基于增量平滑的多传感器SLAM系统即插即用因子图融合方法

    公开(公告)号:CN118067125A

    公开(公告)日:2024-05-24

    申请号:CN202410049718.3

    申请日:2024-01-12

    摘要: 基于增量平滑的多传感器SLAM系统即插即用因子图融合方法,涉及SLAM技术领域。本发明是为了解决使用不同源的多类传感器的SLAM系统的信息紧耦合联合优化的融合问题,涉及使用三种传感器:相机,IMU和LiDAR。本发明通过判断相机和LiDAR传感器数据的可靠性,有针对性的过滤掉不可靠的传感器数据,筛选出数据可靠的传感器信息,提高了SLAM系统的传感器容错能力;选择性地构建约束因子,构建可变结构的、即插即用式的紧耦合因子图,仅使用可靠数据的融合进行状态估计,保证了定位精度,使用增量平滑的方式进行优化求解,通过更新贝叶斯树的方式添加SLAM系统新增的观测信息,保证了全局优化的计算效率,提高了SLAM系统的响应速度。

    一种考虑大曲率转弯的无人艇路径跟踪方法

    公开(公告)号:CN117519136B

    公开(公告)日:2024-05-17

    申请号:CN202311372132.2

    申请日:2023-10-21

    IPC分类号: G05D1/43 G05D109/30

    摘要: 本发明提供一种考虑大曲率转弯的无人艇路径跟踪方法,包括:首先,建立无人艇的运动学与动力学数学模型;在此基础上,设计LOS导引算法,引入自适应观测器,实时观测并补偿漂角,引入内偏角与前视基准角,设计模糊算法以优化内偏角;然后,设计时变前视距离的LOS导引法;最后,设计PID‑GA控制器,利用遗传算法动态优化PID参数以适应环境变化,为加快遗传算法的运算速度,限定其优化的参数个数与参数取值范围。本发明针对大曲率转弯的无人艇路径跟踪问题,考虑到漂角未知且不是很小,使用带内偏角、时变前视距离的PID‑GA路径跟踪方法,避免了在期望路径外侧产生较大的稳态误差,降低了调节时间并减小了稳态误差。

    基于事件触发的多动力定位船协同控制系统设计

    公开(公告)号:CN118012041A

    公开(公告)日:2024-05-10

    申请号:CN202311545055.6

    申请日:2023-11-19

    IPC分类号: G05D1/43 G05D109/30

    摘要: 本发明提供的是一种基于事件触发的多动力定位船协同控制方法。包括第艘动力定位船、第艘动力定位船、分布式协同定位控制器、传感器系统、自适应神经网络估计器、事件触发机制、辅助动态系统。本发明设计的事件触发机制可以解决由于执行器频繁响应导致的机械磨损等问题,也可以缓解分布式协同定位控制器的传输和计算压力。为了提高定位系统的性能,同时考虑了时变海洋环境干扰和模型参数不确定性、推进器输入饱和问题对控制系统的影响。

    一种用于视觉惯性点云融合SLAM系统的滑动窗口优化方法

    公开(公告)号:CN117876489A

    公开(公告)日:2024-04-12

    申请号:CN202410085304.6

    申请日:2024-01-22

    摘要: 一种用于视觉惯性点云融合SLAM系统的滑动窗口优化方法,属于SLAM技术领域。本发明涉及三种传感器:相机、IMU、LiDAR,设计了多传感器信息融合SLAM系统的局部优化方法,解决了因图像特征点深度不确定而导致的定位精度低的问题。本发明在滑动窗口内构建了三类传感器信息紧耦合的测量约束关系,在窗口滑动时更新观测约束,保证滑窗内信息的时效性和准确性,有助于定位精度的提高;通过LiDAR点云辅助估计图像特征点的深度信息,在滑窗内维护每个特征点的唯一性,消除“重影”特征点对视觉重定位的影响;本方法不改变滑动窗口的大小,能够保证快速的局部优化,保证了SLAM系统的快速定位响应能力。

    一种适用于变绳长双摆型船用起重机的滑模控制方法

    公开(公告)号:CN117105096B

    公开(公告)日:2024-02-23

    申请号:CN202311242696.4

    申请日:2023-09-25

    IPC分类号: B66C13/18 B66C13/06 G05B13/04

    摘要: 本发明提供一种适用于变绳长双摆型船用起重机的滑模控制方法,旨在解决传统线性控制方法导致非线性船用起重机系统减摆效果不佳、响应速度慢的问题。首先,在缆绳长度可以改变和吊钩质量不可忽略的情况下,建立具有双摆特性船用起重机的动力学模型,然后,采用干扰观测器对未知波浪有界干扰进行估计补偿,最后,针对系统可驱动状态向量构造包含吊钩摆角导数和负载摆角导数的滑模面,以确保系统的状态输出及早得到修正,分别设计基于台车位置与缆绳长度的控制律,以实现变绳长双摆型船用起重机的镇定控制。本发明提高了船用起重机非线性模型的准确性,使系统状态在有限时间内快速收

    一种解决动态残影的激光SLAM方法
    116.
    发明公开

    公开(公告)号:CN117288177A

    公开(公告)日:2023-12-26

    申请号:CN202311242697.9

    申请日:2023-09-25

    摘要: 针对激光SLAM是基于静态假设完成的,在含有动态障碍物的环境下建图会产生大量的动态残影,导致建图和定位精度下降的问题,本发明公开了一种解决动态残影的激光SLAM方法。所述方法包括:首先对激光雷达获取的点云数据进行栅格划分;然后分离地面点并通过聚类非地面点剔除噪声,利用IMU信息和点云信息判断初始位姿,如果IMU初始化失败则运行激光里程计模式;最后引入生长高度描述子,获取疑似的动态残影区域,利用时空约束,将获取的动态残影剔除。本发明通过聚类剔除噪声,引入生长高度描述子与时空约束剔除动态残影,提高了建图与定位精度,解决了动态障碍物对建图的影响。

    一种考虑方向入口线和辅助标记点的停车位检测方法

    公开(公告)号:CN117152716A

    公开(公告)日:2023-12-01

    申请号:CN202311174928.7

    申请日:2023-09-13

    摘要: 本发明提出一种考虑方向入口线和辅助标记点的停车位检测方法,旨在通过图注意力机制将方向入口线和辅助标记点相结合以提高停车位检测的鲁棒性和简易性。首先选择合适的数据集制作训练样本和测试样本;其次,将训练样本输入到卷积网络中提取深度特征,将深度特征输入到方向入口线检测器和辅助标记点检测器,综合考虑两者的结果,获取每个标记点的坐标以及相对坐标特征,经过双线性插值、特征融合获取每个标记点的融合特征;然后通过图注意力机制获取包含所有标记点信息的注意力加权特征;最后将重要标记点的注意力加权特征拼接输入到停车位鉴别网络,判断其能否形成合理的停车位。本发明可以使模型快速、鲁棒地检测出各种类型的停车位。

    一种适用于狭窄空间的盾构机换刀机器人路径规划方法

    公开(公告)号:CN117021094A

    公开(公告)日:2023-11-10

    申请号:CN202311049941.X

    申请日:2023-08-20

    IPC分类号: B25J9/16

    摘要: 本发明涉及一种适用于狭窄空间的盾构机换刀机器人路径规划方法。所述方法包括:首先,初始化地图信息和随机树,设置通道阈值,根据随机点和步长选择公式生成新生节点;其次,通过入口识别算法判断换刀通道类型,若为安全通道,继续判断是否为凹形陷阱,若为狭窄通道则先通过计算代价函数判断是否为极限通道,并比较采样次数与采样阈值,再通过比较极限换刀通道的权重比,选择权重比大的通道;最后,重复上述步骤直到满足新生节点和目标节点之间的距离小于距离阈值,对输出路径进行优化。本发明能够在狭窄空间选择安全通道,并有效提升了节点搜索效率,降低路径长度,提高了盾构机换刀机器人在复杂环境工作的安全性和效率。

    一种基于频域和语义的动态视觉SLAM方法

    公开(公告)号:CN116524026A

    公开(公告)日:2023-08-01

    申请号:CN202310505675.0

    申请日:2023-05-08

    摘要: 本发明公开了一种基于频域和语义的动态SLAM方法,完成在高动态与复杂光照环境中的定位与建图任务。首先,为精确获得物体的运动区域,采用傅里叶梅林算法在频域对图像进行配准以补偿相机运动,随后应用帧间差分算法获得图像的运动掩膜。同时,图像通过短时密集连接(STDC)网络进行语义分割得到潜在运动物体掩膜。将运动掩膜与物体掩膜相结合,获得最终的物体运动区域,对落在该区域的特征点进行剔除。最后,依据稳定的静态特征点跟踪优化,提升位姿精度。在公开数据集与现实环境中的测试结果表明,本方法在复杂动态场景下具有良好的定位精度与鲁棒性,能够有效的降低运动模糊与光照变化对于运动检测的影响。

    一种考虑海浪干扰的无人艇回收分布式决策仿真系统

    公开(公告)号:CN115453914B

    公开(公告)日:2023-05-16

    申请号:CN202211277205.5

    申请日:2022-10-19

    IPC分类号: G05B17/02

    摘要: 本发明公开了一种考虑海浪干扰的无人艇回收分布式决策仿真系统,完成海洋作业中母船对无人艇的自动回收任务。首先,搭建无人艇回收任务所需的仿真环境;基于DuelingNetwork算法设计决策模块,并针对应用场景优化神经网络结构,使决策模块具有短时记忆功能;实现分布式通信机制,将决策模块置于服务器端,环境模块置于客户端;最后,启动服务器与客户端程序,控制无人艇抽象的智能体完成回收任务。该系统针对实际复杂海况,设计模拟物理交互的仿真环境;采用深度强化学习算法,使得AI控制器应对复杂场景时,具有更强的鲁棒性,且让模型具有迁移学习能力;分布式通信机制将训练与控制独立运行,便于实现离线训练,同时可以实现远程控制效果。