【摘 要】
：
新冠疫情期间,各类智能移动机器人在药物物资配送、疫情区域消毒、公共区域安全巡逻和出入安检测温等无接触服务方面发挥了重要作用。智能移动机器人相关技术当中,同时定位与构建地图（Simultaneous Localization and Mapping,SLAM）是自主性的核心,也是机器人实现自主移动的基础。近些年,深度学习作为备受追捧的技术,能够增强计算机对数据的有效利用能力,那么将深度学习结合到SL
论文部分内容阅读
新冠疫情期间,各类智能移动机器人在药物物资配送、疫情区域消毒、公共区域安全巡逻和出入安检测温等无接触服务方面发挥了重要作用。智能移动机器人相关技术当中,同时定位与构建地图（Simultaneous Localization and Mapping,SLAM）是自主性的核心,也是机器人实现自主移动的基础。近些年,深度学习作为备受追捧的技术,能够增强计算机对数据的有效利用能力,那么将深度学习结合到SLAM系统中有望提高系统的整体性能。此外,由于实际环境复杂多样,机器人往往需要大量自身与环境信息用于估计位姿和构建环境地图。过往的相关研究表明,单一传感器SLAM存在一定的局限性。因而,结合多种传感器的特性能够增强SLAM系统的性能。本文主要研究内容如下:（1）针对传统回环检测算法易受环境因素影响导致检测精度较低,而基于深层卷积神经网络的回环检测算法计算量大检测耗时长两大问题。本文提出一种基于两类卷积神经网络的回环检测算法,将深度学习中的卷积神经网络应用到回环检测模块中,并提出回环检测中关键帧的选取算法。将本文提出的回环检测算法与传统算法和其它基于深度学习的回环检测算法进行对比实验。实验结果表明,本文提出的回环检测算法在准确率方面优于其它四种对比算法。在时间性能方面虽然逊于基于Alex Net的回环检测算法,但仍优于其余三种对比算法,综合性能较好。（2）针对粒子退化与粒子数量过多导致计算量增大这两个问题,本文对Gmapping算法做出改进,将选择性重采样与KLD采样结合起来完成重采样,采样方法使用交替进行的方案。通过对实验结果的分析,证明改进后的Gmapping算法粒子收敛速度提高了39.85%。（3）研究了三种多传感器融合SLAM框架,并将本文提出的回环检测算法引入多传感器SLAM框架中。实验结果证明2D激光雷达、编码器与IMU获取的信息仅能构建2D栅格地图无法构建3D环境地图,因而无法重现更多的环境信息。并且,由于基于激光的多传感器SLAM系统很难完成回环检测,会导致构建地图的全局一致性较差。而视觉、激光、编码器与IMU融合的SLAM系统总体性能更加优秀。最后,将本文提出的回环检测算法应用到多传感器融合的SLAM系统中后,系统建图性能有较大提升。
其他文献
随着工业4.0的到来,机械臂和计算机视觉等新型技术高度结合,如今,传送带广泛用于工厂的配送、仓储、制造和生产,以实现自动化和更快的交付。如何结合视觉跟踪和物体抓取等技术,使机械臂能够成功地抓取传送带上的运动物体,是一个具有挑战性的问题。为了提高抓取效率和准确率,本文围绕机械臂对多类动态目标的抓取展开研究,具体工作如下:（1）针对机械臂目标检测问题,提出了一种轻量化网络的抓取检测方法。采用YOLOv
室内可见光通信（VLC）是利用白光LED光源,在照明的同时实现无线通信,具有传输速率快、节能环保等优势。但目前白光LED的最大调制带宽约20MHz,且在发射功率较高时存在非线性效应,使VLC的通信速率受到制约。为了满足当前日益增长的室内无线通信需求,在现有LED器件条件下如何提升VLC调制速率和传输可靠性是急需解决的科学问题。本文采用正交频分复用（OFDM）多载波调制方式,以充分利用有限的调制带宽
空间激光通信是以激光为载波,携带信息进行无线传输的通信方式,由于其传输速率高、免电磁干扰、传输距离远等优点逐渐成为通信领域研究的热点。但是,由于大气湍流的影响,携带调制信息的激光束在传输过程中会受到各种效应影响,导致传统的解调方案难度增加,系统整体性能下降。盲优化技术可以不借助额外训练序列,仅通过接收端信号的先验信息来优化信道特性,使得输出序列尽可能逼近发送序列,应用在激光通信领域具有一定优势。因
我国是世界上自然灾害种类最多的国家,自然灾害的发生往往对社会以及人民生活造成不可逆转的损失与危害,是人类历史上面临的最严峻的挑战之一。野外自然灾害长期无人值守系统大多采用锂电池等传统电源供能,由于其存在定期充电问题,不能满足监测系统长期工作的需求。摩擦纳米发电机的问世彻底打开了微能源领域的大门,为实现自供电无线监测系统提供了可能,如何高效采集环境能并满足监测节点长期无人值守供能需求成为了一个挑战。
近年来,我国高度重视人工智能技术的发展,加快人工智能行业布局规划,各地积极部署、实施和完善人工智能政策,推动保障相关行业的高速发展。目前,计算机视觉技术（Computer Vision,CV）已较为成熟,在算法、算力和数据量上均有较大的进展和突破。然而,高维（High Dimensional,HD）数据的特征提取仍然是目前人工智能机器学习算法中的难点问题和重点关注焦点之一。本文针对高维图像数据,研
随着计算机图形学的不断发展,布料动画在游戏、动画电影、虚拟试穿等方面有着广泛的应用,因此逐渐成为了虚拟现实领域的研究热点之一。布料是一种柔性物体,极易发生形变,并产生丰富的褶皱现象,为了得到逼真的仿真效果,通常需要用高精度网格对布料进行建模,然而高精度网格包含上千个顶点和面片,在仿真中计算量大、耗时长,因此,如何平衡布料动画中的逼真度与效率,始终是该领域的研究热点和难点之一。近年来的研究使用多精度
水下图像是人类探索海洋世界的重要信息来源,在海洋工程领域有着广泛的应用。由于水下环境的复杂性,水下图像受到水体和水中悬浮物对光线吸收和散射作用的影响,导致水下图像通常呈现出对比度低、色偏严重、模糊失真等问题,妨碍了水下图像识别和处理等工作的开展。因此,探究如何提高水下图像的成像质量具有重要的研究意义,本文在分析了水下图像的降质原因后,以水下光学成像模型为基础,对透射率这一影响水下图像复原的主要因素
随着全球能源危机和环境污染等问题的加剧,锂离子电池作为清洁能源,以其重量较轻、高化学反应性、高能量密度和寿命长等优点迅速普及,在消费电子产品（手机和平板电脑等）、可再生能源（风能和太阳能）以及航天航空等领域中都发挥了重要作用。但是,随着充放电次数的增加,锂离子电池也不可避免地会退化或损坏,如果在电池失效前不采取有效措施,锂离子电池设备将无法健康运行,严重时可能造成人员伤亡。锂离子电池剩余使用寿命（
近年来,伴随着科技经济的高速发展,足式机器人展现出可预期的民用、商用和军事用途。足式机器人不同于轮式机器人和履带式机器人受限于运动环境,而是能够适应于如坡地、楼梯、丛林等多种不平整地形。而足式单腿作为足式机器人的运动单元,是足式机器人的基础,为了保证足式机器人在复杂路况的平衡性运动,其单腿机构必须具有高爆发性、稳定性和灵活性,而单腿运动特性测试能够模拟出足式机器人在不同地形运动时的真实工况,因此高
军事信息化建设一直是各国的研究热点,但我国的武器存在着种类繁多、信息散落等问题,这不利于国防工作提取有效信息,大大妨碍了我军信息化建设的步伐。同时,我军武器常以文字、二维图片和实体武器等传统方式进行展示,交互性差且无法满足更多军迷了解武器性能、近距离观赏或把玩武器的迫切需求。本文将改进后的Yolo v4算法应用到武器识别中,将武器图片中的武器快速识别出来,提取武器的相关信息,并将其放入三维的武器展