关键词： 自主式水下运载器   路径跟踪   视线导引律   模糊逻辑系统   模型预测控制  

摘要： 各国对于海洋资源的开发与争夺已经随着地球陆上资源的枯竭逐渐陷入焦灼的局面。自主式水下运载器(AUV)因其具备尺寸小、安全性好、机动性强等特点受到重点关注。为了减少成本、装配简单等需求,欠驱动AUV被设计出来用于广泛的水下作业任务。在水下三维空间的运动中,欠驱动AUV采用传统的线性控制无法很好的解决海洋环境下跟踪控制问题,低精度的跟踪控制会影响水下工作的效率。因此,为了提高水下作业的工作效率,研究水下作业时的路径跟踪控制问题有着重要的研究意义和实用价值。 本文在改进视线导引律方法的基础上研究欠驱动AUV路径跟踪控制问题,主要从三维跟踪导引律的跟踪收敛问题、欠驱动AUV路径跟踪控制器的抗干扰问题、舵力饱和条件下的优化跟踪控制问题三个方面展开研究。 首先研究三维跟踪导引律的跟踪收敛问题。针对欠驱动AUV在海流干扰下的三维路径跟踪精度较低问题,提出了一种基于降阶观测器的积分视线导引律方法。设计了对跟踪误差模型中未知不确定性部分估计补偿的降阶观测器,将其估计的补偿部分作为积分视线导引律中的虚拟控制输入参数,解决了海流干扰影响下的跟踪误差较大问题。相较于传统导引律,该方法不光提高了跟踪精度也改善了海流干扰下的跟踪误差波动问题。 然后研究了欠驱动AUV路径跟踪控制器的抗干扰问题。针对海流干扰下跟踪误差波动较大的问题,提出了一种基于模糊逻辑系统的积分滑模控制器设计方法。在基于本文设计的改进导引律提供跟踪期望偏角后,将期望跟踪偏角误差进行积分滑模处理后作为跟踪控制器和模糊逻辑系统的输入,降低了跟踪误差的波动并提高了系统的瞬时响应能力。相较于传统控制器不光提高了系统的鲁棒性也降低了对被控对象模型的依赖性。 最后研究了舵力饱和条件下的优化跟踪控制问题。针对实际跟踪控制需要考虑物理约束的问题,提出并设计了基于模型预测控制的欠驱动AUV路径跟踪控制器。通过导引律求得的期望跟踪速度,将其带入到基于欠驱动模型简化的MPC控制系统求解控制量。把基于路径跟踪控制律求解控制量的问题转变为二次规划的最优求解问题,并且加入了线性扩张状态观测器补偿控制系统的广义不确定部分,实现对复杂环境下的最优路径跟踪控制。相较于传统控制器的控制方法,提供了一种在海流干扰下路径跟踪的约束与导引律结合的控制方法。

关键词： 欠驱动无人船   轨迹跟踪   视线法   侧滑角补偿   自抗扰控制  

摘要： 无人船(Unmanned Surface Vessel,USV)作为一种水面智能运载工具,在海洋与河湖的探索探测、管养维护和资源开发中扮演着日益重要的角色。为了提高无人船在执行任务时的精准性和效率,轨迹跟踪能力被视为无人船精细化作业的关键要素。然而,无人船本身的欠驱动性、非线性、强耦合性以及易受到水面复杂外力扰动等特性,给轨迹跟踪任务带来了挑战。本文以欠驱动水面无人船为研究对象,针对其轨迹跟踪控制这一关键问题展开研究。 首先,本文提出了一种针对侧滑角未知的欠驱动无人船的轨迹跟踪控制方法,旨在实现在完全未知模型参数和外部扰动下的轨迹跟踪。该控制方法包括自适应视线法导航律和线性自抗扰控制律两部分。前者对基于传统视线法的导航律进行了自适应控制改进,将自适应控制器得到的侧滑角用于补偿。理论证明了顺轨、交轨和侧滑角参数估计误差关于系统平衡点的全局K-指数稳定性。后者将无人船动力学解耦,分别对纵荡速度和船舶艏向设计控制器,结构简单,易于整定。 然后,针对实际工况下难以获取速度信息的问题,本文提出了一种仅基于位置测量的轨迹跟踪控制方法,融合了基于超螺旋滑模观测器的视线法导航律和降阶自抗扰控制律。超螺旋滑模观测器在未知模型参数的情况下,根据船舶位置测量信息获得船舶速度和侧滑角的观测值,以供控制律和导航律使用。经证明,观测器误差在有限时间内收敛,并给出了观测器增益的取值范围。降阶自抗扰控制律利用已知信息简化了控制方法,同样对于模型和扰动未知的无人船具有良好的控制效果。 最后,本文通过建立完整的无人船运动控制实验平台,对所提出的控制策略和算法进行了深入研究。在硬件层面,实验平台搭载了惯性导航系统(IMU)和双天线全球导航卫星系统(GNSS),并通过船载主机和单片机进行信息交互和底层控制。利用机器人操作系统(ROS)部署了所提出的算法,并进行了轨迹跟踪实船测试。实验结果验证了所提算法在模型和扰动未知的情况下的有效性。

关键词： 眼球定位   视线跟踪   正位视训练   眼外肌外伤   人工智能  

摘要： 针对眼外肌外伤的正位视训练系统优化设计,研究设计了一种可穿戴式视线跟踪系统,并引入了基于图像梯度特征的眼球中心定位算法对其加以改进,同时将其应用到实际的视线跟踪中。结果显示,基于图像梯度特征的眼球中心定位算法在最坏误差为大于0.1的情况下,准确率均高于91.2%,且在大于0.2的情况下接近100%。同时利用视线跟踪系统测算的视线检测误差都比较低,且水平方向的检测误差最低仅为11.6,方差最低仅为7.3。说明该系统能够对改善眼外肌受损造成的眼位不正问题进行有效地正位视训练,同时为机器视觉领域的研究提供了可靠的技术参考。

关键词： 无人艇   自主回收   路径跟踪   自适应ILOS   扰动观测器   输入饱和  

摘要： 路径跟踪控制是无人艇自主回收的关键技术之一,无人艇回收过程中航速慢、舵效差,不仅易受外界环境干扰,而且受执行机构限制,控制输入易饱和,如不加以抑制会大幅降低无人艇回收对接成功率。针对以上问题,基于自适应ILOS导引策略,设计了无人艇鲁棒性回收路径跟踪控制器。为提高无人艇回收过程路径跟踪响应速度,将前视距离与横向位置跟踪误差相联系,设计了时变前视距离的自适应ILOS导引方法。考虑无人艇回收过程环境扰动未知,设计了指数收敛的扰动观测器,而后基于反步法设计了首向控制器与速度控制器,为克服反步法解析导数求解的弊端,设计了二阶滤波器实现了期望首向一阶导数和二阶导数的滤波估计。考虑无人艇回收过程控制输入易饱和,设计了饱和补偿辅助系统。在直线路径与曲线路径2种工况下,分别进行仿真对比试验,验证了算法的有效性与优越性。

关键词： 欠驱动无人船   路径跟踪   视线制导   滑模控制  

摘要： 无人船(Unmanned Surface Vehicle,USV)凭借其准确、快速、平稳地跟踪期望路径的特性广泛应用于各类水域作业任务,但随着作业环境和任务的复杂多变,促使探索无人船路径跟踪方法成为热点。本文为在探究存在未知时变风浪流环境扰动和模型不确定项影响的欠驱动水面无人船路径跟踪问题,具体研究内容如下:(1)针对未知时变海流影响下的无人船任意参数化路径跟踪问题,提出复合视线制导律,解决未知海流扰动下的海流和侧滑角补偿问题。即考虑海流对制导的影响,基于Serret-Frenet坐标系建立引入海流速度分量的路径跟踪误差动态方程,设计降维扩张状态观测器实现时变海流和时变侧滑角的同时估计,并提出虚拟控制输入补偿海流扰动,同时设计时变前视距离提高系统动态收敛性能。基于李雅普诺夫稳定性定理和反步法设计纵荡速度和航向控制器,用于验证复合视线制导效果,并证明闭环系统所有误差都是有界的。仿真结果显示本文提出的复合视线制导在Cyber ShipⅡ无人船和试验船数模上均具有较好的制导效果,可有效地估计和补偿时变海流和侧滑角,保障无人船快速稳定地收敛到期望路径。(2)针对存在风浪流因素干扰和内部模型不确定项的无人船任意参数化路径跟踪问题,在复合视线制导律的基础上,提出自适应滑模控制器逼近扰动和不确定项,促使滑动模态平稳切换。即分别基于自适应方法和最小参数学习法对风浪等扰动上界和模型不确定项进行逼近,并设计自适应增益以减少滑模抖振,提高系统鲁棒性。针对航向控制器中期望航向制导律高阶求导计算复杂的问题,设计三阶微分跟踪器进行制导律微分项的求解。随后证明本文所提出的复合视线制导和自适应滑模控制器的级联稳定性。仿真再次通过Cyber ShipⅡ无人船模型和试验船模型验证复合视线制导的适用性,并证明自适应滑模控制器性能要优于等速趋近滑模控制器,且对风浪等扰动上界和模型不确定项的逼近是有效的,可以提高无人船的路径跟踪控制精度。(3)为验证试验船模型的正确性,通过搭建和调试试验船,进行推力测试和直航加速测试,建立试验船纵向推进力及与其对应的试验稳态纵荡速度数据表,对比分析相同纵向推力下直航仿真所得到的模拟稳态纵荡速度,验证试验船模型的正确性。综上所述,本文针对受未知时变风浪流扰动影响且存在模型不确定项的欠驱动水面无人船路径跟踪问题,提出复合视线制导律估计和补偿时变侧滑角和时变海流扰动,设计逼近风浪等扰动上界和模型不确定项的自适应滑模控制器,经仿真对比分析,本文提出的制导和控制方法是有效可行的,可以提高欠驱动无人船路径跟踪的准确性、快速性和平稳性。

关键词： 基于矢量场的积分视线制导律   基于矢量场的自适应视线制导律   无人水面艇   自主水下航行器  

摘要： 欠驱动无人水面艇(Unmanned Surface Vehicle,USV)用于海上作业的需求日益增加,研究复杂海洋环境下的导引控制策略对欠驱动USV实现精确目标跟踪至关重要。无人艇进行海洋目标跟踪需要应对海上风波浪干扰、传感器噪声和工作区域障碍物的挑战。本文针对上述问题,采用动态A*算法生成可行航路点求取Dubins曲线平滑路径,研究基于矢量场的制导律提高USV精确跟踪期望路径行驶的能力,满足USV与自主水下航行器(Autonomous underwater vehicle,AUV)对接约束要求。本文主要贡献如下:(1)针对USV动态目标跟踪与对接的航行路径规划问题,对未知区域实现栅格检测与可行域搜索,提出基于A*的无人艇Dubins路径平滑方法。文中利用USV上的激光雷达实现对未知障碍物的检测,并与USV和AUV上搭载的全球导航卫星系统(Global Navigation Satellite System,GNSS)/惯性测量单元(Inertial Measurement Unit,IMU)实现多传感器融合求取船舶位置和偏航角。将传感器获取到的信息传递给Cartographer算法节点实施定位和地图构建,并完成动态场景的A*算法路径规划,求取绕行障碍物的最优路径。为避免航路点跟踪过程中产生摆动和曲折,对离散航路点实施Dubins曲线平滑优化。当USV到达AUV正后方对接起始点时,USV以AUV为目标点进行尾后直线跟踪,并动态调整USV的位置和方向避免对接时与AUV的碰撞。(2)针对USV跟踪轨迹过程中受到海浪和水流带来的巡线精度低的问题,本文提出基于矢量场与积分视线(line-of-sight,LOS)导引控制律融合策略,改进制导效果并减少恒定外部干扰影响。融合制导策略分为直线跟踪和曲线跟踪两种情况,在直线跟踪行驶时引入平滑参数,转弯时引入矢量场,加快收敛到期望路径的速度。为了进一步减小时变外部干扰影响,提出基于矢量场的自适应LOS制导律,以时间变化的前瞻距离和转弯矢量场预测,减少期望路径跟踪的振荡。文中给出了曲率可变的期望路径跟踪的κ-指数稳定收敛性证明,并实验测试控制器的有效性。本文基于ROS系统依次建立USV和AUV的控制器节点,并最终在Gazebo和Software In The Loop(SITL)上进行控制性能仿真与硬件实验,验证了所提出制导律的有效性和鲁棒性,并实现欠驱动USV的目标跟踪。本文主要展示了无人艇目标跟踪与对接方面的理论研究,所提的策略可以用于多种海洋航行器的控制,也可为无人艇后续实验提供技术与理论支持。

关键词： 视线跟踪技术   学龄前儿童   注意力培养   情境感知   产品设计  

摘要： 注意力是儿童在学习中最为关键的能力之一，而随着信息技术的不断发展，多通道人机交互的研究成果为注意力训练提供了理论支持。旨在改善眼球运动的认知训练是提高注意力水平的有效干预措施，视线跟踪技术为人机交互提供了一种非接触的、自然的互动形式，眼控交互游戏训练系统为改善儿童眼球运动提供了有趣的体验，但适宜儿童眼控交互的操作方式尚未被探索，且注意力的培养难以引导至日常活动中。针对该问题和挑战，本研究以学龄前儿童为对象，探讨适合儿童眼控交互的操作界面和操作方式，结合注意力培养方法和情境感知理论进行情境设计，提出针对儿童注意力培养的情境感知设计策略，并设计眼控交互游戏，以提高训练效果。　　本文主要内容包括：　　对视线跟踪技术、注意力培养以及情境感知理论三方面进行梳理分析。在探究儿童注意力培养的相关研究现状中，发现注意力训练缺乏与真实情境的相关性。因此在儿童发展特征的基础上构建面向儿童的眼控交互要素，结合情境感知理论分析注意力培养产品的体验因素，提出眼控交互的情境感知包含自我审查体验、自适应体验、个性化定制体验、沉浸式体验四大要素。　　探讨儿童眼控交互中适宜的交互方式，即驻留时间、按钮大小、不同的实验组合对眼控交互界面可用性的影响。使用TobiiEyeTracker5工具，对30名平均年龄为5.9岁的儿童进行实验，根据实验结果，结合相关文献分析，得出在不同的操作任务水平和图标大小下，符合学龄前儿童认知特征的眼控交互的驻留时间范围。　　根据眼控交互操作原则和情境感知设计策略，设计了一款面向学龄前儿童的注意力培养的眼控交互游戏。通过情境构建、交互设计与页面设计进行呈现，用Unity开发验证了相关功能需求，并通过主观评价法验证了眼控交互中提示性的可用性问题，据此进行了设计优化迭代。　　本文重点研究了在眼控交互中，提升儿童注意力培养产品的使用体验和效果的设计策略，旨在通过系统化的研究，实证眼控交互关键性问题，提出融合情境感知的眼控交互原则，从而回应对学龄前儿童眼控交互关注的缺失，同时期望该研究可以使学龄前儿童更好地享有游戏教育产品的价值。

关键词： 视线跟踪   卷积神经网络   ResNet网络   Bi-LSTM网络   注意力机制  

摘要： 视线跟踪技术在人机交互、教育、刑事、医疗、商业等诸多方面有着广泛的应用。近年来,由于计算机视觉与深度学习技术的飞速发展,人们对视线追踪的研究也逐渐增多。然而,目前的视线跟踪系统仍存在一些缺陷。比如,在降低系统复杂性、简化标定程序的前提下,突破光照条件和头部姿态的局限,增强人眼视线方向的预测准确率依旧是一个具有挑战的课题。本文从视线跟踪的精准度、鲁棒性和网络复杂度三个方面的问题考虑,进行算法模型的搭建。本文以基于深度学习的视线跟踪算法为基础提出了一种将Res Net系列卷积神经网络与Bi-LSTM网络相结合的CRAB(Combine Res Net and Bi-LSTM)算法,然后进行算法改进和视线跟踪精度提升。首先,本文应用了一种基于深度学习的视线跟踪算法,并对其进行了研究。卷积神经网络利用卷积操作实现层间连接,在减少计算量的同时,还能降低设备费用,故被广泛地用于计算机视觉。基于此,本论文基于卷积神经网络建立了算法模型。其次,针对视线跟踪准确度的问题,文本对提出的基础算法CRAB进行改进,为了更好的提取输入信息的特征,本文在CRAB算法的基础上添加了空间权重模块和CBAM注意力机制,两个模块都有增强眼部信息的特征提取的能力,并且还能抑制其他面部区域对提取准确度的影响;此外,CRAB算法中的Bi-LSTM网络提供了一种建模序列的方法来拟合时序信息,这种方式也能提升视线方向的预测结果精准度。再次,在最近的视线跟踪领域中,经研究发现网络的输入为全脸区域的信息可以提高算法的性能。考虑到视线跟踪的实际应用以及推动全脸区域的信息可以提高性能这一想法,本文的模型选择的输入是连续帧带有全脸信息的视频序列。本文选择Gaze360数据集进行实验,该数据集结合了3D视线注释,移动范围较大的头部姿态和广泛的数据采集环境,因为该数据集的多样性,所以证明本文提出的CRAB算法具有较好的鲁棒性。最后,为了在提升视线精准度和鲁棒性的同时还能降低网络复杂度,本文通过对Res Net系列网络和其变体进行了骨干网络的改进实验。实验结果证明,当Res Ne St-50作为骨干网络时,可以得到当前实验最高的精准度,而且Res Ne St-50是一个基于Attention的轻量级网络架构,在保证精准度的同时不失网络的轻量化。通过实验结果可以得到,以Res Ne St-50作为骨干网络的CRAB算法,在添加空间权重模块后得到最优的实验结果,该算法计算得到的人眼角度误差从原来的13.5°降低到12.6°,降低了0.9°,使算法模型的精度进一步提升。

关键词： 视线跟踪   注视点估计   深度学习   人机交互  

摘要： 视线跟踪是自动精准估测人类视线方向或注视点的技术,是人机交互感知、虚拟现实、军事、智能驾驶等领域的重要研究分支。目前视线跟踪技术限于红外相机及深度相机等昂贵复杂的硬件设备,致使应用场景受限和用户体验感不佳。由于个体眼部外观的差异性、应用场景光照环境的多样性、头部姿势和注视方向的复杂性,在无约束环境下估测视线方向或注视点的研究仍需要钩深索隐。随着深度学习在复杂环境下的视觉检测任务中取得优异性能,利用深度学习估测视线成为主流视线跟踪方法。基于上述问题,本文在使用单目网络摄像头的情况下,提出了在无约束环境下基于外观纹理的视线估计和注视点估测方法。主要研究内容如下:(1)头部翻滚角估算。人脸倾斜的输入图像不利于视线估计算法的训练,亦会影响算法的估计效果。而图像中人脸倾斜是由头部翻滚角造成的,利用Retina Face算法检测的人脸关键点实现对低分辨率图像中头部翻滚姿势的单独检测,消除了头部翻滚角对视线估计算法性能的影响,简化了视线估计任务。(2)二维欧拉角视线估计算法。基于人眼只有俯仰和偏航两种动作姿势及对头部翻滚角单独估算的设计,三维视线方向可通过二维欧拉角(俯仰角、偏航角)表示。本研究使用两个全连接层分别回归两个注视角度,以提高每个角度的预测精度。使用两个独立的损失函数分别训练俯仰和偏航两个注视欧拉角,每个损失函数都是交叉熵和均方值的加权组合,以精确的微调网络并提升其泛化能力。算法选用Res Net50作为基础网络,并嵌入SE-Net注意力机制,以增强系统的稳健性,并对算法的估测精度有所提升。该算法最终取得平均16fps的估计速率和平均3.8°的测试角度偏差。(3)二输入注视点估测算法。本文在视线估计网络的基础上增加脸部网栅分支网络,使用全连接层整合人脸图像和脸部网栅的特征信息,后用两个全链接层独立回归屏幕注视点的横纵坐标。该算法简化了多输入注视点估计算法的网络结构,最终取得平均4.3cm的测试偏差和平均14fps的估测速率。

关键词： 视线估计   深度学习   标签分布学习   人机交互  

摘要： 视线跟踪是一种可以跟踪人眼在观看过程中的运动轨迹的技术,它可以被应用于多个领域,例如心理学、人机交互和医学等。在视线跟踪中,会使用一些特殊的设备来记录眼睛的运动轨迹,这些设备包括眼动仪和红外线追踪仪等。视线跟踪技术的应用非常广泛,其中之一是心理学领域。在心理学研究中,视线跟踪可以用来研究人们的注意力和注意力偏向,并且可以帮助研究者更好地理解人们的思维过程。此外,在人机交互领域,视线跟踪可以用来评估用户对界面的使用效果和易用性,从而帮助设计师改进产品设计。在医学领域,视线跟踪可以用来帮助诊断一些眼部疾病,并且可以帮助医生更好地了解患者的视觉问题。视线跟踪技术的发展也非常迅速,现在已经出现了许多新型的视线跟踪设备,例如可穿戴式设备和虚拟现实设备等。这些设备的出现使得视线跟踪技术的应用更加便捷和广泛。视线跟踪技术是一种非常重要的技术,它可以帮助我们更好地理解人类的认知过程和行为,并且可以被应用于多个领域,包括心理学、人机交互和医学等。未来,视线跟踪技术的应用将会更加广泛,同时也会有更多的新型设备和技术出现,这将为视线跟踪技术的发展带来更多的机会和挑战。本文的主要工作如下:(1)基于细粒度的视线估计模型构建视线方向主要是由眼部视线方向和头部姿态共同决定。在选择网络时,本文发现视线估计特征的提取非常困难,尤其眼部图像,在角度差别不大,头部姿态未发生变化时,特征的区别非常微小。面对如此微小的特征差异,如何设计一个高效实时的网络成了本文首要解决的问题。本文设计一种细粒度的视线估计模型,其将回归任务转为先分类后回归的形式,该设计的核心要点就是提高分类的准确率,回归的精度就会相应提高。在公开的数据集上,不仅计算时间和成本大幅降低,并且在精确度上相比以往的模型有了一定程度提升,本文将此作为基准模型。(2)基于一维高斯分布的细粒度视线估计模型构建研究发现,眼部图像由于角度变化较小或眼睛无意闭合,标签存在一定的模糊性。为了抑制无约束环境下视线标签的模糊性。通过对实验环境下大量眼部图像的特征分析和研究,发现不同标签之间的眼部图像隐含一定的相似性,每类眼部图像与其他图像的相似度经过一定的排序,发现遵循高斯分布。基于上述研究,本文设计出一维高斯分布代替原来的硬标签,构建了以细粒度为基本架构的一维高斯分布视线估计模型,该模型以复合损失函数进行监督训练。在两个公开数据集上的结果表明,本文提出的一维视线估计模型与以往的视线估计模型包括细粒度视线估计模型,实验效果有一定程度的提升。(3)基于二维高斯分布的细粒度视线估计模型构建进一步分析发现,一维高斯分布视线估计模型在特征考虑上较为单一,主要表现在计算相似度特征的选取上,仅考虑一个维度如Pitch维度上的变化,对另一个Yaw维度未加限制,这也导致其分布构造不太准确。为解决此问题,本文提出二维高斯分布视线估计模型,从两个维度联合来构建一个分布,而不是将二者割裂开来。本模型继续沿用基准模型架构设计,改进了粗分类模块,仍旧以复合损失函数监督整个网络的训练迭代。在视线估计领域常用的公开数据集上实验结果表明,本文提出的二维视线估计模型相比以往的视线估计模型包括一维视线估计模型,效果有一定程度提升。(4)基于自适应分布的细粒度视线估计模型构建不管一维高斯分布视线估计还是二维高斯分布视线估计,其构造的分布尽量去拟合所分析的相似度分布,然而数据的分布是很复杂的,有时是标准的分布,有时又是其他未涉及的分布,如何合理构建出一个复合真实数据分布的先验分布?本文提出自适应分布来解决此问题,自适应分布利用深度学习来学习样本的特征,根据输出相应图像类别的分布,为了强化此分布,本文又在此基础上加入原有的硬标签。本模型仍旧沿用了细粒度的视线估计模型架构,在粗分类里面加入自适应分布的设计,细分类模块沿用原来的MSE作为监督,整个模型以复合损失函数来监督训练迭代。在视线估计领域常用的公开数据集上实验结果表明,本文提出的自适应分布视线估计模型相比以往的视线估计模型(包括上述的视线估计模型),效果有一定程度提升。