摘要:近年来,视觉 SLAM 以结构简单、成本低、可结合语义信息等优势得到广泛关注。 回环检测在其中发挥着重要的作用。 根据获得的回环信息,视觉 SLAM 后端优化算法便可以根据回环约束对位姿进行优化,消除移动机器人在长时间的工作下产生 的累积误差,实现精确的长期定位,从而构建全局一致的运动轨迹和地图。 首先介绍视觉 SLAM 中回环检测原理及作用,从特 征提取、相似度判断、实验评估几个方面对传统词袋模型进行深入分析,并概述目前基于词袋模型和概率的改进算法,对比总结 基于深度学习的回环检测方法,简单概述结合语义信息的回环检测方法,最后对回环检测技术目前存在的问题以及未来的发展 趋势进行总结与展望。

摘要:柔性触觉感知信息获取是软体仿生机械手自主操纵的关键反馈环节,它提供了关于仿生机械手和物体接触点的相互作 用力和表面特性的信息。 从敏感材料、结构设计、制备方法到信号获取分析等方面,应用于软体机械手的柔性触觉感知方法近 年来取得了一定进展,但是存在若干问题限制了技术的应用发展。 为此,梳理了软体仿生机械手柔性触觉感知的概念与内涵, 分析了相关的重要参数和设计原则,汇总分类讨论了不同结构的柔性触觉传感器的设计思想及其性能和应用,最后对软体仿生 机械手柔性触觉传感器的发展前景提出了展望与思考。

摘要:针对 MEMS 惯性导航系统大动态坏境下不可交换误差问题,提出了一种改进的高阶迭代姿态优化算法。 为解决大动 态环境下不可交换误差对整个惯性导航系统带来的影响,推导了传统等效旋转矢量算法,针对此算法仅依靠提高子样数来提高 解算精度,忽略了高阶项在大动态环境下会产生较大误差的问题。 设计了快慢回路的方法,分别求得不同阶次的旋转矢量解, 再通过周期性迭代算法得到快慢回路的迭代解。 最后通过大动态环境仿真实验以及高精度三轴转台摇摆动态实验,验证了高 阶迭代算法的性能优势。 实验结果表明,大动态环境下,相较于传统算法,改进的高阶迭代姿态优化算法精度提高了两个数 量级。

摘要:为提高低成本惯性测量单元(intertial measurement unit,IMU)阵列的行人航位推算(pedestrian dead reckoning,PDR)定位 精度,首次提出了采用多层感知机(multi-layer perceptron,MLP)实现低成本 IMU 阵列数据融合的算法,通过将自主设计的 IMU 阵列和高精度 IMU 同步运动来获得 IMU 阵列的测量数据(包括三轴加速度和三轴角速度)和高精度 IMU 的测量数据,以高精 度 IMU 的测量数据作为标签,利用 MLP 将 IMU 阵列的测量数据融合,预测出物体的实际加速度和角速度,并用定位算法进行 验证。 在定位实验中,使用 MLP 融合后的预测数据的 PDR 定位精度比使用单个 IMU 测量数据的 PDR 定位精度提高了 33. 9%;比使用简单平均处理的 IMU 阵列测量数据的 PDR 定位精度提高了 20. 8%;比使用最小二乘法融合的 IMU 阵列测量数 据的 PDR 定位精度提高了 11. 6%,证明了本文所提出方法的可行性和有效性。

摘要:针对水域环境下人员识别,提出了一种基于水面无人船(unmanned surface ship,USV)视觉传感器的水域人员类别识别 算法。 依照数据采集与模型更新流程,将采集到的视频数据进行数据清洗与标记后,创建人员类别数据集 39 959 张图片,7 个 类别;实践了基于深度学习方法下主流目标检测网络 YOLO v5,并针对水域环境场景特点,提出基于 YOLO v5 的人员类别识别 算法;将人员类别识别算法部署到边缘计算平台,实现算法在无人船上的实时应用。 算法在人员类别识别数据集上达到了平均 精度 86%,在无人船实测中实现了每秒处理 38 帧的人员类别识别实时性表现。

摘要:针对人工用游标卡尺测量手工捏花尺寸效率低下的问题,提出一种改进的自适应 Canny 算子测量手工捏花尺寸的方 法。 首先,引入均值漂移法分割图像,图像颜色变得渐变、细纹纹理平缓;其次,用大致轮廓的平均像素值选择性的替代边缘检 测的高阈值,以达到较好的自适应提取边缘的目的;再次,scharr 算子代替 sobel 算子,增强了弱边缘的提取能力;最后,去掉小 型连通域并且用主成分分析方法(PCA)获取轮廓的主方向,求取主方向直线方程,通过轮廓点在该直线上的最大投影距离获得 捏花的长度,轮廓点在该直线的垂直方向上的最大投影距离获得捏花的宽度。 实验表明,在对不规则物体的识别率上,本文方 法比其他方法有着显著的提升,准确率达到 97%,与真实值误差 2 mm 左右,并且通过强光、弱光、侧面光实验对比分析,该方法 受光照影响较小,满足工业自动化需求。

摘要:当前移动边缘计算(mobile edge computing, MEC)环境中关于任务调度的工作经常忽略任务间的依赖关系,导致其完成 时延较长。 针对此问题,首先,以降低系统完成时延为目标,在考虑到跨服务器协作的多用户、多边缘服务器场景下,利用广度 优先搜索算法(breadth first search, BFS)构建一种依赖型任务的调度模型。 然后,根据任务和边缘服务器之间的交互,将模型 中各调度层的联合卸载和迁移问题建模为一个多领导者多跟随者的 Stackelberg 博弈。 最后,为实现 Stackelberg 博弈均衡,提出 基于 Q 值的卸载算法和分布式迭代迁移算法求解模型。 仿真结果表明,与基线算法相比,所提算法在不同规模的用户和边缘 服务器的场景下,将系统完成时延分别降低了 44. 1%和 63. 2%。 进一步实验表明,与传统方案相比,所提模型在不同规模的用 户和边缘服务器的场景下使系统完成时延分别降低了 20. 1%和 6. 7%,有效保证了服务质量。

摘要:霍尔传感器是由半导体材料加工而成的有源器件,其输出电压随着温度变化而产生漂移,这限制了其在高精度磁场测 量场合的应用。 提出了一种新型对称式闭环霍尔电流传感器,对其进行了系统地设计。 利用霍尔元件灵敏度的差异设计了输 出电压运算电路,分析了对称式闭环电流传感器工作原理并给出了闭环传递函数。 电路仿真和样机实验结果表明,对称式闭环 霍尔电流传感器具有较好的温度特性,温度系数减小至 0. 000 8% / ℃ 。 相比其他温度补偿方法,该方法简单易实现,能够实现 温度漂移的完全补偿,霍尔元件可以根据测量需要任意选型,不受驱动方式的限制。

摘要:针对现有降噪方法存在噪声残留以及异常检测指标受噪声影响较大的问题,提出中央空调传感器双重降噪和模糊指标 的故障检测方法。 自适应噪声的完整经验模态分解(complete EEMD with adaptive noise,CEEMDAN)所具有的噪声残余等问题, 用局部均值估计提取 k 阶模态替换模态估计完成初次降噪;而早期出现的虚假模式,先通过相关系数准则筛选含噪分量尽可能 保留有效信息,然后计算奇异值差分谱确定降噪阶次进行奇异值分解(singular value decomposition,SVD)完成二次降噪。 最后, 结合能量和峭度系数提出模糊指标作为异常信号控制限进行故障检测。 采用中央空调实验系统运行数据对所提方法进行验 证,结果表明,该方法具有良好的降噪及敏感特征筛选能力,信噪比提升 20. 203 7 dB,均方误差平均减小 48. 75%,故障检测准 确率平均提升 8. 67%,响应速度提升 33. 3%,抗噪性及检测效果提升明显。

摘要:为了解决脉冲电场传感器电光调制部分的供电问题,设计研制了一种基于激光光电池供电的脉冲电场传感器,该传感 器由激光光电池供电电路、电光调制电路和感应天线构成。 设计制作了由供能激光器、锂电池、激光光电池、锂电池充电电路、 锂电池保护电路、锂电池升压放电电路构成的激光光电池供电电路。 测试结果表明,供电电路输出电压精度为 1. 04 %,纹波系 数为 0. 3 %,并且 48 h 持续工作输出电压波动为±0. 035 V。 设计制作了由单极子天线、场效应管型集成运放构成的传感器电光 调制电路。 实验结果表明,研制的脉冲电场传感器测量带宽在 39. 8 Hz~ 1 050 MHz,动态范围 0. 256 kV/ m ~ 13. 79 kV/ m。

摘要:石油开采实际工况复杂多变,在利用电导法在线测量含水率时,环境因素温度、矿化度和传感器本身的电极结构会带来 测量上的偏差。 本研究设计不同电极环内径、激励电极间距的三电极和四电极进行对比实验并利用标定实验获取电导率和温 度信息。 在考虑到温度、信号调理电路等因素造成非线性的情况下,建立综合补偿函数并利用最小二乘法进行优化以求取温度 和非线性综合补偿参数。 通过电极结构的优化和得到的补偿参数实现对传感器的性能优化。 搭建含水率测试系统进行模拟测 试验证,实验表明,经过电极结构参数优化和补偿的传感器测量误差在 2%之内,稳定性较好,可满足原油含水率的测量。

摘要:针对直线结构的阵列探针存在探针越远离线圈内径位置,存在相同位置缺陷的差分信号峰值越小的问题,提出了基于 TMR 传感器在同一激励线圈内半圆弧“等横向间距”布置的方法,并设计了一款新型脉冲涡流 C 扫描成像装置。 研究结果表 明,对于铜板不同形状的缺陷,通过 C 扫描并对扫描结果进行折算和阈值分割后绘制的等高线图能够很好地复现缺陷的形状, 成功实现了铜板不同形状缺陷的二维成像,进而验证了该方法的有效性和可行性。

摘要:拇指弹琴触键是一项涉及多因素的复杂空间运动,其量化分析对于钢琴教学的科学指导和教学效果的量化评价至关重 要。 针对钢琴教学早期阶段拇指高抬指触键动作训练,提出了一种测量与分析方法。 首先采用 Leap Motion 传感器搭建测量平 台,进行人手弹琴触键动作数据采集。 其次建立手部关节坐标系,设定表征拇指弹琴触键运动的角度参数。 然后利用最小二乘 法获得拇指弹琴触键的运动回归方程。 最后依据回归方程预测拇指在弹琴触键过程中各关节角度参数的变化规律。 该研究可 为不同拇指长度的人提供拇指弹琴触键运动预测曲线,为钢琴弹奏和学习效果评价提供科学指导,并为后续的钢琴教学机械手 设计提供理论依据。

摘要:对于高温下的视觉三维测量,如何削弱高温辐射以及成像畸变对构件测量产生的影响,在航空航天和汽车制造等领域 具有极其重要的意义。 基于黑体辐射理论分析了物体在不同温度下的辐射特性,确定了成像光谱范围,建立了高温双目立体视 觉测量模型,运用有限元建模仿真与光线追迹算法相结合的方法分析光线在高温场中传播的偏折规律,并分析了温度和光线波 长对光线偏折量的影响。 最后,通过搭建双目立体视觉测量系统,使用 CMOS 相机、窄带滤光片和平行光源组成的测量系统削 弱高温辐射光的干扰,对分析结果进行实验验证。 实验结果表明,测量系统能够在高温下获得清晰的图像特征;光线追迹算法 分析的结果和实验数据有很好的一致性;相较于常温测量结果,800 ℃ 以下视觉测量结果的误差小于 0. 28 mm,球间距测量标 准差小于 0. 11 mm,能够满足构件在高温环境下的测量需求。

摘要:为提高移动机器人在无地图情况下的视觉导航能力,提升导航成功率,提出了一种融合长短期记忆神经网络( long short term memory, LSTM)和近端策略优化算法(proximal policy optimization, PPO)算法的移动机器人视觉导航模型。 首先,该模型融 合 LSTM 和 PPO 算法作为视觉导航的网络模型;其次,通过移动机器人动作,与目标距离,运动时间等因素设计奖励函数,用以 训练目标;最后,以移动机器人第一视角获得的 RGB-D 图像及目标点的极性坐标为输入,以移动机器人的连续动作值为输出, 实现无地图的端到端视觉导航任务,并根据推理到达未接受过训练的新目标。 对比前序算法,该模型在模拟环境中收敛速度更 快,旧目标的导航成功率平均提高 17. 7%,新目标的导航成功率提高 23. 3%,具有较好的导航性能。

摘要:针对合成孔径雷达图像噪声大,成像特征不明显,尤其在面对海陆边界、港口码头、近岸岩礁等复杂场景,通常的检测算 法对 SAR 图像目标特征提取困难,导致检测精度不高,出现误检漏检等问题。 在 YOLOv5 的基础上设计了一种旋转的目标检 测方法,提出了多分支注意力模块可以跨维度的信息融合,能更好地提取 SAR 图像目标中的位置信息和语义信息,以提高检测 精度。 此外,由于旋转目标检测会产生边界不连续问题影响边界框的回归,因此,利用了圆形平滑标签的方法将角度参数从回 归问题转为分类问题,由此提高了精度。 最后在 HRSID、SSDD+数据集上进行了实验,精度分别达到 84. 98%和 90. 13%,比原始 的 YOLOv5 算法分别提升了 1. 29%和 2. 57%,实验结果证明所提算法的有效性。

摘要:带钢表面缺陷检测已成为保证带钢生产质量的重要环节之一。 针对当前带钢缺陷检测算法精度有待提高等问题,提出 了一种基于 YOLOv5 网络改进的算法模型 MT-YOLOv5。 首先在主干网络中引入 Transformer 自注意力机制,使主干网络更聚焦 于图像全局特征信息的提取;其次采用 T-BiFPN 网络结构,将 Transformer 层与 BiFPN 网络结构相结合,进一步增强了图像浅层 特征信息与深层特征信息的融合;然后引入改进后的轻量化网络 RepVGG 替换主干网络中的部分卷积层,增强主干网络的特征 提取能力;最后增加预测层,检测不同尺度的目标。 实验结果表明,MT-YOLOv5 算法在 NEU-DET 数据集上的均值平均精度 (mAP)达到了 82. 4%,较原 YOLOv5s 算法提高了 5. 3%,检测速度为 65. 4 fps,更好地均衡了检测速度与检测精度。

摘要:针对传统相移法不能直接应用于非静态物体三维(3D)形貌测量的问题,本文提出了 Morlet 小波辅助的改进相移法测 量方法。 首先,利用复 Morlet 小波脊线提取采集条纹图像的相位,估算图像帧之间的相位变化量,并根据帧间相位变化量来修 正相移法的计算模型。 然后,利用修正的计算模型,提取采集光栅图像的相位,并重建出非静态被测体的 3D 形貌。 在对视场 范围内的非静态被测体,本文方法测量的均方根误差为 0. 0816 mm,分别是传统相移法和单帧投影法的 16. 92%、44. 42%,在对 比方法中误差最小。 测量结果表明,本文方法拓展了相移法适用的范围,能够更准确测量非静态被测体的 3D 形貌。

摘要:将巡检机器人应用于变电站内的表计自动读数可以降低人力成本、提高工作效率,但由于仪表通常悬挂在高处,为了获 取准确的读数,机器人观测时的位姿受到苛刻的约束。 此外,机器人读数时云台调整时间消耗大大降低了巡检效率。 针对此问 题,本文通过分析观测窗约束、路网约束,以及云台姿态调整时间消耗,以机器人完成巡检任务的总时间为代价,建立了面向表 计读数的机器人路径规划模型。 然后,提出一种信息素重利用的蚁群优化算法用以求解机器人的巡检路径与停靠方案。 仿真 实验表明本文方法得到的巡检路径在时间消耗上比初始时间代价节省了 66%,从而验证了模型的有效性与算法的可行性。

摘要:针对大型光学遥感卫星高可靠高性能和好用易用的需求,设计了一种具有高度容错能力的综合电子系统,详细介绍了 系统的体系架构和信息流设计,深入探讨了卫星运行管理和系统容错机制等关键设计技术。 介绍了所设计综合电子系统在某 型号卫星上的在轨应用情况,该卫星充分采用了论文提出的多冗余备份架构、容错技术和运行管理技术,平均每天完成 21 次成 像和 11 次数传,日均拍摄面积高达 1 100 000 km 2 ,最长连续无故障运行时间超过 6 个月,充分验证了所设计综合电子系统具有 在轨高效稳定运行的能力。

摘要:针对水域场景夜间能见度极低,难以实现人员目标检测与定位的问题,结合红外热成像技术与深度学习目标检测算法, 研究了一种黑暗环境下水域人员目标检测方法。 经过多场景实地采集,自主构建了一套热成像水域场景下的人员目标数据集 IR-YZ。 在对比经典目标检测方法在 IR-YZ 数据集上的性能的基础上,针对热成像特点与水域环境特点,提出了一种增强型轻 量级水上目标检测网络 IWPT-YOLO(infrared water person target-YOLO)。 实验结果表明,IWPT-YOLO 算法具有精确、快速、简洁 等优势,其模型大小为 93 MB,平均精度 mAP 达到了 85. 34%,检测速度达到了 20. 975 FPS,比经典算法 YOLOv3 网络与 SSD 网 络在模型大小、平均精度与检测速度上均有提高,验证了 IWPT-YOLO 算法对水域场景下的热成像人员目标具有更好的检测性 能,更明显的优势。

摘要:面向城市发展过程中建筑物多样的变化类型,提出了一种基于 D-S 证据理论高分遥感建筑物变化检测方法。 基于影像 多尺度分割结果,综合多重因素首先设计了一种非建筑物指标 NBI。 在此基础上,结合多时相的 NBI、传统建筑物指数 MBI 以 及差分特征,构建建筑物变化证据集合。 最后,提出了一种结合阴影检测的证据置信度指标,进而构建了一套完整的 D-S 证据 理论变化检测模型,从而将建筑物划分为新建、拆除以及改建类。 不同地区影像的实验结果表明,所提出模型的变化检测精度 和 Kappa 系数分别可达 80%和 0. 7 以上,且在目视分析和定量评价中均优于对比方法。

摘要:针对磁悬浮控制系统中目标物体定位精度低以及速度慢的问题,提出一种基于 YOLOv5(you only look once v5)改进算 法来对磁悬浮球进行识别定位。 首先,利用 Mish 损失函数取代 YOLOv5 原模型中 SiLU(sigmoid-weighted linear units)激活函数, 以得到准确性更高和泛化能力更强的网络模型;其次,将协同注意力机制融合到 YOLOv5 算法中,提高模型的特征提取能力;在 此基础上,选择 CIOU(complete-intersection over union)损失函数替换 YOLOv5 算法中的 GIOU(generalized intersection over union) 损失函数来优化训练模型,以提高识别精度。 最后,进行了仿真验证,结果表明,改进后的 YOLOv5 算法与原算法相比,在磁悬 浮球目标识别精度由原来的 92. 4%提高到 96. 2%,MAP(mean average precision)由原来的 88. 8%提高到 94. 3%,从而验证了本 文所提方法的有效性和可行性。

摘要:条纹投影三维测量中,双 N 步相移轮廓术通过扩充一倍的投影条纹数量以补偿由测量系统的非线性响应导致的相位 误差,但测量效率也因此降低。 针对这一问题,提出了一种改进的双 N 步相移方法,该方法与传统的双 N 步相移法相比,在减 少相移条纹数量的同时保持了测量精度。 利用删减后的条纹计算原始和附加相位值,融合两相位实现物体的三维重建。 实验 结果表明,与传统双 N 步相移法相比,所提方法具有相同的相位误差补偿精度,并将测量效率提高了 16. 7%,同时证实了本文 采用的三频分层相位展开的可靠度要优于三频外差法的相位展开可靠度。

摘要:针对传统隧道火灾检测方法速度慢、误检率高的问题,提出了一种基于 YOLOv5s 的实时火焰检测算法,采用 K-means 重新计算锚框尺寸。 本文提出的 YOLOv5s-SRGAN 融合算法,在 1 326 幅隧道火焰图像中的召回率为 94%,是 YOLOv5s 的 1. 7 倍。 引入了 CBAM 注意力机制模块和梯度均衡机制,分别通过特征提取网络和损失函数提升模型的性能。 与原 YOLOv5s 相 比,火焰检测的平均正确率(IOU= 0. 5)提高了 44%,测试集平均检测速度为 32 FPS。 结果表明,改进后的火焰检测算法对小火 焰目标有了更好的识别效果。

摘要:航空发动机作为飞机的主要动力源,其可靠性是保证飞机安全的关键。 剩余使用寿命预测对于提高航空发动机的可用 性和降低其寿命周期成本具有重要意义。 针对现有的预测算法存在对航空发动机多维数据特征提取不足的问题,提出了一种 基于注意力机制的卷积神经网络和双向长短期网络融合模型。 首先,采用卷积神经网络提取特征和双向长短期记忆网络获取 特征中的长短期依赖关系;其次,使用注意力机制来突出特征中的重要部分,提高模型预测的准确率。 为验证所提出方法的有 效性,在 C-MAPSS 数据集上进行了实验。 实验表明,模型可以准确地预测出航空发动机的剩余使用寿命,并比传统方法有着更 高的预测精度。

摘要:金属异物侵入会造成无线充电系统效率和稳定性降低,并且可能引发安全事故,因此必须进行金属异物检测。 针对现 有技术存在检测盲区以及无法检测微小异物的问题,提出一种深度学习目标分割与机器学习目标分类相结合的金属异物检测 方法。 首先采用 YOLO v3 网络对充电区域 RGB 图像进行异物目标分割,然后通过支持向量机对各个目标区域对应的高光谱图 像进行分类,最后搭建实验平台验证方法的有效性。 结果表明,该方法不仅能够检测螺母和回形针等微小金属异物,而且具有 检测包裹金属异物的潜能;与仅采用支持向量机进行逐像素检测相比,该方法的检测速度提升了约 38. 9%。