移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提。2D激光SLAM由于其建图精度较高、性能稳定且...移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提。2D激光SLAM由于其建图精度较高、性能稳定且价格便宜,在室内移动机器人中应用十分广泛。2D激光SLAM是指移动机器人在自身所处环境及位置先验信息未知的情况下,以2D激光雷达为主要传感器,感知周围环境信息,从而实现自身位姿的估计和地图的构建。将2D激光SLAM分为两部分,第一部分从激光测距原理入手,对三角法和飞行时间法进行了详细介绍和优缺点比较。第二部分从前端扫描匹配、后端优化、回环检测和地图构建这四个方面分别详细阐述了2D激光SLAM系统框架。同时对主流2D激光SLAM算法进行了深入分析和优缺点比较,并对激光SLAM未来的发展进行了展望。展开更多
为明确施用氮、磷、钾肥对水稻养分积累与利用的影响,科学合理地提高氮、磷、钾肥的利用率,减少农业化肥污染,增加水稻产量提供一定的理论、实践基础,本研究于2019年在广西象州县、龙州县、岑溪市、港北区和福绵区进行田间试验。设置空...为明确施用氮、磷、钾肥对水稻养分积累与利用的影响,科学合理地提高氮、磷、钾肥的利用率,减少农业化肥污染,增加水稻产量提供一定的理论、实践基础,本研究于2019年在广西象州县、龙州县、岑溪市、港北区和福绵区进行田间试验。设置空白区(0 kg N+0 kg P_(2)O_(5)+0 kg K_(2)O/hm^(2))、全肥区(180 kg N+45 kg P_(2)O_(5)+135 kg K_(2)O/hm^(2))、缺氮区(0 kg N+45 kg P_(2)O_(5)+135 kg K_(2)O/hm^(2))、缺磷区(180 kg N+0 kg P_(2)O_(5)+135 kg K_(2)O/hm^(2))、缺钾区(180 kg N+45 kg P_(2)O_(5)+0 kg K_(2)O/hm^(2))共5个处理,于水稻成熟期测定干物质积累量和植株氮、磷、钾含量。结果显示,与空白区相比全肥区水稻干物质和氮、磷、钾积累量分别增加2658.60、33.67、11.34、61.98 kg/hm^(2),说明施用氮、磷、钾肥显著增加水稻干物质及氮、磷、钾素积累量。氮、磷、钾肥促进水稻干物质积累效应从大到小依次为氮肥、磷肥、钾肥。平均氮、磷、钾养分积累均以全肥区为最高、空白区最低。全肥区处理氮、磷、钾肥偏生产力均高于缺肥区,表明平衡施肥有利于提高肥料的偏生产力。联合方差分析表明,氮、磷、钾素积累量的地点与处理间的互作效应极显著,干物质积累量、养分干物质生产效率和稻谷生产效率的地点与处理间的互作效应不显著。结果表明,氮、磷、钾肥显著促进水稻干物质及氮、磷、钾养分积累,氮、磷、钾养分积累量受环境与处理的互作效应影响大,而干物质积累量及养分生产效率受互作效应影响小。展开更多
移动目标与基站之间的距离信息在基于无线传感器网络定位中起着至关重要的作用。目前,大多数室内定位算法在视距(LOS)环境下能够取得较高的定位精度,然而由于室内环境的复杂性,在非视距(Non-Line-of-Sight,NLOS)环境下,经典的定位算法...移动目标与基站之间的距离信息在基于无线传感器网络定位中起着至关重要的作用。目前,大多数室内定位算法在视距(LOS)环境下能够取得较高的定位精度,然而由于室内环境的复杂性,在非视距(Non-Line-of-Sight,NLOS)环境下,经典的定位算法就无法保证理想的精度。针对室内非视距环境,提出了基于(Time of Arrival,TOA)测距下的改进EKF算法。该算法采用预测与测量比较阈值和误差分析结合的方法,能够有效辨识非视距环境下的测距信息,并使用视距环境下的信息完成目标定位。仿真和实验结果表明,该改进的算法能够明显提高移动目标在非视距环境下的定位精度。展开更多
同步定位与建图(Simultaneous Localization and Mapping,SLAM)问题近年来已成为机器人导航领域的热门研究话题,作为其重要环节之一,回环检测用以消除整个过程中的累积误差.针对该环节高效率的需求,本文提出了一种基于局部特征ORB和全...同步定位与建图(Simultaneous Localization and Mapping,SLAM)问题近年来已成为机器人导航领域的热门研究话题,作为其重要环节之一,回环检测用以消除整个过程中的累积误差.针对该环节高效率的需求,本文提出了一种基于局部特征ORB和全局描述符VLAD组合的快速回环检测算法.首先,使用一种全新的二值特征的VLAD量化算法(Binary-VLAD)提取全局特征,在保持描述符代表性的同时加快运行速度.然后,在全局粗搜索阶段,改进倒排索引结构,有效地减少了计算量和存储空间.其次,在几何验证阶段,使用一种基于空间相似性的偏移稳定模型,无需像RANSAC一样恢复基本矩阵,简捷高效.最后,在3个数据集上进行了验证实验,并与经典的词袋模型方法以及最新的基于深度学习的方法进行对比.实验结果表明,本文所提出的算法仅耗时19ms,明显优于经典的词袋模型算法,相比于最新的深度学习算法,时间效率更是提升近10倍,并且在保持100%准确率的前提下,召回率优于两者.展开更多
目的 文中通过提出一种新的回环解决方案,平衡回环检测系统的高准确率与高运行效率。方法 提出一种利用组合图像特征与分层节点搜索的新方法。首先,计算一种原始图像的下采样二值化全局特征和经过改进的ORB(oriented FAST and rotated B...目的 文中通过提出一种新的回环解决方案,平衡回环检测系统的高准确率与高运行效率。方法 提出一种利用组合图像特征与分层节点搜索的新方法。首先,计算一种原始图像的下采样二值化全局特征和经过改进的ORB(oriented FAST and rotated BRIEF)局部特征,将其存入图像特征数据库。其次,引入一种分层节点搜索算法,在数据库中搜索与当前图像特征最相似的全局特征作为回环候选。最后,利用改进的ORB特征进行局部特征匹配,验证候选图像,确定回环检测结果。结果 使用该算法在3个不同的数据集上进行验证,测试中每次回环检测的平均处理时间仅需19 ms。结论 实验结果表明,该算法在运行效率、准确率、召回率等方面均达到了领域内的先进水平。展开更多
文摘移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提。2D激光SLAM由于其建图精度较高、性能稳定且价格便宜,在室内移动机器人中应用十分广泛。2D激光SLAM是指移动机器人在自身所处环境及位置先验信息未知的情况下,以2D激光雷达为主要传感器,感知周围环境信息,从而实现自身位姿的估计和地图的构建。将2D激光SLAM分为两部分,第一部分从激光测距原理入手,对三角法和飞行时间法进行了详细介绍和优缺点比较。第二部分从前端扫描匹配、后端优化、回环检测和地图构建这四个方面分别详细阐述了2D激光SLAM系统框架。同时对主流2D激光SLAM算法进行了深入分析和优缺点比较,并对激光SLAM未来的发展进行了展望。
文摘为明确施用氮、磷、钾肥对水稻养分积累与利用的影响,科学合理地提高氮、磷、钾肥的利用率,减少农业化肥污染,增加水稻产量提供一定的理论、实践基础,本研究于2019年在广西象州县、龙州县、岑溪市、港北区和福绵区进行田间试验。设置空白区(0 kg N+0 kg P_(2)O_(5)+0 kg K_(2)O/hm^(2))、全肥区(180 kg N+45 kg P_(2)O_(5)+135 kg K_(2)O/hm^(2))、缺氮区(0 kg N+45 kg P_(2)O_(5)+135 kg K_(2)O/hm^(2))、缺磷区(180 kg N+0 kg P_(2)O_(5)+135 kg K_(2)O/hm^(2))、缺钾区(180 kg N+45 kg P_(2)O_(5)+0 kg K_(2)O/hm^(2))共5个处理,于水稻成熟期测定干物质积累量和植株氮、磷、钾含量。结果显示,与空白区相比全肥区水稻干物质和氮、磷、钾积累量分别增加2658.60、33.67、11.34、61.98 kg/hm^(2),说明施用氮、磷、钾肥显著增加水稻干物质及氮、磷、钾素积累量。氮、磷、钾肥促进水稻干物质积累效应从大到小依次为氮肥、磷肥、钾肥。平均氮、磷、钾养分积累均以全肥区为最高、空白区最低。全肥区处理氮、磷、钾肥偏生产力均高于缺肥区,表明平衡施肥有利于提高肥料的偏生产力。联合方差分析表明,氮、磷、钾素积累量的地点与处理间的互作效应极显著,干物质积累量、养分干物质生产效率和稻谷生产效率的地点与处理间的互作效应不显著。结果表明,氮、磷、钾肥显著促进水稻干物质及氮、磷、钾养分积累,氮、磷、钾养分积累量受环境与处理的互作效应影响大,而干物质积累量及养分生产效率受互作效应影响小。
文摘移动目标与基站之间的距离信息在基于无线传感器网络定位中起着至关重要的作用。目前,大多数室内定位算法在视距(LOS)环境下能够取得较高的定位精度,然而由于室内环境的复杂性,在非视距(Non-Line-of-Sight,NLOS)环境下,经典的定位算法就无法保证理想的精度。针对室内非视距环境,提出了基于(Time of Arrival,TOA)测距下的改进EKF算法。该算法采用预测与测量比较阈值和误差分析结合的方法,能够有效辨识非视距环境下的测距信息,并使用视距环境下的信息完成目标定位。仿真和实验结果表明,该改进的算法能够明显提高移动目标在非视距环境下的定位精度。
文摘同步定位与建图(Simultaneous Localization and Mapping,SLAM)问题近年来已成为机器人导航领域的热门研究话题,作为其重要环节之一,回环检测用以消除整个过程中的累积误差.针对该环节高效率的需求,本文提出了一种基于局部特征ORB和全局描述符VLAD组合的快速回环检测算法.首先,使用一种全新的二值特征的VLAD量化算法(Binary-VLAD)提取全局特征,在保持描述符代表性的同时加快运行速度.然后,在全局粗搜索阶段,改进倒排索引结构,有效地减少了计算量和存储空间.其次,在几何验证阶段,使用一种基于空间相似性的偏移稳定模型,无需像RANSAC一样恢复基本矩阵,简捷高效.最后,在3个数据集上进行了验证实验,并与经典的词袋模型方法以及最新的基于深度学习的方法进行对比.实验结果表明,本文所提出的算法仅耗时19ms,明显优于经典的词袋模型算法,相比于最新的深度学习算法,时间效率更是提升近10倍,并且在保持100%准确率的前提下,召回率优于两者.
文摘目的 文中通过提出一种新的回环解决方案,平衡回环检测系统的高准确率与高运行效率。方法 提出一种利用组合图像特征与分层节点搜索的新方法。首先,计算一种原始图像的下采样二值化全局特征和经过改进的ORB(oriented FAST and rotated BRIEF)局部特征,将其存入图像特征数据库。其次,引入一种分层节点搜索算法,在数据库中搜索与当前图像特征最相似的全局特征作为回环候选。最后,利用改进的ORB特征进行局部特征匹配,验证候选图像,确定回环检测结果。结果 使用该算法在3个不同的数据集上进行验证,测试中每次回环检测的平均处理时间仅需19 ms。结论 实验结果表明,该算法在运行效率、准确率、召回率等方面均达到了领域内的先进水平。
