检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于规划路径约束的机器人定位方法

电子与信息学报 2022年第11期44卷 3941-3950页

作者：胡钊政许聪周哲邓泽武武汉理工大学信息工程学院武汉430070 武汉理工大学智能交通系统研究中心武汉430063 武汉理工大学重庆研究院重庆401120

路径规划是为机器人生成可行驶路径以实现循迹的过程。因此,机器人的位置应该位于或靠近规划的行驶路径。从而,路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图(PILPM)模型,该模型通过概率来表征机器人在... 详细信息

路径规划是为机器人生成可行驶路径以实现循迹的过程。因此,机器人的位置应该位于或靠近规划的行驶路径。从而,路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图(PILPM)模型,该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中,模型中概率密度函数是通过核密度估计(KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上,提出一种规划路径约束的机器人定位新算法(RL-PPC)来提高机器人定位精度。在该方法中,应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中,从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明,所提RLPPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统),并显著提高机器人定位的整体性能。

关键词：机器人定位概率图模型路径规划核密度估计粒子滤波

在线全文

学校读者我要写书评

暂无评论

基于2阶HMM的智能车视觉地图定位方法

汽车工程 2022年第2期44卷 190-198页

作者：周哲胡钊政王志强肖汉彪武汉理工大学智能交通系统研究中心武汉430063 武汉理工大学重庆研究院重庆401120

本文中针对视觉地图匹配问题,将视觉地图匹配问题转化为基于图像序列的最优视觉地图节点匹配问题,并提出基于2阶隐马尔科夫模型(hidden Markov model,HMM)的视觉地图匹配方法。在该模型中,状态变量被定义为高精度视觉地图节点,查询图像... 详细信息

本文中针对视觉地图匹配问题,将视觉地图匹配问题转化为基于图像序列的最优视觉地图节点匹配问题,并提出基于2阶隐马尔科夫模型(hidden Markov model,HMM)的视觉地图匹配方法。在该模型中,状态变量被定义为高精度视觉地图节点,查询图像被定义为观测数据。在状态转移模型中,引入2阶模型对短时间车辆运动进行匀速运动建模,与传统的1阶HMM相比,可以提高模型的适用性与准确性。提出利用全局图像特征建立查询图像与地图节点之间的匹配关系,并从匹配的汉明距离建立发射概率模型,可有效提高地图匹配的效率。最后,通过前向算法来求解最优匹配的地图节点。为了验证算法的性能,分别在封闭工业园区、开放道路和KITTI公开数据集对算法进行验证。实验结果表明:2阶HMM模型能够有效融合车辆运动信息和图像信息,提高匹配的稳定性和精确度,算法性能明显优于传统的基于单帧匹配和序列匹配算法。

关键词：智能车视觉定位 2阶隐马尔可夫模型视觉地图

基于强制闭环与隐马尔可夫模型序列匹配的多机器人协同建图

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2023年第17期59卷 44-55页

作者：任靖渊胡钊政陶倩文李娜万金杰武汉理工大学信息工程学院武汉430070 武汉理工大学智能交通系统研究中心武汉430063 武汉理工大学重庆研究院重庆401120

通过多机器人协作可以高效完成大场景地图构建,但建图质量严重依赖于多机器人间的闭环检测效果。相较于传统的单机器人,多机器人闭环检测问题更为复杂困难。将多机器人闭环检测问题分解为两个独立问题,即闭环存在性问题与闭环存在条件... 详细信息

通过多机器人协作可以高效完成大场景地图构建,但建图质量严重依赖于多机器人间的闭环检测效果。相较于传统的单机器人,多机器人闭环检测问题更为复杂困难。将多机器人闭环检测问题分解为两个独立问题,即闭环存在性问题与闭环存在条件下的多机器人数据匹配问题。针对闭环存在性问题,提出强制闭环策略,即在场景中设定强制闭环区域,强制多机器人访问该区域。在此基础上,提出将多机器人数据匹配问题转化为基于隐马尔可夫模型(HiddenMarkovmodel,HMM)的序列匹配问题。通过对HMM模型中的初始匹配结果、状态转移概率和发射概率进行建模,完成不同机器人采集的数据序列的精准匹配。最后,提出基于大规模位姿图优化(Posegraphoptimization,PGO)模型的多机器人协同建图方法,利用序列匹配结果完成约束构建实现多机协同建图。利用标准测试数据集与多机器人实际采集的数据对算法进行验证。实验结果表明,提出的多机协同建图方法不仅有效提升建图效率与自动化程度,同时保证较高的建图质量,算法性能明显优于传统的地图构建方法。

关键词：大规模场景建图多机器人隐马尔可夫模型位姿图优化

在线全文

学校读者我要写书评

暂无评论

融合激光雷达与双层地图模型的智能车定位

汽车工程 2022年第7期44卷 1018-1026页

作者：邓泽武胡钊政周哲刘裕林彭超武汉理工大学信息工程学院武汉430070 武汉理工大学智能交通系统研究中心武汉430063 武汉理工大学重庆研究院重庆401120

为提高智能车定位精度,提出了一种融合激光雷达与双层地图模型的智能车定位方法。该双层地图模型在车道图层基础上,增加基于激光点云的稀疏特征图层。稀疏特征地图由车辆位姿、2D强度特征和3D特征3部分组成,可为智能车定位提供精确的位... 详细信息

为提高智能车定位精度,提出了一种融合激光雷达与双层地图模型的智能车定位方法。该双层地图模型在车道图层基础上,增加基于激光点云的稀疏特征图层。稀疏特征地图由车辆位姿、2D强度特征和3D特征3部分组成,可为智能车定位提供精确的位置参考,以有效降低累积定位误差。此外,本文利用激光雷达强度信息提取车道线,为智能车定位提供高精度的、线性的横向位置约束。在定位过程中,引入Kalman滤波框架完成激光雷达与双层地图之间的有效融合。其中,状态预测过程利用车辆的运动约束构建短时间匀速运动模型,观测变量包括激光里程计定位结果、基于车道图层的横向位置约束和基于稀疏特征图层的定位结果。为了验证本文算法的有效性,在校园和城市道路环境下进行了测试。结果表明:本文提出的融合定位算法能在不同环境中将现有定位方法的定位误差降低40%~60%,定位相对误差小于0.3%。

关键词：智能车双层地图模型点云处理卡尔曼滤波

在线全文

学校读者我要写书评

暂无评论

基于逆投影差分的移动机器人障碍物快速检测

哈尔滨工业大学学报 2022年第11期54卷 95-102页

作者：胡钊政伍锦祥肖汉彪周哲武汉理工大学信息工程学院武汉430070 武汉理工大学智能交通系统研究中心武汉430063 武汉理工大学重庆研究院重庆401120

移动机器人的障碍物快速检测是其导航、避障、轨迹跟踪的关键技术。目前多数传感器存在距离盲区以及异常尺度等问题,且现有算法大多计算复杂,难以满足实时性需求。为了改善这些问题,本文提出了一种基于环视逆投影差分的移动机器人障碍... 详细信息

移动机器人的障碍物快速检测是其导航、避障、轨迹跟踪的关键技术。目前多数传感器存在距离盲区以及异常尺度等问题,且现有算法大多计算复杂,难以满足实时性需求。为了改善这些问题,本文提出了一种基于环视逆投影差分的移动机器人障碍物快速检测与定位新方法。该方法以水平地面为参考平面,对移动机器人上环视系统中相邻视角相机拍摄的图像进行逆投影变换,再经图像差分得到逆投影差分图,图中像素值为零的点位于参考平面,反之则位于参考平面之外,经过阈值化、滤波后即可用来区分参考平面与非参考平面目标,实现其视场公共区域内障碍物的快速检测;同时以逆投影差分图为基础,通过像素坐标系到机器人自身坐标系的转换可获得目标相对于移动机器人精准的位置信息。在实际场景中对5 m范围内不同类型、大小、距离的障碍物进行测试,平均检测精度为97.3%,平均检测耗时为46 ms/帧,平均定位误差为1.1%。实验结果表明,本文方法能快速有效地检测和定位移动机器人附近的动、静态障碍物。

关键词：移动机器人计算机视觉逆投影障碍物检测障碍物定位

在线全文

学校读者我要写书评

暂无评论

知识增强的图神经网络序列推荐模型

计算机工程 2023年第2期49卷 70-80页

作者：李盼解庆李琳刘永坚武汉理工大学计算机与人工智能学院武汉430070 武汉理工大学重庆研究院重庆401135

现有基于图神经网络的序列推荐模型大多仅关注用户与项目交互的结构性信息,序列偏好的学习仅涉及项目交互顺序,缺乏项目自身的内容信息,并且未有效利用用户信息及挖掘项目之间更深层的语义关系。提出一种知识增强的图神经网络序列推荐模... 详细信息

现有基于图神经网络的序列推荐模型大多仅关注用户与项目交互的结构性信息,序列偏好的学习仅涉及项目交互顺序,缺乏项目自身的内容信息,并且未有效利用用户信息及挖掘项目之间更深层的语义关系。提出一种知识增强的图神经网络序列推荐模型KGGNN,引入知识图谱,并结合用户交互数据构建协同知识图谱,学习得到项目语义关联辅助信息以及用户关联辅助信息。将交互序列构建成有向序列图,利用门控图神经网络以及用户关联辅助信息学习序列中项目节点的结构性信息。通过注意力机制组合项目向量作为全局序列偏好,将最近交互的项目作为当前兴趣偏好,融合两者形成最终序列偏好,并结合项目语义关联辅助信息进行模型预测。在Amazon-Book、Last-FM、Yelp2018这3个公开数据集上的实验结果表明,辅助信息能有效提升序列推荐的准确性,该模型在命中率(HIT@K)和归一化折损累计增益(NDCG@K)2个指标上相较于GRU4Rec、NARM、SASRec等模型均有显著提升。当评估指标K值选取10时,与KGSR模型相比,其HIT@10指标在3个数据集上分别提升12.9%、4.5%、6.9%,NDCG@10指标在3个数据集上分别提升29.4%、5.7%、16.7%。

关键词：序列推荐图神经网络知识图谱推荐系统用户行为深度学习

在线全文

学校读者我要写书评

暂无评论

面向人机共同作业的操作者运动意图预测

华中师范大学学报(自然科学版) 2024年

作者：朱逸凡罗晶张超逸曾超庞牧野武汉理工大学自动化学院武汉理工大学重庆研究院德国汉堡大学

在人机共同作业过程中，由于机器人缺乏准确预测人运动意图的能力，人机难以实现安全、友好协作，导致人机协作效率低下。为对人机共同作业过程中操作者的运动意图进行预测，该文以人机共同搬运作业为例，根据人机协作运动的特点，提出... 详细信息

在人机共同作业过程中，由于机器人缺乏准确预测人运动意图的能力，人机难以实现安全、友好协作，导致人机协作效率低下。为对人机共同作业过程中操作者的运动意图进行预测，该文以人机共同搬运作业为例，根据人机协作运动的特点，提出了一种基于操作者的人手运动意图感知框架。主要包括两个方面：1)利用自回归方法对人手的运动轨迹进行预测，提出一种在人机共同作业中机器人运动轨迹规划方法，使机器人可以提前感知人的运动意图；2)在人手运动轨迹预测中引入方向补偿方法以降低人机之间的交互力。通过与本文方法和卡尔曼滤波预测方法对比，实验表明，与没有运动轨迹预测相比，有运动轨迹预测时机器人受到的交互力降低了至少45.9%。与没有方向补偿相比，运动预测方法中加入方向补偿时，机器人受到的交互力降低了30.4%，轨迹预测误差的最大值降低了32.4%，平均误差也降低了6.8%。与卡尔曼滤波轨迹预测方法对比，交互力降低了52.2%。

关键词：人机协作运动意图预测自回归模型方向补偿

基于孪生网络的场景编码与智能车多尺度激光定位

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制理论与应用 2024年

作者：陶倩文胡钊政孙勋培万金杰陈琪莉武汉理工大学重庆研究院武汉理工大学智能交通系统研究中心

基于激光点云地图的智能车定位方法存在地图数据量大、匹配准确率低等问题,为此提出基于孪生网络的场景编码与智能车多尺度激光定位方法.首先构建了基于场景编码的激光极化地图,该地图以节点形式表征,每个节点均包含点云极化图、点云场... 详细信息

基于激光点云地图的智能车定位方法存在地图数据量大、匹配准确率低等问题,为此提出基于孪生网络的场景编码与智能车多尺度激光定位方法.首先构建了基于场景编码的激光极化地图,该地图以节点形式表征,每个节点均包含点云极化图、点云场景编码以及全局位姿.然后提出了基于激光极化地图的智能车多尺度定位方法,包括基于GPS与运动模型的粗定位,基于直方图滤波的节点级定位,和基于快速的GICP算法的度量级定位.最后使用现场采集的校园道路数据集和公共KITTI数据集对所提出的算法进行测试验证.实验结果表明,基于所构建地图的节点级定位准确率分别为99.6%和96.9%,平均定位误差分别为0.34m和0.21m,且对不同类型的激光雷达传感器和不同的环境具有较强的鲁棒性.

关键词：智能车激光定位地图匹配孪生网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于时空图模型的车-路-图协同定位方法

吉林大学学报(工学版) 2023年

作者：胡钊政孙勋培张佳楠黄戈柳雨婷武汉理工大学重庆研究院武汉理工大学智能交通系统研究中心

将车路协同系统中车辆的位置估计问题转化为时空图模型构建与优化问题，提出一种时空图优化协同定位(STGO-CL)方法。其中，感知区域中不同时刻的车辆位置构成图模型中的节点；车端与路端通过融合高精地图计算出来的车辆绝对位置与相对... 详细信息

将车路协同系统中车辆的位置估计问题转化为时空图模型构建与优化问题，提出一种时空图优化协同定位(STGO-CL)方法。其中，感知区域中不同时刻的车辆位置构成图模型中的节点；车端与路端通过融合高精地图计算出来的车辆绝对位置与相对位置构成图模型的边，并加入时延补偿约束。在求解过程中利用滑窗限制时空图模型规模，引入Huber核函数减少由异常值导致的错误边对整体优化效果的影响。并采用Levenberg-Marquardt(LM)法求解目标函数实现对感知区域中的车辆位置最优状态估计，实现车-路-图协同定位。利用CARLA建立直道和弯道仿真实验场景对提出的算法进行验证，结果表明：时空图优化协同定位方法平均定位误差为0.29 m，定位性能较GPS或路侧单元(Road Side Unit， RSU)单独定位分别提高了97.1%和55.4%，较不融合高精地图的时空图优化协同定位方法提高了42.0%。在时延补偿上，可将200ms时延下的定位性能提高67.0%。本文利用时空图模型实现车-路-图协同定位，求解车路协同环境下的目标状态估计问题，可以较大程度提升车路协同系统的环境感知性能。

关键词：交通运输工程协同定位时空图模型智能网联汽车车路协同