四旋翼无人飞行器的室内定位、导航与建图

根据室内环境半结构化的特点,通过激光扫捕仪采集的数据得到特征点与特征线段,从而建立出室内环境的特征地图。利用特征点实现四旋翼无人飞行器在室内对自身的定位,同时根据现阶段特征点的个数制定导航算法,当四旋翼无人飞行器飞到下一位置时,再次建立局部地图,与此前建立的全局地图进行融合,实现全局地图的更新。     

激波风洞温敏热图技术初步试验研究

介绍了可用于激波风洞等高超声速脉冲设备复杂外形模型表面热流分布显示与测量的温敏热图技术。该技术利用温敏材料发光特性随温度变化的特点实现对模型表面的温度测量,进而分析获得其表面热流分布。由于有效运行时间一般只有10ms左右,在激波风洞中采用温敏热图技术在材料温敏响应、图像采集等方面均存在困难,导致此技术还很不成熟。介绍了近期在CARDC 0.6m激波风洞中开展温敏发光热图技术研究的情况,包括发光材料的研制、材料喷涂、图像处理及标定等方面的研究工作。验证试验采用了平板加钝舵模型,获得了与理论分析及传感器测量结果较一致的平板干扰区热图结果。热图与薄膜传感器测量数据差异大致在5%~25%之间。     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。     

基于Voronoi图和蚁群算法的无人机航迹规划

为提高无人机任务环境模拟的真实性,利用改进后的Voronoi图对任务环境进行建模.同时,为了更快地生成一条满足任务需求的最优飞行航迹,提高航迹规划的实战性和高效性,分析了蚁群航迹规划算法的运行原理,以及算法运行机制对算法性能的影响,提出了算法的改进原则,并在此基础上给出了新的信息素更新方式和新的启发式.利用改进后的蚁群...     

AUV的图优化海底地形同步定位与建图方法

海底地形辅助导航技术可为智能水下机器人(AUV)的长时间水下作业提供有界精确导航结果,且无需声学基阵辅助。然而,地形辅助导航需要已知高精度先验海图,这大大限制了其应用范围。为解决海底地形未知条件下的海底地形辅助导航问题,提出了海底地形同步定位与建图技术。利用水深预测手段和地形匹配方法进行帧间数据关联构建和闭环检测,并通过图优化技术进行海底地形同步定位与建图问题求解。仿真试验结果显示,在航行1h后,海底地形同步定位与建图系统的建图结果中所有测深点定位误差均值约为13m。     

一种宽频带振子天线

介绍一种宽频带振子天线,它由旋转对称的导体组成,表面形状沿天线轴线方向是按锥面、球台面、圆筒振子顺序光滑连接而成,在中心用50?Ω同轴电缆馈电. 假定天线表面上等效电流的变化仅沿着导体轴向的表面切线方向,用矩量法计算电流分布,选取三角函数为展开函数和权函数. 用一个例子,给出计算的天线输入阻抗、辐射方向图、方向性系数以及输入驻波比随频率的变化,发现所研究的天线具有满意的宽频带特性.     

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%。      

一种全局的无关线性图嵌入故障特征提取算法

针对故障特征数据维数高、非线性且系统难以建立物理模型的故障诊断问题,提出了一种全局的无关线性图嵌入故障特征提取算法.通过监督学习建立原始特征的关系图,以线性图嵌入为框架进行特征降维.特征的降维过程既保留了同类数据的局部结构,又考虑了异类数据之间的全局分布,同时最大程度地消除了特征之间的统计相关性.在标准故障数据集上的实验结果表明:与已有的经典算法相比,能更有效地提取出故障的典型特征,因而更有利于故障诊断系统训练网络的快速收敛,实现快速、准确的故障诊断.     

基于时空关联图模型的视频监控目标跟踪

多摄像机监控环境下的无重叠视域目标跟踪问题十分具有挑战性,其原因在于跟踪目标在网络中的转移与运动规律往往具有不确定性.目标跟踪的关键问题在于摄像机之间的目标关联以及如何依据网络拓扑结构来找到目标之间的对应关系.提出了一种图模型来对摄像机网络中的时空关联关系进行表达.图模型中的节点表示目标在摄像机视域中的出现区域和消失区域,边由时间与空间关系进行约束.提出了一种将目标外观模型与图模型相融合的跟踪方法,其中外观模型通过协方差描述子进行特征融合,同时,结合二部图匹配策略来解决多摄像头目标跟踪中的识别与匹配问题.在真实监控视频上的实验验证了该方法的有效性.