基于机器人的室内指纹地图更新

为满足大室内空间高精度指纹定位的需求,需采集大量的室内指纹地图数据,但传统室内指纹采集方法人工作业反复,费时费力;同时指纹地图还需频繁更新以保证更好的现势性从而得到更高的定位精度,更增加了在大室内空间中实现高精度指纹定位的难度。针对室内定位中的指纹地图采集提出了一种基于机器人的扫描采集更新方法。该方法不仅能大量节省人力成本,而且能高效地得到更丰富、更准确的指纹点信息以组成高质量的指纹地图,从而提高室内指纹定位的精度。     

钻机升降机凸轮式增力机构分析

从钻机升降机制动钻具时的工作特点和人机工程学的角度对操作手把凸轮的增力特性进行了分析。给出了凸轮的理想增力比曲线，并利用计算机绘制了3种国产钻机所用的凸轮的增力比曲线，从加工工艺性、结构及工作特性等方面进行综合分析比较，与理论曲线对比，得出了较理想的凸轮形状;根据人机工程学的理论讨论了工作过程中操作手把的转动角度及操作者施力大小的合理取值范围。     

北京城市边缘区非农产业活动特征与形成机制*

考察了北京主城边缘区的非农产业结构与空间特征,揭示了二者的交互演进过程:非农产业的发展是城市边缘区形成的重要标志,产业结构的升级促进了边缘区的圈层扩展和空间演进;边缘区的外移过程中,制造业具有稳定的优势,交运仓储、生产资料租赁等传统生产者服务业的优势也随之强化,但空间黏滞性较强的旅游、体育等行业则促进了边缘区产业结构的时相差异性。文章对城市边缘区"年轮式"的圈层扩展进行了定量实证分析,并将其实现的微观路径归纳为飞地式、轴向、填充式和外推式等四种扩展模式。城市规划、城郊高速公路和开发区建设、地价和综合环境的改善是城市边缘区产业空间演变的重要动力。城市空间优化和产业结构调整的结合是解决边缘区产业、空间和社会问题的有效途径。     

多障碍环境中基于增强式学习的势场优化和机器人路径规划

该文把增强式学习方法应用于多障碍环境中机器人路径规划 ,并将增强式学习和路径规划相结合 ,通过工作空间势场的自适应优化学习 ,实现机器人的全局路径规划 ,即得到从任何初始位置开始的最优路径。与传统的人工势场方法相比 ,该方法避免了势场中局部极小点所引起的陷阱区域 ,并且所得到的路径具有最优特性。计算机仿真实验结果表明 ,这种学习方法能有效的解决多障碍环境中的机器人路径规划问题     

基于SUT-EKF的DGPS/DR 组合定位算法

针对基于DGPS/DR的移动机器人组合定位问题,采用一种尺度无迹变换扩展卡尔曼滤波(SUT-EKF)算法,由于组合定位系统中的状态方程是非线性的,并且观测方程是线性的特点,将SUT预测移动机器人位姿,利用EKF融合最新观测值更新机器人位姿,该算法在状态预测阶段避免了计算Jacobian矩阵,从而有效地减小了线性化对非线性系统误差的影响。仿真结果表明,该算法具有较好的滤波精度和稳定性,为实现DGPS/DR组合定位系统提供了一种有效可靠的途径。     

基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制

轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形式的离散时间模型利用基于状态转移的迭代动态线性化方法,将轮式机器人系统转化为线性输入输出数据模型;其次,设计高阶迭代优化目标函数得到控制律,并利用参数更新律估计线性输入输出数据模型中的未知参数.控制器的设计和分析只使用系统的输入输出数据,不包含任何显式的模型信息.通过采用高阶学习控制方法,在控制律中利用更多之前迭代的控制输入信息,提高了控制性能.最后,仿真结果验证了该方法在轮式机器人轨迹跟踪控制中的有效性.     

移动机器人SLAM位姿估计的改进四元数无迹卡尔曼滤波EI北大核心CSCD

在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。     

广西柳工机械股份有限公司

柳工是工程机械行业的领先厂商,拥有能够支持极端环境作业且直观易用的全系列IT程机械设备,帮助用户赢得高投资回报率。总部位于中国柳州,柳工是中国行业内拥有最齐全工程和建设机械产品门类的制造商之一,各大产品线包括轮式装载机,挖掘机,汽车及履带式起重机,推土机,压路机,平地机,叉车,小型挖掘机,滑移装载机,挖掘装载机,摊铺机,铣刨机,混凝土设备和矿用卡车。     

广西柳工机械股份有限公司

柳工是工程机械行业的领先厂商,拥有能够支持极端环境作业且直观易用的全系列工程机械设备,帮助用户赢得高投资回报率。总部位于中国柳州,柳工是中国行业内拥有最齐全工程和建设机械产品门类的制造商之一,各大产品线包括轮式装载机,挖掘机,汽车及履带式起重机,推土机,压路机,平地机,叉车,小型挖掘机,滑移装载机,挖掘装载机,摊铺机,铣刨机,混凝土设备和矿用卡车。柳工是全球工程机械领域成长最快的企业之一。海外销售市场表现强劲,2012年,国际业务收入达到36.64亿元     

具备尺度恢复的单目视觉里程计方法

针对单目视觉存在尺度不确定性,无法准确估计移动机器人位姿的问题,提出一种具备尺度恢复的单目视觉里程计方法。通过建立局部地图解决基于参考帧/当前帧的位姿估计方式过分依赖参考帧的问题;为了提高位姿估计精度,在使用滑动窗口控制计算量的基础上建立位姿与地图3D点的图优化模型进行光束法平差;最后基于平面假设成立和相机高度已知的条件下,通过图像RoI区域的稠密匹配,建立非线性优化模型解得尺度因子,从而实现绝对尺度恢复。实验结果表明,该方法能稳定地进行位姿估计并且有效地解决了单目视觉存在的尺度不确定性问题,可用于真实三维场景中移动机器人的位姿估计。