关键词： 水下运载机器人   动力学分析   深海定位   轨迹优化设计  

摘要： 采用水下运载机器人对深海信号传感器进行投放和回收工作过程中,进行深海信号传感器的定位是一项较为困难的工作。本文通过建立浮标上浮过程动力学模型,分析上浮运动轨迹,从而反向定位深海信号传感器的位置。通过建立基于水动力影响下的水下运载机器人动力学模型,提高了机器人在传感器回收过程中的运动控制稳定性,同时,为了节省水下运载机器人的能源消耗,并且实现深海信号传感器的快速寻找和定位,对传感器回收过程中的水下运载机器人运行轨迹进行了优化。主要研究内容如下:研究了水下运载机器人的动力学特性,根据质心运动定理和相对于质心运动的动量矩定理推导了水下运载机器人的动力学方程;考虑到水下运载机器人的加速度引起惯性水动力的影响,建立了水下运载机器人的水动力学模型。研究了浮标上浮过程中的动力学特性,由牛顿—欧拉方程推导了浮标上浮运动的动力学方程。同样考虑浮标的加速度引起的惯性水动力的影响,建立浮标上浮运动的水动力学模型。根据浮标的动力学模型推算了浮标上浮的轨迹,通过浮标的位置反向定位深海信号传感器的位置。当浮标上浮过程中遇到内波时,上述定位方法精度较差,因此本文提出了另一种基于内波速度势的浮标上浮轨迹的推算模型。该模型将浮标受到的内波速度势分解为两种简单形式,通过伯努利方程求解出浮标所受到的内波力,推算出浮标上浮轨迹。利用MATLAB得到定位模型的解析解和Fluent的仿真结果进行对比,验证了定位模型的可靠性。为了解决水下运载机器人携带动力有限的问题,本文研究了基于能量最小原则的深海信号传感器回收轨迹优化设计,提出了四种常见的回收轨迹形式,针对这四种轨迹建立了能量损耗模型,为不同海况下的深海信号传感器回收轨迹优化提供了参考。

关键词： SLAM   目标检测   语义地图   随机游走   重定位  

摘要： 随着科技发展的进步,长期自主导航是许多智能设备在现实场景中稳定运行的关键能力,这要求智能设备能够处理随着时间推移所产生的一些场景变化,以便其在系统长期运行的过程中对本身进行稳定的定位。尽管目前常用的导航系统SLAM(Simultaneous Localization and Mapping)在位置识别和回环检测方面进行了广泛的研究,使得智能设备能够实现对环境几何信息的理解。但环境的几何信息,例如点、线、面,只是对环境的一种简单描述,缺乏对环境中物体本身语义信息的理解。所以,本文将基于深度学习的目标检测技术与视觉SLAM系统相结合,研究语义地图生成和基于语义信息的重定位方法。 本文在ORB-SLAM2框架的基础上,提出了一种使用物体语义信息辅助进行重定位的方法。通过目标检测框架生成室内环境的物体级语义地图,针对环境物体中潜在的移动可能性,分成了容易短期变化的物体和长期不变的物体,通过这种信息进行补充,使用随机游走对物体级语义地图进行描述,能够解决由于昼夜交替产生的光照变化和微小物体移动下的重定位问题,以提升重定位过程中的鲁棒性。具体内容如下: 首先,本文针对室内语义地图的构建,引入神经网络理论,基于YOLOv4对图像进行目标检测,从而对SLAM系统中所提取的关键帧进行语义信息的提取,生成2D检测框。在语义地图的构建过程中,将2D检测框投影到地图来对每一个新观测的物体实例进行3D投影框的产生,使用3D检测框投影到图像平面的方式来解决关键帧序列中的数据关联问题,通过对环境中所有物体实例的假设进行评分,来对场景中的3D检测框进行位姿的更新与优化。通过以上步骤,构建了包含物体语义信息的物体级语义地图。 接着,本文针对时间推移下场景的重定位问题,对语义地图进行拓扑表示,将每一个物体实例的3D检测框作为节点,使用节点之间的邻近性来进行节点之间构成无向边的判别,构建相应的语义拓扑地图。基于随机游走方法,使用相应的随机游走策略,对语义拓扑地图生成相应的随机游走描述符。通过随机游走描述符来对两个不同时间段构建的语义地图进行匹配,找到相应的匹配节点。最后使用匹配的节点来进行位姿估计,获取两个图像序列之间的位姿变化,从而完成场景的重定位。 最后,对所提算法进行真实场景实验验证。实验结果表明,所提算法在不同场景下,均能够很好地实现语义地图生成;与ORB-SLAM2算法中的重定位方法相比,所提算法在光暗变化和微小物体移动的场景下仍然能够实现重定位功能,具有良好的鲁棒性能。

关键词： 深度学习   智慧城管   城管图像数据集   图像生成   案件识别   物体定位   生成对抗网络   弱监督学习  

摘要： 近年来,随着城市的发展越来越快,城市管理的任务变得越来越重,要求也变得越来越高,传统的“数字城管”已逐步进化为大数据支撑的“智慧城管”。智慧城管系统数据库中存储着海量的城管图像,它涵盖了城市中各种复杂的街道场景和几乎所有的城管案件类型。因此,如何充分地挖掘和利用这些图像数据,从而更好地实现智能化城市管理,是一个重要的研究课题,具有很高的科学价值和应用价值。目前,学术界还不存在公开的大规模的智慧城管图像数据集,因此,制作并推出一个大规模且高质量的数据集是该研究领域的首要任务。然而,城管图像中存在着大量的人脸隐私信息,在人脸信息安全日益被重视的今天,防止隐私泄露是数据集公开必须要解决的问题。案件识别是智慧城管场景理解中最基础的任务。借助它,可以快速准确地识别城管巡逻人员拍摄上传的照片内或城市监控摄像头实时画面中存在的案件,进而通知相应部门前往处理,实现自动化、智能化的城市管理。由于城市场景十分复杂且部分案件的关键物体较小,准确识别案件类型非常困难。因此,研究并解决这些问题是突破当前算法识别率瓶颈的关键。在案件识别的基础上,定位城管场景中的关键物体也尤为重要,它可以帮助实现更为高效精准的城市管理。使用传统的全监督物体定位或检测算法需要花费大量的人力来标注物体边界框,而近年来提出的弱监督物体定位算法又存在着定位物体不完整和定位过多背景等问题。本文主要研究内容是基于深度学习的生成(Generation)、识别(Recognition)与定位(Localization)算法在智慧城管图像场景理解中的应用。研究结合了生成对抗网络(Generative Adversarial Networks,GAN)和弱监督学习(Weakly Supervised Learning)等前沿技术。论文的主要工作和创新如下:1)构建了城管图像数据集—UMC。学术界目前还没有一个公开的可供研究的城管图像数据集。本文首先采集清洗了 15万张城管图像,制作推出了第一个大规模智慧城管图像数据集。其涵盖19个常见的城管案件场景。此外,本文使用了图像生成与处理算法对数据集质量进行了提升,其中包括提升图像分辨率的图像超分算法,以及消除运动模糊的图像去模糊算法。实验表明,在处理后的UMC数据集上,识别算法准确率提高了 0.4-0.6个百分点,定位算法准确率提高了 0.7-0.8个百分点。2)针对城管场景中的人脸隐私保护问题,提出高保真的人脸生成与替换算法FIT-GAN及AP-GAN。算法可以使用任意指定身份(sourceidentity)或者虚假身份(fakeidentity)替换掉图像或视频中的目标人脸身份(target identity),在不影响图像或视频质量和观感的前提下有效保护人脸隐私,便于数据集的公开。本文提出的算法无论在视觉效果上还是在各种性能指标上,都领先于目前最先进的人脸生成与替换算法。3)提出一种双向特征通道与多级分类器融合的城管案件识别算法。针对城管场景复杂、部分案件关键物体较小等问题,本文提出Multi-Level Ensemble Network(MLEN)。MLEN 在网络浅层引入分类器,利用浅层特征辅助识别,最终使用多分类器集成(multi-classifier ensemble)的方式得到预测结果。同时,本文详细分析了引入浅层分类器对神经网络的影响,并提出“特征通道”(Feature Transfer Path,FTP)。在UMC数据集上,MLEN取得了 0.884的识别准确率,比主流的识别网络高出了 2个百分点。此外,在公开数据集上,只有92层的MLEN取得了 0.576的识别准确率,比主流识别网络中性能最好的拥有131层的DPN高出了 0.6个百分点。这足以说明MLEN可以在使用更少的参数量的同时实现更精准的案件识别。4)提出一种可以强化目标并抑制背景的自适应注意力增强模块,显著提升弱监督物体定位算法在城管场景中的应用效果。为改善主流弱监督定位算法无法定位完整的目标物体以及定位过多背景的缺陷,本文提出了 一种自适应注意力增强模块(Adaptive Attention Augmentor,A3),它可以方便地嵌入到任何识别网络中,在注意力图(attentionmaps)上自适应地增强物体注意力(objectattention)并抑制背景注意力(background attention),从而准确定位目标物体。在ILSVRC数据集上,A3比主流的弱监督定位算法的定位准确率高出了2个以上的百分点。在CUB-200和Cars-196数据集上,A3也同样达到了 state-of-the-art的水平。相比主流弱监督定位算法,A3对城管图像中的关键物体的定位准确率也高出1个以上的百分点。综上所述,本文首先构建了研究领域内第一个大规模的城管图像数据集—U

关键词： 路径规划   RGB-D   物体识别   物体定位   运动规划  

摘要： 移动机械臂兼具移动机器人的自主移动能力和机械臂的操作能力,具有广泛的应用范围,在工业领域能缓解我国人口老龄化带来的劳动力短缺问题,在服务业中能提升人民群众的生活品质。然而,在非结构化室内环境中,移动机械臂的目标抓取技术远未达到成熟。本文以室内环境为背景,针对移动机械臂自主抓取指定目标物体的应用需求,构建了两轮差分移动机械臂系统,对所涉及的主要技术分别进行了研究,包括移动机械臂的路径规划、目标物体识别与定位、操作臂运动规划。为了实现移动机械臂在场景地图中的路径规划,本文对Dijkstra和A*全局路径规划算法进行了原理分析,通过仿真实验对比发现A*算法比Dijkstra算法路径规划的效率高,并选择A*算法进行全局路径规划。针对移动机械臂在运动过程中的避障问题,采用动态窗口算法(DWA)进行局部路径规划。分析了两轮差分运动底盘模型,研究了DWA算法的规划原理,采用控制变量的方法,通过仿真实验得到DWA算法评价函数的最优参数。为了得到目标物体位姿信息,本文开展了基于RGB-D相机的物体识别与定位算法研究。针对点云特征提取方法计算复杂度较大的问题,本文提出了一种2D图像和3D点云结合的物体检测算法。首先提取二维图像SURF特征进行模板匹配,并利用快速近似最近邻搜索算法(FLANN)提高匹配效率。其次使用单应性投影变换找出场景图像中目标物体的位置作为感兴趣区。最后采用ICP算法将场景感兴趣区点云与模板点云配准实现了物体位姿估计。基于视觉系统获取的目标位姿信息,本文研究了机械臂的关节空间轨迹规划算法。对四自由度机械臂采用改进的D-H法进行建模,分析了正、逆运动学求解问题。为了解决传统五阶样条曲线轨迹规划存在抖动问题,本文提出采用七次多项式轨迹规划算法进行目标抓取轨迹规划。仿真结果表明,机械臂的运动轨迹平滑,运动过程无抖动,算法稳定性较好。基于上述研究工作,在ROS系统中完成移动机械臂的功能配置,将所研究的相关算法引入控制系统,进行了自主定位导航和目标识别与抓取实验。实验结果表明,移动机械臂在非结构室内场景中,能够按照规划的路径运动到目标位置,准确的识别目标物体并完成抓取任务,满足设计要求。

关键词： 人员定位   视觉识别   超宽带   射频技术  

摘要： 随着城市化进程的向前推进，高楼建筑、地下通道、智慧工厂等不断涌现，加深了人工作业的危险程度。传感信息是物物相连的命脉，是物联网感知层的核心部分，借助传感器进行的定位和识别任务的发展刺激着物联网产物的发展潜力，这些产物在高危工作场景中进行拓展应用，可以感知人员和物品的信息，做到保障人员及物品的基本安全。本文对国内外的物联网定位技术、识别技术的发展近况进行了归纳，并对面临的问题进行了剖析。在此基础上，研究了高危场景下人员和物体的定位及识别算法以及相关系统，达到了较理想的效果。　　本文研究了基于超宽带（Ultra-wideband，UWB）的人员传感及定位算法，设计并实现了一种基于UWB技术的便携式人员定位系统。针对传统定位技术难以适应信号弱、环境干扰强的情况，为提高地下高危环境中的定位抗干扰性、准确性和便携性，本文对UWB定位技术进行了研究，针对地下施工环境进行了基站部署、拓扑方法和硬件电路的设计。以人员携带标签的方式提高系统的便捷性，采用改进的到达时间（Time of Arrival，ToA）定位算法实现对复杂环境精准定位。实验结果验证了定位精度达0.1-0.8m，且80%的定位误差控制在0.6m内，表明所设计的系统在干扰较强的地下环境内也能做到精确定位。　　本文研究了射频和视频混合识别的物体传感及定位方法，设计并实现了一种射频技术辅助的视觉识别系统。为了优化物品识别的速度和准确性，首先，针对边缘检测，通过结合无源超高频射频识别（Radio Frequency Identification，RFID）标签中准确的物体几何信息和像素信息来确定滤波窗口的权重，进行标定真实边缘和潜在边缘。其次，在原始的Faster R-CNN算法的区域生成网络（Region Proposal Network，RPN）架构上引入了特征金字塔，使得特征提取时语义更强。最后，由两种不同的方法集成系统验证所提方法的通用性，并证明通过识别RFID标签，从数据库读取物体更多的特征信息可以辅助图像识别物体，并以三维立体坐标形式复现物体在平面内的位姿。实验证明所提方法只需使用一个摄像头即可获取物体三维位置，并具有更高的识别定位精准度、更低的算法复杂度和更快的识别速率，可以更加准确可靠地对物体特性进行检测及形状、方位的判断。

关键词： 深度学习   目标检测   实例分割   抓取采样   抓取评价  

摘要： 随着社会经济的不断发展,物流行业的规模越来越大,人力成本以及自动化程度成为了限制物流行业更快速发展的因素。以机器人技术为代表的高新技术也因为物流场景较为复杂而难以推进物流行业的自动化水平。本文从典型物流场景出发,针对该场景下物品杂乱无序堆叠情况下的有序分拣问题中存在的难点,将整个有序分拣过程分解成杂乱无序堆叠情况下单个物体的定位问题以及单个物体的最佳抓取或吸取位姿生成问题。通过利用机器人、图像处理、深度学习等技术,本文设计了相应的算法解决以上的问题,通过在真实场景下的实验验证了算法的有效性,并由此给出了一套完整的基于视觉的机械臂自动分拣系统。针对杂乱无序堆叠环境下的单个信封和包裹的定位问题,本文采用基于深度学习的方法并使用RGBD相机。在实验室环境下模拟了物体之间相互遮挡堆叠的情况,利用Real Sense相机采集图像制作了数据集。对于信封的定位,本文采用基于RGB图像的单阶段检测方式获取单个信封的包围框信息。对于包裹的定位,考虑到包裹的形变特性以及抓取精度的要求,采用基于RGBD图像的实例分割的方法获取单个包裹的轮廓信息。杂乱无序堆情况下的单个物体定位问题的结果就由信封的包围框和包裹的轮廓信息给出。在确定单个物流物品的位置信息之后,本文还需要解决单个物品的最佳吸取或抓取位姿的生成问题。对于信封和包裹,本文虽然采用不同的分拣方式,但是设计了相同流程的位姿生成算法。该算法基于采样评价的流程,首先在定位给出的物体区域中搜索满足限制条件的候选吸取或抓取位姿,之后通过一个评价网络对每一个候选位姿进行评分,最终选取得分最高的那个位姿。对于不同的分拣方式,只需设置不同的限制条件来找出满足条件的候选位姿即可。最后,在实验室环境下搭建了一整套基于视觉的机械臂硬件系统并在开源机器人操作系统ROS下完成了软件系统的设计。然后模拟真实的物流场景,进行了实际的机械臂分拣实验。实验表明设计的算法可以解决典型物流物品的分拣,并且整套基于视觉的机械臂自动分拣系统是可行的。

关键词： 计算机视觉   目标检测与跟踪   目标定位   摄像头标定   投影展示  

摘要： 随着计算机视觉领域的发展,目标定位技术得到充分的利用与发展。在特定场景中,需要对场景中某类目标进行实时查看位置并分析运动状态。因此,基于监控图像的获取,处理和目标检测与跟踪技术成为当前国内外的主要研究方向。设计并实现了一种基于目标检测与跟踪算法的物体位置定位系统,主要做了以下几个方面的工作。首先,分析了本课题国内外研究现状,在此基础上重点研究了目标检测与跟踪算法,并提出了基于检测与跟踪结果的综合修正方法。数据层面,针对特定目标设计并实现了数据标注工具。针对目标的特征分析,研究了目标关键点检测与提取算法和OCR识别算法。数据通讯层面,设计了数据传输接口,保证数据高可靠与实时性传输至可视化界面。结果可视化层面,进行了摄像头标定距离与目标投影算法的研究,将监控图像中的目标投影展示至背景图中进行展示,用户可通过界面查看监控视频中目标的实时位置并分析其运动状态。通过研究目标检测与跟踪算法,设计并实现了一种物体位置定位监控系统。系统目标定位准确率在自制汽车数据集中达到90%,达到一秒五帧的处理速度。该系统可以训练不同场景中的不同目标进行展示,但在界面交互性与美观性还值得优化。

关键词： NAO机器人   双目视觉   手眼标定   特征匹配  

摘要： 以人形机器人在非结构化的环境中识别、目标定位与实物抓取为基础,使用仿人机器人NAO,进行双目视觉模块扩展,对机器人手臂进行运动学建模、双目视觉标定、视觉识别与定位、视觉伺服控制等问题分析,并通过一系列实验验证了NAO机器人可以准确有效地完成目标物体识别、定位与抓取任务.对服务型机器人的应用与深度开发具有参考意义.

关键词： 区块链技术   智能监控   可疑动态   物体定位   定位系统  

摘要： 传统智能监控可疑动态物体定位系统的定位轨迹与实际运行轨迹相差较大,导致运行定位时间过长;为解决上述问题,基于区块链技术设计了一种新的智能监控可疑动态物体定位系统的定位系统;依据区块链技术去中心化和不可篡改性实现数据安全管理,基于此分别优化了系统的硬件和软件;选择s3c2440芯片作为硬件的核心芯片,通过核心处理器、硬盘、天线以及其他元件构成硬件结构,利用SPI与硬盘外围接口连接,使用SOC芯片能够同时支持GPS的频点,实现定位;由驱动软件、通讯协议、驱动监控、系统内核设计μC/OS-II的体系架构,遵循数据存储原则对可疑动态物体运行状态进行判断;实验结果表明,基于区块链技术的智能监控可疑动态物体定位系统与实际运行轨迹吻合度较高差距在1 cm之内,对直线轨迹及曲线轨迹的定位时间平均值分别为9.175 s及8.727 s,能够在短时间内实现定位。

关键词： 乳腺病变   不可触及   手术   超声   定位  

摘要： 目的对比超声引导下乳腺肿物体表标记联合染色与金属丝定位协助切除不可触及乳腺病变(NPBL)的效果,探讨超声引导下乳腺肿物体表标记联合染色技术的应用价值。方法回顾性分析2016年7月~2019年7月于解放军总医院第六医学中心行手术治疗的102例NPBL患者的临床资料,其中51例行超声引导下乳腺肿物体表标记联合染色法(观察组),51例行超声引导下导丝定位术(对照组)。比较两组患者的相关手术指标(切口长度、术中出血量、手术时间)、术后并发症发生情况、总满意率及肿瘤复发情况。结果观察组患者的切口长度和手术时间均短于对照组,术中出血量少于对照组,差异有统计学意义(P<0.05)。观察组患者的总满意率高于对照组,差异有统计学意义(P<0.05)。两组患者的术后并发症总发生率比较,差异无统计学意义(P>0.05)。两组手术成功率均达到100%。两组随访1~6个月,均无肿瘤残留及复发。结论应用超声引导下乳腺肿物体表标记联合染色技术切除NPBL定位准确,切口小,手术时间短,术中出血量少,满意度高,适合推广。