-
公开(公告)号：CN113066105B
公开(公告)日：2022-10-21
申请号：CN202110362412.X
申请日：2021-04-02
Applicant: 北京理工大学
Abstract: 本发明公开了激光雷达和惯性测量单元融合的定位与建图系统及方法，解决了纯激光SLAM算法中存在的高度误差累积问题。首先对激光雷达和IMU进行联合标定。激光雷达获取原始点云数据，送入激光里程计。IMU获取激光雷达位姿送入激光里程计。激光里程计包括高频激光里程计和低频激光里程计；高频激光里程计对原始点云数据进行运动畸变去除以及特征点提取，得到特征点云，针对前后两次激光帧对应的特征点云进行配准，激光雷达的位姿差值。低频激光里程计，选取关键帧，针对当前关键帧与局部点云地图进行匹配，得到激光雷达的激光里程计位姿并输出。构建因子图模型进行优化求解得到优化后的变量节点，得到激光雷达在世界坐标系下的位姿以及3D点云地图。
-
公开(公告)号：CN114608554A
公开(公告)日：2022-06-10
申请号：CN202210160734.0
申请日：2022-02-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种手持SLAM设备以及机器人即时定位与建图方法。本发明将相机、惯性测量器件以及激光雷达的优点相结合，激光‑惯性子系统为视觉‑惯性子系统提供深度信息，由此消除单目相机存在的尺度不确定性；而视觉‑惯性子系统为激光‑惯性子系统提供先验估计和回环检测信息，进而得到更加精确的位姿估计。两个系统优势互补，大大提高了即时定位与建图系统的精确性和鲁棒性。同时，设计的手持SLAM设备便于携带，并为定位的准确性奠定基础。
-
公开(公告)号：CN112965512A
公开(公告)日：2021-06-15
申请号：CN202110330722.3
申请日：2021-03-26
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于螺旋桨模型的无人机抗风控制方法，该方法将风扰动作为一个变量加入到螺旋桨的动力学模型中，对无人机的动力系统进行分析，进而通过前馈的方法抵消风扰动的影响；再通过自适应方法对空气密度进行估计，使得空气密度尽可能逼近真实值；内环采用自抗扰控制器，外环采用自适应控制，在内环控制中，将风扰动直接加入到无人机动力系统中，加入到螺旋桨模型中进行力和力矩的计算；采用自抗扰控制方法可以解决动力学模型不确定项问题以及螺旋桨模型输出的不准确问题，使得内环姿态角稳定跟踪；在外环控制中，采用自适应控制方法对实际的空气密度进行估计，设计自适应控制器使得整个无人机系统能稳定达到期望的目标点。
-
公开(公告)号：CN112558609A
公开(公告)日：2021-03-26
申请号：CN202011463243.0
申请日：2020-12-14
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于环状拓扑的多机器人系统的队形控制方法，一、根据实际情况的需要，决定所需要形成的多边形的形状；根据期望多边形的形状，计算所需要的外部控制输入的大小和方向；二、将这些外部控制输入施加给相应的机器人；本发明在仅有少量的机器人受到人为干预的情况下，通过机器人间的通信与感知，使得整个多机器人系统形成任意的多边形队形；本发明不仅降低了系统中的人为干预程度，还减少了系统中通信链路的数量。
-
公开(公告)号：CN109447471B
公开(公告)日：2021-03-23
申请号：CN201811274474.X
申请日：2018-10-30
Applicant: 北京理工大学
IPC: G06Q10/06
Abstract: 本发明提供一种多机器人多区域协同搜索任务分配方法，包括如下步骤：当机器人的数量大于或等于搜索区域的数量时，根据收益矩阵确定各搜索区域的优先级并按优先级序列为各搜索区域分配机器人；针对尚未分配搜索区域的机器人，进一步根据收益增加矩阵确定各机器人的优先级并按照优先级序列分配；当机器人的数量小于搜索区域的数量时：根据收益矩阵确定各机器人的优先级并按优先级序列为各机器人分配搜索区域；针对尚未分配机器人的搜索区域，若其数量Mc
-
Patent Agency Ranking
公开(公告)号：CN112327862A
公开(公告)日：2021-02-05
申请号：CN202011281413.3
申请日：2020-11-16
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开的不确定环境下多机器人协同搜索的路径规划方法，S1：将不确定环境地图进行栅格化，基于不确定环境的先验信息将不确定环境的栅格化地图转化为目标搜索概率图；S2：初始化多机器人的数量、优先级、初始位置和最大步长；S3：判断机器人所在栅格是否为高概率区域，如果是则采用滚动优化遗传算法进行路径规划，否则采用人工势场法进行路径规划；S4：多机器人根据路径规划结果进行搜索，并对目标搜索概率图进行更新；S5：当机器人行驶步长达到最大步长时，搜索结束，完成多机器人在不确定环境中的协同搜索，否则返回步骤S3。能够使多机器人在不确定环境下的限定步长内发现尽可能多的目标，保证障碍物避碰和机器人之间避碰，减少重复探测。
-
公开(公告)号：CN112257875A
公开(公告)日：2021-01-22
申请号：CN202011269619.4
申请日：2020-11-13
Applicant: 北京理工大学
IPC: G06N20/20
Abstract: 本公开的极限学习机的多智能体的任务理解方法，初始化多智能体参数和环境态势感知信息；根据多智能体的任务和参数以及环境态势感知信息制定极限学习机的任务理解样本数据；根据任务理解样本数据确定极限学习机的任务理解网络结构；利用任务样本数据对极限学习机的任务理解网络结构进行训练得到极限学习机的任务理解模型；当多智能体接收任务指令后，获取当前环境态势感知信息和多智能体参数，将当前环境态势感知信息和多智能体参数输入到极限学习机的任务理解模型中得到任务理解结果。能够充分利用战场环境态势信息和多智能体能力值等信息，产生有效切合指挥员思维的理解结果，避开一定程度上依赖专家系统的主观性因素，保证任务理解的准确性。
-
公开(公告)号：CN110014428B
公开(公告)日：2020-11-10
申请号：CN201910327921.1
申请日：2019-04-23
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明提出了一种基于强化学习的时序逻辑任务规划方法。首先使用线性时序逻辑语言和非确定性Büchi自动机对任务进行建模，并使用有限状态转移系统FTS对环境进行描述，然后利用FTS和Büchi自动机产生生成式Büchi自动机；利用Q‑Learning方法对生成式Büchi自动机进行任务规划训练；在迭代训练训练过程中，当组合状态进入可接受状态或者死区状态时，结束本轮迭代，跳转进入下一次迭代过程；同时，更新状态‑动作值所使用的奖励函数包含当组合状态进入可接受状态或者死区状态时给予奖励值或者惩罚值的设定。本发明能够有效、安全、高速的对时序逻辑任务进行任务规划。
-
公开(公告)号：CN110348708A
公开(公告)日：2019-10-18
申请号：CN201910562265.3
申请日：2019-06-26
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于极限学习机的地面目标动态威胁评估方法，针对敌方地面目标，综合考虑敌方作战能力和作战意图，实时计算敌方单位的威胁程度，辅助指挥员在快速变化的复杂作战情形中快速决策。该方法获取敌方的作战意图和作战能力两方面的7类评估指标；其中，反映作战能力的评估指标包括敌方目标的打击能力、打击半径、探测半径；反映作战意图的评估指标包括敌方目标朝向、与我方作战群的距离、敌方目标速度和加速度；其中，所述敌方目标朝向的评估指标是指：以敌方目标朝向角为中轴线、半径为探测半径的半圆范围内我方作战单位的数量；将所述7类评估指标输入预先训练好的极限学习机，极限学习机输出威胁评估结果。
-
公开(公告)号：CN109447471A
公开(公告)日：2019-03-08
申请号：CN201811274474.X
申请日：2018-10-30
Applicant: 北京理工大学
IPC: G06Q10/06
Abstract: 本发明提供一种多机器人多区域协同搜索任务分配方法，包括如下步骤：当机器人的数量大于或等于搜索区域的数量时，根据收益矩阵确定各搜索区域的优先级并按优先级序列为各搜索区域分配机器人；针对尚未分配搜索区域的机器人，进一步根据收益增加矩阵确定各机器人的优先级并按照优先级序列分配；当机器人的数量小于搜索区域的数量时：根据收益矩阵确定各机器人的优先级并按优先级序列为各机器人分配搜索区域；针对尚未分配机器人的搜索区域，若其数量Mc
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.046 seconds)
