检索结果-内蒙古大学图书馆

电子测量与仪器学报 2016年第11期30卷 1758-1764页

作者：张成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

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信... 详细信息

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。

关键词：路径规划移动机器人蚁群算法信息素

来源：评论

学校读者我要写书评

暂无评论

基于粒子滤波框架Catmull-Rom样条的多车道侦测及跟踪算法研究

引用

电子测量与仪器学报 2015年第10期29卷 1520-1528页

作者：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

车道线识别是智能交通系统(intelligent transport system,ITS)实现的重要组成部分。为了解决道路图像中光源干扰、阴影遮挡、车道线破损、标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出一种基于粒子滤波框架的Catmull-Rom... 详细信息

车道线识别是智能交通系统(intelligent transport system,ITS)实现的重要组成部分。为了解决道路图像中光源干扰、阴影遮挡、车道线破损、标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出一种基于粒子滤波框架的Catmull-Rom样条的车道线侦测及跟踪算法,这种算法利用Catmull-Rom样条数学模型能够灵活且精确的标定车道线,且基于粒子滤波框架的滤波器保障了系统的稳定性及鲁棒性。实地测试结果显示在9种路况环境下算法侦测及跟踪性能准确稳定;该方法与近远景分割算法比较,路况侦测及跟踪边界更清晰;进行基于影像序列的量化稳定性评估,正确识别率接近98%。

关键词：弯道侦测车道识别样条曲线多车道侦测

来源：评论

学校读者我要写书评

暂无评论

基于改进ORB的图像特征点匹配研究

引用

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

基于四元数改进型互补滤波的MEMS姿态解算

引用

电子测量与仪器学报 2015年第9期29卷 1391-1397页

作者：陈孟元谢义建陈跃东安徽工程大学安徽省电气传动与控制重点实验室芜湖241000

针对四旋翼飞行器的姿态解算问题,设计了由STM32、陀螺仪、加速度计等组成的姿态测量单元,采用四元数法对姿态角进行描述,详细分析了姿态解算的过程,建立了系统及传感器模型,并在互补滤波算法的基础上,构造了一种改进型互补滤波器来完... 详细信息

针对四旋翼飞行器的姿态解算问题,设计了由STM32、陀螺仪、加速度计等组成的姿态测量单元,采用四元数法对姿态角进行描述,详细分析了姿态解算的过程,建立了系统及传感器模型,并在互补滤波算法的基础上,构造了一种改进型互补滤波器来完成姿态解算。实验测试表明,与传统的卡尔曼滤波算法和互补滤波算法比较,改进型互补滤波算法的数据平滑能力更强,收敛速度更快,有效地实现了飞行器姿态数据的融合,提高飞行器的姿态估计精度,满足了小型四旋翼飞行器姿态控制的要求,增强了系统的鲁棒性与稳定性。同时通过实际飞行实验,验证了算法的可行性。

关键词：四旋翼飞行器互补滤波四元数卡尔曼滤波姿态解算

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

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

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

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

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：