检索结果-内蒙古大学图书馆

电子测量与仪器学报 2016年第2期30卷 233-240页

作者：戴雪梅郎朗陈孟元安徽工程大学安徽省电气传动与控制重点实验室芜湖241000

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法,将ORB算法改进为SURB(SURF-ORB)算法。首先提取具有尺度不变性的SURF特征点,然后构建ORB算法描述子,特征匹配时,先对待处理图像进行区域分块,缩减原始搜索范围,节约了无效区域的特征点... 详细信息

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法,将ORB算法改进为SURB(SURF-ORB)算法。首先提取具有尺度不变性的SURF特征点,然后构建ORB算法描述子,特征匹配时,先对待处理图像进行区域分块,缩减原始搜索范围,节约了无效区域的特征点匹配时间,采用汉明距离完成初步匹配,然后结合PROSAC算法对初步筛选的点去伪,获得较为精准的匹配点对。实验结果表明,图像尺度变化时,SURB算法的平均匹配准确度为93.4%,约为ORB算法的3倍;SURB算法的平均耗时约为SURF算法的80%,具有较强的实时性和可行性。

关键词：特征点匹配尺度不变性 ORB SURB

来源：评论

学校读者我要写书评

暂无评论

基于SR-CKF的移动机器人动态目标跟踪算法

引用

电子测量与仪器学报 2016年第8期30卷 1198-1205页

作者：李朕阳郎朗陈孟元安徽工程大学安徽省电气传动与控制重点实验室芜湖241000

针对移动机器人在未知复杂环境中动态目标跟踪存在的数值不稳定、计算量大和精度较差等问题,提出基于平方根容积卡尔曼滤波的移动机器人动态目标跟踪算法(SR-CKF-SLAM-OT)。该算法的系统状态由地图环境特征、机器人和目标作为一个整体... 详细信息

针对移动机器人在未知复杂环境中动态目标跟踪存在的数值不稳定、计算量大和精度较差等问题,提出基于平方根容积卡尔曼滤波的移动机器人动态目标跟踪算法(SR-CKF-SLAM-OT)。该算法的系统状态由地图环境特征、机器人和目标作为一个整体构成。建立目标和机器人的动态模型进行预测、数据关联和更新,在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。此外,通过数据关联环节能够有效的降低伪观测值对系统状态估计的影响。仿真结果表明:相比基于EKF的动态目标跟踪算法,所提出的动态目标跟踪算法目标和机器人均方根误差分别降低了36.3%和38.2%,SR-CKF-SLAM-OT算法有效地满足了移动机器人动态目标跟踪的需求。

关键词：同步定位与地图构建移动机器人容积卡尔曼滤波平方根滤波目标跟踪

来源：评论

学校读者我要写书评

暂无评论

移动机器人辅助下基于GM-CKF的无线传感器网络节点定位研究

引用

电子测量与仪器学报 2016年第9期30卷 1298-1305页

作者：陈晓飞凌有铸陈孟元安徽工程大学安徽省电气传动与控制重点实验室芜湖241000

针对无线传感器网络(WSNs)节点定位问题,提出一种移动机器人辅助作用下,融入高斯混合容积卡尔曼滤波(GM-CKF)优化的节点定位方法。将移动机器人与WSNs结合,发挥两者的特点和优势,充分利用机器人的机动性及无线传感器节点的可计算性,设... 详细信息

针对无线传感器网络(WSNs)节点定位问题,提出一种移动机器人辅助作用下,融入高斯混合容积卡尔曼滤波(GM-CKF)优化的节点定位方法。将移动机器人与WSNs结合,发挥两者的特点和优势,充分利用机器人的机动性及无线传感器节点的可计算性,设计并仿真了一种机器人-节点、节点-节点协作的节点定位方式,并利用带有门限判别和选择性高斯分割的GM-CKF算法,对目标节点的预估位置实施预测修正。仿真结果表明,所提出的移动机器人与WSNs协作定位方法实现了对节点的定位估计,GM-CKF算法的融合有效提高了定位的精度和稳定性。

关键词：移动机器人无线传感器网络高斯混合容积卡尔曼滤波协作定位

来源：评论

学校读者我要写书评

暂无评论

强跟踪平方根容积卡尔曼滤波SLAM算法

引用

电子测量与仪器学报 2015年第10期29卷 1493-1499页

作者：戴雪梅郎朗陈孟元安徽工程大学安徽省电气传动与控制重点实验室芜湖241000

针对移动机器人在状态突变时同步定位与地图构建精度下降的问题,提出了强跟踪平方根容积卡尔曼滤波SLAM算法(STF-SRCKF-SLAM)。该算法首先根据移动机器人的运动学模型和观测模型进行预测,然后通过直接传播误差协方差矩阵的平方根因子进... 详细信息

针对移动机器人在状态突变时同步定位与地图构建精度下降的问题,提出了强跟踪平方根容积卡尔曼滤波SLAM算法(STF-SRCKF-SLAM)。该算法首先根据移动机器人的运动学模型和观测模型进行预测,然后通过直接传播误差协方差矩阵的平方根因子进行更新,使计算复杂度大大降低。同时在预测和更新过程中引入时变渐消因子,实时调整相应数据权值,达到提高机器人定位精度的目的。仿真实验结果表明,相比容积卡尔曼滤波SLAM算法(CKF-SLAM)、平方根容积卡尔曼滤波SLAM算法(SRCKF-SALM),STF-SRCKF-SLAM算法均方根误差降低了26.25%和13.8%,运行时间减少了1.83%和1.21%,表明该算法在SLAM性能上更优。

关键词：移动机器人同步定位与地图构建容积卡尔曼滤波平方根滤波强跟踪

来源：评论

学校读者我要写书评

暂无评论

基于SR-CKF的相对方位多机器人协同定位算法

引用

电子测量与仪器学报 2016年第7期30卷 1107-1113页

作者：李朕阳郎朗陈孟元安徽工程大学安徽省电气传动与控制重点实验室芜湖241000

针对单移动机器人在探索未知复杂环境时,存在鲁棒性较差、效率较低等问题以及现有多机器人协同定位算法实时性较差、数值不稳定和定位精度较差等缺陷,提出基于平方根容积卡尔曼滤波的相对方位多机器人协同定位算法。通过建立机器人运动... 详细信息

针对单移动机器人在探索未知复杂环境时,存在鲁棒性较差、效率较低等问题以及现有多机器人协同定位算法实时性较差、数值不稳定和定位精度较差等缺陷,提出基于平方根容积卡尔曼滤波的相对方位多机器人协同定位算法。通过建立机器人运动方程和观测方程,利用相对方位作为测量值,进一步得到多机器人协同定位的动态模型。在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。仿真结果表明:相比基于相对方位的EKF、UKF协同定位算法,本文提出的协同定位算法均方根误差降低了87.04%和52.10%,运行时间比UKF协同定位算法减少了1.45%,表明该算法在协同定位性能上更优越。

关键词：多机器人相对方位容积卡尔曼滤波平方根滤波协同定位

来源：评论

学校读者我要写书评

暂无评论

量子粒子群优化下的RBPF-SLAM算法研究

引用

智能系统学报 2018年第5期13卷 829-835页

作者：伍永健陈跃东陈孟元安徽工程大学安徽省电气传动与控制重点实验室安徽芜湖241000

为了解决传统Rao-Blackwellized粒子滤波(RBPF)存在提议分布精度不高以及重采样过程出现的粒子退化和多样性丢失问题,提出一种量子粒子群(QPSO)优化下的Rao-Blackwellized粒子滤波同时定位与地图构建(RBPF-SLAM)算法。将机器人运动模型... 详细信息

为了解决传统Rao-Blackwellized粒子滤波(RBPF)存在提议分布精度不高以及重采样过程出现的粒子退化和多样性丢失问题,提出一种量子粒子群(QPSO)优化下的Rao-Blackwellized粒子滤波同时定位与地图构建(RBPF-SLAM)算法。将机器人运动模型和观测模型融合作为混合提议分布,提高提议分布的精度;在重采样过程中引入量子粒子群优化算法更新粒子位姿,根据权值划分粒子种类,引入自适应交叉变异操作,对所得粒子集进行优化、调整,有效地防止粒子退化以及保持粒子的多样性。利用本文算法不仅用MATLAB进行仿真实验,而且结合了旅行家2号移动机器人在机器人操作系统(ROS)上进行实际验证。结果表明,本文算法能以较少粒子数精确估计出机器人的位姿和高精度的地图,误差和运行时间也大大降低了。

关键词： Rao-Blackwellized粒子滤波同时定位与地图构建提议分布量子粒子群优化交叉变异移动机器人机器人操作系统

来源：评论

学校读者我要写书评

暂无评论

ORB特征匹配的误匹配点剔除算法研究

引用

电子测量与仪器学报 2016年第8期30卷 1255-1262页

作者：邢凯盛凌有铸陈孟元安徽工程大学安徽省电气传动与控制重点实验室芜湖241000

在计算机视觉中,特征点匹配是一个极其重要的问题。为了提高图像特征点匹配精度,针对ORB常采用的RANSAC误匹配点消除算法不足,提出了改进的误匹配点剔除算法。该算法通过缩小抽样点总量来保证匹配点选取质量,并能有效的减少迭代次数。... 详细信息

在计算机视觉中,特征点匹配是一个极其重要的问题。为了提高图像特征点匹配精度,针对ORB常采用的RANSAC误匹配点消除算法不足,提出了改进的误匹配点剔除算法。该算法通过缩小抽样点总量来保证匹配点选取质量,并能有效的减少迭代次数。分别采用ORB+改进算法与ORB+RANSAC算法对两组图片进行特征点匹配实验。实验表明,该算法能够有效剔除误匹配点,与RANSAC算法相比较精度提高了8%,匹配精度提高至97.43%。

关键词：特征点匹配误匹配迭代次数

来源：评论

学校读者我要写书评

暂无评论

基于注意力残差U-Net的皮肤镜图像分割方法

引用

智能系统学报 2023年第4期18卷 699-707页

作者：沈鑫魏利胜安徽工程大学电气工程学院安徽芜湖241000 安徽工程大学安徽省电气传动与控制重点实验室安徽芜湖241000

针对皮肤镜图像类内差异性、类间相似性、数据集不平衡等问题,本文提出了一种基于注意力残差U-Net(attention residual block-UNet,ARB-UNet)的皮肤镜图像分割方法。将卷积块注意力机制模块(convolutional block attention module,CBAM... 详细信息

针对皮肤镜图像类内差异性、类间相似性、数据集不平衡等问题,本文提出了一种基于注意力残差U-Net(attention residual block-UNet,ARB-UNet)的皮肤镜图像分割方法。将卷积块注意力机制模块(convolutional block attention module,CBAM)引入到U-Net模型的“跳过连接”中;同时将CBAM模块集成到残差模块DRB(dilated residual networks)中得到注意力残差结构(attention residual block,ARB);且选取Focal Tversky Loss作为该模型的损失函数;在ISIC2016数据集上对所提ARB-UNet模型进行训练和测试,并与传统方法和UNet等经典方法进行了对比实验,实验结果中灵敏度(sensitivity,SE)达到了92.9%,特异性(specificity,SP)达到了94.1%,Dice相似指数(dice similarity cofficient,DSC)达到了92.1%,整体上均优于其他对比方法,从而验证了本文方法是有效的和可行的。

关键词：图像分割皮肤镜卷积神经网络注意力残差U-Net 注意力机制卷积块注意力机制模块深度学习残差网络

来源：评论

学校读者我要写书评

暂无评论

基于改进的UKF智能电网虚假数据攻击检测

引用

系统仿真学报 2023年第7期35卷 1508-1516页

作者：魏利胜张倩安徽省电气传动与控制重点实验室安徽芜湖241000 安徽工程大学电气工程学院安徽芜湖241000

由于虚假数据注入攻击(false data injection attack,FDIA)对电力信息物理系统(grid cyberphysical systems,GCPS)的破坏性较强,且威胁性较大,针对其难以被有效检测难题,提出一种基于加权最小二乘法(weighted least squares,WLS)和改进的无迹卡尔曼(unscented Kalman filter,UKF)的电网虚假数据检测方法。对FDIA进行了数学建模,并通过对残差进行分析以说明FDIA的难以检测性,在有攻击向量的情况下,将改进的UKF用于系统的状态估计,同时利用WLS对系统迅速响应的优势,也对系统进行状态估计,采用一致性检验对2种方法的估计结果进行检测,最终判断是否存在FDIA。在IEEE14节点和IEEE57节点上进行实验分析并与支持向量机的检测方法进行检测成功率的对比,仿真结果表明,FDIA可被准确检测,从而验证了本文方法的可行性及有效性。

关键词：智能电网虚假数据注入攻击改进的无迹卡尔曼状态估计攻击检测

来源：评论

学校读者我要写书评

暂无评论

基于IGA的异步电机功率因数和机械效率优化(英文)

引用

系统仿真学报 2012年第2期24卷 488-492页

作者：张春郭兴众安徽工程大学电气工程学院安徽省电气传动与控制重点实验室芜湖241000

为提高三相异步电机在轻载和空载运行时的功率因数与机械效率,提出运用智能遗传算法对功率因数和机械效率进行综合优化,算法借助于正交表试验设计和智能型交配运算等步骤,改善遗传算法的性能。仿真结果表明基于智能遗传算法的异步电机... 详细信息

为提高三相异步电机在轻载和空载运行时的功率因数与机械效率,提出运用智能遗传算法对功率因数和机械效率进行综合优化,算法借助于正交表试验设计和智能型交配运算等步骤,改善遗传算法的性能。仿真结果表明基于智能遗传算法的异步电机功率因数和机械效率综合优化,方法简单、有效,能明显提高功率因数和机械效率,提高节能控制效果,提高优化精确度和计算速度。

关键词：智能遗传算法优化异步电机节能控制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：