混合新生地图信息的随机有限集同步定位与地图创建方法

在密集杂波和地图特征数目多的水下环境中,针对水下机器人同步定位与地图创建(SLAM)方法存在地图特征点位置和数目以及机器人自身位置估计精度较低的问题,提出一种改进的随机有限集SLAM方法,即混合新生地图信息的随机有限集SLAM方法,该方法在概率假设密度滤波(PHD)的预测阶段,将上一时刻之前已探测到的地图信息中靠近机器人位置的地图特征加入到观测信息中,作为预测阶段的新生地图信息集合,通过增加先验信息以提高地图特征位置和数目估计精度,改善预测阶段先验信息不足的问题.仿真实验将所提方法与传统RB-PHD-SLAM方法进行比较,当机器人回到已探测过的区域时,所提方法明显改善了地图特征位置和数目的估计精度.     

一种水下航行器的SLAM算法应用研究

研究精确稀疏扩展信息滤波(ESEIF)的快速算法,提出一种三维水下航行器(AUV)的同时定位和地图创建(SLAM)算法。作者设计了一种大规模水下三维环境的SLAM解决方案,建立了三维环境的航行器运动、传感器观测及重定位系统模型,分析了方法实时性和定位精度。仿真实验证明:用ESIEF算法能高效地实现水下环境的SLAM,为项目研究提供了理论基础。     

虚拟现实技术在自主水下机器人避障模拟中的应用

当前研发的自主水下机器人避障数据获取难度较大,导致避障精准度降低,因此研究了虚拟现实技术在自主水下机器人避障模拟中的应用。采用声呐探测技术对不同水域的水下环境数据进行采集,通过虚拟现实技术将采集的声呐数据转换为三维场景。利用SOV视觉算法对三维场景避障数据进行分析与计算,根据分析结果对自主水下机器人避障算法进行修正,从而完成自主水下机器人避障模拟。通过仿真实验,采用传统避障方法与提出模拟方法进行避障精准度测试,通过数据证明提出研究的有效性。     

激光雷达的船舶航行障碍物识别方法

传统障碍物识别方法面对复杂障碍物识别能力低,所提出的避障方案差。针对上述问题,基于激光雷达技术研究了一种新的船舶航行障碍物识别方法,雷达图像处理获取采集到的数据,处理方法主要包括图像预处理和图像深度处理,完成数据转换后,为便于障碍物信息在2个传感器之间的数据传输与融合,提出了一种栅格障碍信息提取方法,根据网格数目确定障碍物的位置,提取障碍信息。实验结果表明,激光雷达的船舶航行障碍物识别方法具有很强的障碍物检测能力,并且能够提出更好的避障方案。     

基于多传感器信息融合的移动机器人障碍探测系统

采用单目CCD摄像机获取环境空间的网像信息,融合来自超声波测距传感器系列的深度数据可完成对环境空间的快速理解.设计出基于多传感器信息融合的移动机器人障碍探测系统,分析了多传感信息A/D数据的实时采集方法,采用多传感器数据自适应加权融合算法获取最终测量结果.实验表明该算法具有线性无偏最小方差性,可获取最优的数据融合值.     

智能水下机器人视景仿真实验平台研究

利用Multigen Creator、Vega等三维仿真软件,通过编程开发某水下机器人三维视景仿真系统,对该机器人的周围环境、运动信息、声呐及摄像等传感器信息等进行了模拟仿真.经验证建立的水下机器人三维视景仿真实验平台能够较真实的模拟机器人在水下运动的实际情况.     

一种激光雷达和红外摄像头联合标定方法

为快速、准确地将激光雷达和摄像头进行联合标定,提出了一种简便的标定方案,通过在起重机吊具上安装3M贴纸用作标定靶,摄像头配合红外补光灯采集标定靶图片,同时激光雷达扫描标定靶的点云数据,在图像中求取标定靶的圆心,并对应在点云数据中求取标定靶的圆心,运用EPn P算法最终获取激光雷达到摄像头的变换关系,从而将点云数据变换到像素坐标,实现点云和图像之间融合。实践表明,该标定方法能够快速、准确地将摄像头和激光雷达进行联合标定。     

船舶无人驾驶中的数据融合技术应用

海上船舶无人驾驶技术是现代海上信息化发展的重要方向,其不仅需要按照规定的航向航速运行,还需要考虑船舶碰撞及各类突然情况。无人驾驶技术对采集的信息及数据融合处理要求很高,通过各类传感器采集海上地形﹑环境﹑目标船只等信息,进行融合处理,为船舶无人操控提供可靠的航行数据。本文重点研究无人驾驶领域中利用AIS与雷达数据的信息融合方法,提出一种基于船舶航行及数据加权融合算法,最后进行仿真。     

增强现实的助航环境构建方法

舰船在海上航行主要依赖GPS、雷达以及相应的综合导航系统进行导航,而使用视频设备进行导航的很少.运用OSGART增强现实组件把视频信息与基于地理信息的虚拟环境相结合,通过对摄像机地理空间的三维标定,构造出一个在地理空间、视觉空间和物理空间统一的合成环境平台.这个平台通过虚拟三维信息标注、视频信息与相应的虚拟海洋环境信息融合为航行导航手段.这种基于增强现实的导航方式与现在的GPS和雷达导航方式相比较,具有自然直观,空间立体感强及方便想象等特点,实验结果表明了系统的可行性.     

基于信息融合的高精度潜艇深度测量方法研究

潜艇深度的测量主要基于海水压力信息，通过低通滤波器去掉波浪的影响，但降低了潜艇深度的动态测量精度。本文将测得的海水压力信息与潜艇惯导系统测得的垂向加速度信息融合，通过理论推导获得潜艇深度的高精度测量方法。通过对中大型潜艇的仿真分析，以及对测量精度的分析讨论，证明本方法是可行的。     

基于干扰观测器的AUV三维路径自适应跟踪控制

针对水下机器人存在环境干扰时的三维路径跟踪问题,设计基于干扰观测器的非线性运动控制器.首先考虑三维空间中给定路径点坐标时的跟踪轨迹生成问题,采用三次样条算法生成二阶可导的跟踪路径,同时基于三维视线导航算法(LOS)生成姿态指令.考虑海流等未知外界干扰和模型参数不确定性对水下机器人运动的影响,采用非线性干扰观测器对干扰和不确定项进行估计,并将反步法和自适应滑模相结合设计运动控制律,解决了不确定干扰估计误差界未知的问题,并保证系统的全局渐近稳定性.最后,通过仿真实验表明该方法能够实现水下机器人的姿态控制,对于模型参数不确定和存在外界干扰的AUV有较好的自适应性和鲁棒性,可以使AUV的运动精确地跟踪期望轨迹.     

基于三维地理信息的舰船输电通道多源信息融合技术研究

针对舰船输电通道差异性数据聚类出现的中心不定问题,提出基于三维地理信息的舰船输电通道多源信息融合技术。构建舰船配电网络输电通道的信息传输信道模型,采用量化跟踪调制方法对信道进行自适应调整以补偿信道畸变;对舰船输电通道覆盖区域进行三维地理信息特征采集,对采集的地理信息特征进行模糊C均值聚类处理,并输入到舰船输电通道中组成一组训练序列+信息序列的帧信号,在决策指向性模式下实现舰船输电通道多元信息融合。仿真结果表明,采用该方法进行舰船输电通道信息融合,可提高舰船配电网络输电通道负载均衡性,抗干扰能力较强,从而改善了舰船配电网的结构性能。     

云计算平台中大规模电子航海信息全局监控系统

在大数据环境背景下,针对传统船舶电子信息监控系统,存在多样数据融合性计算能力差,数据多样整合处理时间长,导致出现全局监控力不足的问题。基于大数据处理技术,提出基于大数据融合的船舶动态电子信息全局监控系统设计。根据大数据融合的技术要求,创建船舶多样数据采集融合架构,通过搭建的硬件对船舶多项数据进行采集,配合引入的纵深融合算法,利用大数据融合技术对采集的多样数据进行深度融合计算,实现信息全局一体化监控。通过对比实验数据,证明设计的监控系统,在解决传统监控系统数据融合问题上,具有显著效果,满足设计需要。     

智能感知融合技术在干散货堆场动态环境中的应用

以干散货码头堆场为代表,针对其大型设备自动化作业在堆场复杂动态环境的感知问题,提出多传感器智能感知融合技术框架,基于激光雷达、惯性传感器(IMU)和实时动态(RTK)等多种传感器数据融合,利用原始的RTK数据信息对前端里程计输出的位姿进行优化,应用动态物体移除技术实现稳健、精准的动态要素感知,结合八叉树立方体查询实现高效、实时的全局地图更新,最终建立一个高精度且实时更新的散货堆场地图,为后续的堆场作业提供支持。将智能感知融合技术应用于大型干散货码头,结果证明该技术可实现堆场动态环境的高精度和实时性能,有效提高干散货码头自动化作业的感知能力。     

基于Labview的PID算法在小型水下机器人中的应用

主要讨论基于图形化编程语言(Labview)的PID控制算法在小型水下机器人中的应用.利用PID算法对小型水下机器人的航向角和深度进行控制,从而提高其稳定性.实验表明,通过PID算法对机器人运动的控制,能实现水下机器人对目标进行锁定观测.通过本文的控制方案,不但简化了控制系统,同时也大大改善了小型水下机器人的工作性能,从而使其能适应较复杂的工作环境.     

基于训练序列的盲分离算法性能分析

信息最大化(Infomax)盲分离算法是一种基于神经网络的自适应算法,其主要问题是收敛速度较慢.盲分离技术(BSS)在通信中使用时有助于提高接收信噪比,提出通过一种利用通信信号的训练序列来改善Infomax算法的收敛性能的方法,并分别以相关系数和性能指数作为比较标准进行仿真,结果显示该方法能改善接收信号的信噪比,加快Infomax盲分离算法的收敛速度.     

无线传感器网络的航行环境信息采集系统

针对当航行环境信息采集精度低,采集时间长等缺陷,设计了基于无线传感器网络的航行环境信息采集系统。首先对航行环境信息采集系统的工作原理进行分析,并采用无线传感器网络对航行环境信息进行采集。然后对航行环境信息进行融合,减少传感器节点之间的航行环境信息冗余,加快航行环境信息传输速度。最后对航行环境信息采集系统的性能进行测试。结果表明,本文系统能够对航行环境信息进行高精度的采集,而且航行环境信息采集速度快,较好解决了当前航行环境信息采集过程中存在的不足,具有广泛的应用前景。     

一种基于行为的自主/遥控水下机器人共享控制方法

自主/遥控水下机器人(ARV)是一种综合自主水下机器人和遥控水下机器人特点的新型水下机器人,融合ARV自主控制和操作人员遥控的共享控制是ARV控制的关键问题。针对ARV在环境探索任务中和目标观察任务中的共享控制,采用基于行为的控制思想,提出一种基于行为的ARV共享控制方法,包括实现环境探索的遥控行为、自主避障行为、以及实现目标观察的人机协同路径跟踪控制行为,通过设计的基于优先级的行为组织和融合方法,实现了ARV基于设计的行为以"人主机辅"模式执行环境探索继而以"机主人辅"模式执行目标观察过程的有效共享控制。基于构建的水下机器人共享控制仿真环境对设计的共享控制方法进行仿真实验,验证了提出的共享控制方法的有效性。     

基于深度学习的多声源并行化声纹辨别方法

随着大数据时代的到来,快速而有效地辨别声纹已经成为智能感知领域的重要需求,而传统神经网络和单拾音器系统的辨别精度不高,样本数据量大,其运算速度严重制约了系统的实时性.文中方法通过拾音阵列获取目标声源的位置和时频域信息,利用GPU并行构造掩蔽函数,实现信号数据级融合,强化目标语音特征,然后将多通道的MFCC(mel-frequency cepstral coefficient)声纹参数进行特征级融合,输入深度信念网络(deep belief network,DBN)进行训练和识别,同时使用CUDA(compute unified device architecture)平台对DBN的训练过程进行了并行优化.该方法能在多声源环境下全面地提取目标声纹,有效提高声纹辨别准确率,缩短数据训练耗时,保证了系统实时性.该方法为大数据环境下语音信号高性能处理提供了一种实现方式.     

一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法

针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.