明：与K-means及自适应高斯阈值方法相比,本文提出方法在准确率、召回率、F1分数和交并比指标性能明显是最优的,能够准确完成燃烧流场纹影图像语义分割任务,可以更加清晰地反应流场内的主要波系和剪切层结构     

基于区域感知的机械零件位姿计算方法

机械零件位姿识别的准确性与高效性是实现生产过程自动化与仓储物流智能化的关键性能之一.本文对一般机械零件的位姿计算方法进行了研究,针对其形状种类多、结构特征明显等特点,结合场景语义分割方法以及点对特征,提出了一种基于区域感知的机械零件位姿计算方法,计算机械零件的位姿.为验证方法的有效性,使用多组数据进行了实验,并和其他方...     

多无人机协同搜索区域分割与覆盖

多无人机覆盖搜索是无人机的一项主要任务,将搜索区域进行分割后,每个子区域内成为单机覆盖搜索问题,大大降低了任务难度.对无人机的平行搜索策略进行了详细的分析,针对平行搜索策略给出了搜索起始点、转弯关键点、搜索终点的判断依据,使得区域覆盖率达到100%.分析了最小转弯半径对搜索路径的影响.根据无人机初始位置和搜索面积对任意凸多边形搜索区域进行分割.针对无人机搜索的特点,以转弯次数作为主要依据对分割结果进行评估.对不同情况下无人机从初始位置到搜索起始点的路径进行了研究.最后通过仿真验证了方法的实用性.      

多尺度网格细胞路径综合方法

为实现无人作战飞机(UCAV,Unmanned Combat Aerial Vehicle)认知导航的空间方位自主推算,提出了一种基于多尺度网格细胞的路径整合方法.该方法模拟背侧内嗅皮层(dMEC,dorsal Medial Entorhinal Cortex)的相同区域网格细胞放电特征相同、不同区域放电特征递增变化的特点,构建尺度递增的仿生多尺度网格图组,在各层中引入突触样式(synaptic pattern)计算各细胞权值,通过细胞的活跃度变化表征各网格层中位置的变化,并在各层分别实现路径整合,进而利用低尺度整合结果调整高尺度整合,提高空间位置的推算精度.实验结果表明,所提方法在一定的速度误差与方向误差范围内能够精确推算方位,具有较高的空间位置推算精度,并且方向误差值随运动方向变化呈锯齿状分布.     

基于图像处理的低速横流中液体射流轨迹提取方法研究

为研究低速横流条件下不同工况液体射流破碎的轨迹特征和影响因素,采用高速摄像仪拍摄射流破碎图像,结合图像处理技术提出针对低速横流情况下液体射流破碎弯曲轨迹的提取方法。该方法首先采用直方图均衡化对灰度化后的原始图像进行增强处理,然后利用最佳直方图熵法（KSW法）及传统遗传算法对图像进行二阈值分割,最后结合Sobel算子和凸包算法对射流轮廓进行检测提取以获得射流轨迹的数据点集。对不同工况下典型射流破碎模式的轨迹提取及非线性拟合结果表明,所提出的方法能够准确提取液体射流轨迹,实现低速横流作用下不同破碎模式的轨迹提取,并且通过非线性拟合得到的射流破碎经验公式可以准确预测射流弯曲轨迹。     

空间细胞机器人面向桁架在轨攀爬步态分析

面向空间在轨装配维修过程中的攀爬移动问题,基于空间细胞机器人(CSR)理念,提出连接细胞、转动细胞、末端执行细胞三种基本细胞单元。利用图论和拓扑学原理,在关联矩阵的基础上进行改进得到一种细胞迁移矩阵,直观准确地表达细胞机器人任意构型,以及不同节点之间的组织迁移过程。考虑桁架应用环境和细胞机器人自身的特点,划分出三种广义双杆攀爬工况,能够覆盖所有桁架攀爬任务需求。利用基于旋量理论的指数积公式进行不失一般性运动学分析。基于一致性、重复性以及无干涉原则,针对每种攀爬工况提出相应的攀爬步态,进行数值仿真分析,对比不同步态细胞机器人的关节力矩、能耗以及末端轨迹所占据工作空间等参数。仿真结果对空间机器人在轨攀爬路径规划以及控制方式的研究具有重要理论意义和工程价值。     

无人机航拍影像目标检测与语义分割的深度学习方法研究进展

无人机（UAV）因其小型轻便、操作简单等优点获得了广泛的应用。将深度学习方法与无人机系统相结合,有助于在清晰度高、视野范围广的无人机航拍影像上快速准确地检测出所需目标,相关课题已成为当前的研究热点之一。对近十年来无人机航拍影像目标检测与语义分割的深度学习方法研究进展进行了综述。首先概述了无人机及其航拍影像的特点和广泛的应用场景,简述了无人机航拍影像目标检测与语义分割方法的发展历程。然后对基于深度学习的无人机航拍影像目标检测与语义分割方法按照不同的网络模型进行分类,分别总结了它们的改进策略、应用场景、贡献和局限性。随后收集梳理了近些年无人机航拍影像的数据集,归纳了常用的卷积神经网络模型的评价指标。最后指出了本领域目前存在的相关问题,并对未来的研究趋势进行了展望。     

融合邻域色差的PSPNet对遥感影像的分割

传统的遥感影像语义分割利用影像的光谱特性,将具有相似值的像素进行归类,但无法区分具有不同光谱的同一类对象.针对这一问题,提出将邻域的色差信息和原始图像一起输入PSPNet网络中的方法.先将RGB变换到LAB空间,然后采用CIELAB公式计算出每一个像素与周围8个邻域像素的色差值,取平均值作为该像素的邻域色差值.在WHU...