The elasto-plastic dynamic buckling and postbuckling phenomena of square plates subjected to in-plane solid-fluid slamming are investigated. According to the plate's response, the critical criteria for dynamic buc...The elasto-plastic dynamic buckling and postbuckling phenomena of square plates subjected to in-plane solid-fluid slamming are investigated. According to the plate's response, the critical criteria for dynamic buckling, dynamic plasticity and plastic collapse are defined, and the corresponding critical impulses are presented. Meanwhile, dynamic buckling modes and collapse models are observed. The effects of different boundary conditions and loading histories on the properties of buckling and postbuckling are discussed.展开更多
针对弱纹理和变光照环境下基于点特征的视觉SLAM(simultaneous localization and mapping)算法轨迹漂移的问题,提出了一种基于改进自适应阈值ELSED算法(Adaptive-ELSED)的快速点线融合双目视觉SLAM算法。通过在ELSED算法中添加自适应阈...针对弱纹理和变光照环境下基于点特征的视觉SLAM(simultaneous localization and mapping)算法轨迹漂移的问题,提出了一种基于改进自适应阈值ELSED算法(Adaptive-ELSED)的快速点线融合双目视觉SLAM算法。通过在ELSED算法中添加自适应阈值矩阵,动态调整不同光照条件下梯度阈值,并使用长度抑制和短线合并策略,提高线特征的质量。利用基于双目几何约束和图像结构相似性(SSIM)进行快速线段特征三角化。基于历史位姿及误差分析获取初始位姿,通过自适应因子实现光束法平差过程中点线特征的更有效融合。实验结果表明,所提算法在提高线特征质量的同时,耗时仅为LSD算法的50%,线特征匹配速度较传统LBD算法提升67%,挑战性场景下轨迹误差较ORB-SLAM3降低62.2%,系统的平均跟踪帧率为27帧/s,在保证系统实时性的同时,显著提升了系统在弱纹理、变光照环境下的精度和鲁棒性。展开更多
目前多数视觉即时定位与地图构建(simultaneous localization and mapping,SLAM)方案都是通过提取环境中的特征点来估计位姿,在纹理较少的弱纹理环境中仍存在较大的局限性。为此,在SLAM系统中引入线特征以保证系统能在弱纹理场景中稳定...目前多数视觉即时定位与地图构建(simultaneous localization and mapping,SLAM)方案都是通过提取环境中的特征点来估计位姿,在纹理较少的弱纹理环境中仍存在较大的局限性。为此,在SLAM系统中引入线特征以保证系统能在弱纹理场景中稳定运行。但目前融合点线的视觉SLAM方案存在实时性和精度不足的问题,因此提出基于改进点线特征融合的的视觉惯性SLAM算法。算法前端中,采用FAST(features from accelerated segment test)角点作为特征点提取算法,对ELSED(enhanced line segment detection)算法进行增加短线合并、梯度阈值参数调整,并将四叉树均匀化分布特征点扩展到点线特征,提出改进的点线特征提取算法,减少高纹理区域和特征分布不均的情况对系统精度的影响。对点线特征的跟踪,均采用改进型光流法追踪,将惯性测量单元(inertial measured unit,IMU)得到的位姿信息和已知的特征点深度计算光流法的初值,代替原本的图像金字塔迭代过程,从而节省计算资源,满足系统的实时性。最后,在实际场景中将该系统与优秀的开源方案进行实验对比,验证了所提算法的实时性和精确性。实验表明,本算法可为工业巡检、仓储物流等场景下的机器人提供高鲁棒性定位解决方案,具有显著的产业应用前景。展开更多
针对动态场景下视觉SLAM(Simultaneous Localization and Mapping)系统中深度学习分割网络实时性不足,以及相机非期望运动导致位姿估计偏差的问题,提出一种基于跨域掩膜分割的视觉SLAM算法.该算法采用轻量化YOLO-fastest网络结合背景减...针对动态场景下视觉SLAM(Simultaneous Localization and Mapping)系统中深度学习分割网络实时性不足,以及相机非期望运动导致位姿估计偏差的问题,提出一种基于跨域掩膜分割的视觉SLAM算法.该算法采用轻量化YOLO-fastest网络结合背景减除法实现运动物体检测,利用深度图结合深度阈值分割构建跨域掩膜分割机制,并设计相机运动几何校正策略补偿检测框坐标误差,在实现运动物体分割的同时提升处理速度.为优化特征点利用率,采用金字塔光流对动态特征点进行帧间连续跟踪与更新,同时确保仅由静态特征点参与位姿估计过程.在TUM数据集上进行系统性评估,实验结果表明,相比于ORB-SLAM3算法,该算法的绝对位姿误差平均降幅达97.1%,与使用深度学习分割网络的DynaSLAM和DS-SLAM的动态SLAM算法相比,其单帧跟踪时间大幅减少,在精度与效率之间实现了更好的平衡.展开更多
针对传统开源的激光惯性里程计(LIO,lidar-inertial odometry)和即时定位与地图构建(SLAM,simultaneous localization and mapping)结合的LIO-SLAM在室内复杂环境中受激光特征稀疏与动态遮挡影响、定位精度下降等问题,提出一种融合视觉...针对传统开源的激光惯性里程计(LIO,lidar-inertial odometry)和即时定位与地图构建(SLAM,simultaneous localization and mapping)结合的LIO-SLAM在室内复杂环境中受激光特征稀疏与动态遮挡影响、定位精度下降等问题,提出一种融合视觉里程计的改进方法。在保持LIO-SLAM激光惯性紧耦合框架的基础上,引入基于ORB特征的三维定位与地图构建算法(ORB-SLAM)作为独立的视觉里程计模块,为系统提供高频率、丰富纹理的视觉约束信息。通过自适应权重融合策略,实现激光、惯性与视觉观测的多源优化,增强了在弱几何约束、纹理丰富但结构复杂环境中的鲁棒性。在多种典型室内场景(走廊、开放大厅及动态人群环境)中开展了实验验证。结果表明,相较于原始LIO-SLAM,整体轨迹误差降低至原始系统的70%。研究验证了视觉-激光-惯性多模态融合在室内复杂环境下的可行性与有效性,为高精度室内自主定位与地图构建提供了新的思路。展开更多
针对现代化鹅养殖场景中饲料投喂移动小车受动态鹅群干扰,致使同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法的定位精度、建图质量下降的问题,提出基于多传感融合目标检测的动态SLAM算法。该算法以LIO-SAM框架...针对现代化鹅养殖场景中饲料投喂移动小车受动态鹅群干扰,致使同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法的定位精度、建图质量下降的问题,提出基于多传感融合目标检测的动态SLAM算法。该算法以LIO-SAM框架为基础,融合激光雷达与惯性测量单元搭建SLAM系统,采用前后端架构优化定位与建图性能;运用匈牙利算法实时追踪鹅群运动状态,结合多传感融合目标检测算法,精准识别并剔除动态鹅群产生的特征点,有效降低定位与建图误差。经KITTI、UrbanNav等公共数据集与实际养殖场景数据测试,在KITTI07序列中,较LeGO-LOAM、LIO-SAM和LVI-SAM等经典算法,均方根误差(RMSE)降低33.18%;在实际鹅养殖环境中,可以快速滤除动态鹅群干扰,提升建图质量与导航可靠性。本研究为智能化鹅养殖饲料投喂提供了新的技术方案,推动了畜牧业自动化发展。展开更多
Under severe sea conditions, wave slamming on ships and marine engineering structures may lead to structural damage and casualties. Moreover, the strong nonlinearity inherent in the wave slamming process significantly...Under severe sea conditions, wave slamming on ships and marine engineering structures may lead to structural damage and casualties. Moreover, the strong nonlinearity inherent in the wave slamming process significantly limits the accuracy of numerical analyses and finite element simulations. Therefore, this paper takes a new type of floating wind turbine as an example and performs a physical model test on the wave slamming characteristics of this floating wind turbine.Based on a 1:50 model of the Pivot Buoy floating wind turbine, an experimental study is performed under the combined effects of wind-wave loads on the peak pressure, duration, and pressure distribution of slamming. First, two sets of mooring systems, the combined scheme and the full mooring chain scheme, are designed to conduct a series of experimental studies of model slamming under different wind and wave incidence angles, wave heights, and wave periods. By doing so, the slamming characteristics of the wind turbine can be obtained. Moreover, to solve the problem of the large pitch motion response of the prototype wind turbine, a set of vertically oscillating structures is designed,and the slamming pressure characteristics of the optimized model are also investigated through model tests.展开更多
目前大多数视觉与激光融合的同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法在进行位姿状态估计时,通常假设其运行环境为静态。然而,当机器人在包含动态对象的环境中移动时,这些对象的出现会改变图像信息,导致数据关...目前大多数视觉与激光融合的同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法在进行位姿状态估计时,通常假设其运行环境为静态。然而,当机器人在包含动态对象的环境中移动时,这些对象的出现会改变图像信息,导致数据关联错误,从而引发SLAM定位误差。针对此问题,提出一种改进的视觉与激光融合SLAM算法,以提高室内动态环境下的三维建图精度和鲁棒性。该方法结合对极几何约束和欧式聚类,实现对动态对象的精准检测和剔除,减少动态对象对SLAM系统定位和建图的干扰。实验结果表明,相较于传统的融合SLAM方法,改进后的算法在动态环境下的定位精度、地图质量以及鲁棒性方面均有提升,为智能机器人、自动驾驶等领域的动态环境建图提供新的解决方案。展开更多
0引言随着内河航运向智能化、无人化转型,船舶自主避障路径规划成为突破行业发展瓶颈的关键议题。内河航道环境的复杂性,对传统感知与导航技术提出严峻挑战。图像识别凭借其在环境信息解析方面的优势,即时定位与地图构建(Simultaneous L...0引言随着内河航运向智能化、无人化转型,船舶自主避障路径规划成为突破行业发展瓶颈的关键议题。内河航道环境的复杂性,对传统感知与导航技术提出严峻挑战。图像识别凭借其在环境信息解析方面的优势,即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术则依托实时建图与定位能力,二者的深度融合为智能船舶内河航道自主避障提供了核心支撑。如何借助技术协作打破单一传感器的限制,实现在复杂情境里精准认知环境、高效制定路径决策以及可靠保障安全,不仅是技术领域的创新课题,也是促进内河航运提效、保障航行安全的关键探索途径。展开更多
基金The project is supported by National Natural Science Foundation of China.
文摘The elasto-plastic dynamic buckling and postbuckling phenomena of square plates subjected to in-plane solid-fluid slamming are investigated. According to the plate's response, the critical criteria for dynamic buckling, dynamic plasticity and plastic collapse are defined, and the corresponding critical impulses are presented. Meanwhile, dynamic buckling modes and collapse models are observed. The effects of different boundary conditions and loading histories on the properties of buckling and postbuckling are discussed.
文摘针对弱纹理和变光照环境下基于点特征的视觉SLAM(simultaneous localization and mapping)算法轨迹漂移的问题,提出了一种基于改进自适应阈值ELSED算法(Adaptive-ELSED)的快速点线融合双目视觉SLAM算法。通过在ELSED算法中添加自适应阈值矩阵,动态调整不同光照条件下梯度阈值,并使用长度抑制和短线合并策略,提高线特征的质量。利用基于双目几何约束和图像结构相似性(SSIM)进行快速线段特征三角化。基于历史位姿及误差分析获取初始位姿,通过自适应因子实现光束法平差过程中点线特征的更有效融合。实验结果表明,所提算法在提高线特征质量的同时,耗时仅为LSD算法的50%,线特征匹配速度较传统LBD算法提升67%,挑战性场景下轨迹误差较ORB-SLAM3降低62.2%,系统的平均跟踪帧率为27帧/s,在保证系统实时性的同时,显著提升了系统在弱纹理、变光照环境下的精度和鲁棒性。
文摘目前多数视觉即时定位与地图构建(simultaneous localization and mapping,SLAM)方案都是通过提取环境中的特征点来估计位姿,在纹理较少的弱纹理环境中仍存在较大的局限性。为此,在SLAM系统中引入线特征以保证系统能在弱纹理场景中稳定运行。但目前融合点线的视觉SLAM方案存在实时性和精度不足的问题,因此提出基于改进点线特征融合的的视觉惯性SLAM算法。算法前端中,采用FAST(features from accelerated segment test)角点作为特征点提取算法,对ELSED(enhanced line segment detection)算法进行增加短线合并、梯度阈值参数调整,并将四叉树均匀化分布特征点扩展到点线特征,提出改进的点线特征提取算法,减少高纹理区域和特征分布不均的情况对系统精度的影响。对点线特征的跟踪,均采用改进型光流法追踪,将惯性测量单元(inertial measured unit,IMU)得到的位姿信息和已知的特征点深度计算光流法的初值,代替原本的图像金字塔迭代过程,从而节省计算资源,满足系统的实时性。最后,在实际场景中将该系统与优秀的开源方案进行实验对比,验证了所提算法的实时性和精确性。实验表明,本算法可为工业巡检、仓储物流等场景下的机器人提供高鲁棒性定位解决方案,具有显著的产业应用前景。
文摘针对动态场景下视觉SLAM(Simultaneous Localization and Mapping)系统中深度学习分割网络实时性不足,以及相机非期望运动导致位姿估计偏差的问题,提出一种基于跨域掩膜分割的视觉SLAM算法.该算法采用轻量化YOLO-fastest网络结合背景减除法实现运动物体检测,利用深度图结合深度阈值分割构建跨域掩膜分割机制,并设计相机运动几何校正策略补偿检测框坐标误差,在实现运动物体分割的同时提升处理速度.为优化特征点利用率,采用金字塔光流对动态特征点进行帧间连续跟踪与更新,同时确保仅由静态特征点参与位姿估计过程.在TUM数据集上进行系统性评估,实验结果表明,相比于ORB-SLAM3算法,该算法的绝对位姿误差平均降幅达97.1%,与使用深度学习分割网络的DynaSLAM和DS-SLAM的动态SLAM算法相比,其单帧跟踪时间大幅减少,在精度与效率之间实现了更好的平衡.
文摘针对传统开源的激光惯性里程计(LIO,lidar-inertial odometry)和即时定位与地图构建(SLAM,simultaneous localization and mapping)结合的LIO-SLAM在室内复杂环境中受激光特征稀疏与动态遮挡影响、定位精度下降等问题,提出一种融合视觉里程计的改进方法。在保持LIO-SLAM激光惯性紧耦合框架的基础上,引入基于ORB特征的三维定位与地图构建算法(ORB-SLAM)作为独立的视觉里程计模块,为系统提供高频率、丰富纹理的视觉约束信息。通过自适应权重融合策略,实现激光、惯性与视觉观测的多源优化,增强了在弱几何约束、纹理丰富但结构复杂环境中的鲁棒性。在多种典型室内场景(走廊、开放大厅及动态人群环境)中开展了实验验证。结果表明,相较于原始LIO-SLAM,整体轨迹误差降低至原始系统的70%。研究验证了视觉-激光-惯性多模态融合在室内复杂环境下的可行性与有效性,为高精度室内自主定位与地图构建提供了新的思路。
文摘针对现代化鹅养殖场景中饲料投喂移动小车受动态鹅群干扰,致使同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法的定位精度、建图质量下降的问题,提出基于多传感融合目标检测的动态SLAM算法。该算法以LIO-SAM框架为基础,融合激光雷达与惯性测量单元搭建SLAM系统,采用前后端架构优化定位与建图性能;运用匈牙利算法实时追踪鹅群运动状态,结合多传感融合目标检测算法,精准识别并剔除动态鹅群产生的特征点,有效降低定位与建图误差。经KITTI、UrbanNav等公共数据集与实际养殖场景数据测试,在KITTI07序列中,较LeGO-LOAM、LIO-SAM和LVI-SAM等经典算法,均方根误差(RMSE)降低33.18%;在实际鹅养殖环境中,可以快速滤除动态鹅群干扰,提升建图质量与导航可靠性。本研究为智能化鹅养殖饲料投喂提供了新的技术方案,推动了畜牧业自动化发展。
基金financially supported by the National Natural Science Foundation of China (Grant No. 52071161)。
文摘Under severe sea conditions, wave slamming on ships and marine engineering structures may lead to structural damage and casualties. Moreover, the strong nonlinearity inherent in the wave slamming process significantly limits the accuracy of numerical analyses and finite element simulations. Therefore, this paper takes a new type of floating wind turbine as an example and performs a physical model test on the wave slamming characteristics of this floating wind turbine.Based on a 1:50 model of the Pivot Buoy floating wind turbine, an experimental study is performed under the combined effects of wind-wave loads on the peak pressure, duration, and pressure distribution of slamming. First, two sets of mooring systems, the combined scheme and the full mooring chain scheme, are designed to conduct a series of experimental studies of model slamming under different wind and wave incidence angles, wave heights, and wave periods. By doing so, the slamming characteristics of the wind turbine can be obtained. Moreover, to solve the problem of the large pitch motion response of the prototype wind turbine, a set of vertically oscillating structures is designed,and the slamming pressure characteristics of the optimized model are also investigated through model tests.
文摘目前大多数视觉与激光融合的同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法在进行位姿状态估计时,通常假设其运行环境为静态。然而,当机器人在包含动态对象的环境中移动时,这些对象的出现会改变图像信息,导致数据关联错误,从而引发SLAM定位误差。针对此问题,提出一种改进的视觉与激光融合SLAM算法,以提高室内动态环境下的三维建图精度和鲁棒性。该方法结合对极几何约束和欧式聚类,实现对动态对象的精准检测和剔除,减少动态对象对SLAM系统定位和建图的干扰。实验结果表明,相较于传统的融合SLAM方法,改进后的算法在动态环境下的定位精度、地图质量以及鲁棒性方面均有提升,为智能机器人、自动驾驶等领域的动态环境建图提供新的解决方案。
文摘0引言随着内河航运向智能化、无人化转型,船舶自主避障路径规划成为突破行业发展瓶颈的关键议题。内河航道环境的复杂性,对传统感知与导航技术提出严峻挑战。图像识别凭借其在环境信息解析方面的优势,即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术则依托实时建图与定位能力,二者的深度融合为智能船舶内河航道自主避障提供了核心支撑。如何借助技术协作打破单一传感器的限制,实现在复杂情境里精准认知环境、高效制定路径决策以及可靠保障安全,不仅是技术领域的创新课题,也是促进内河航运提效、保障航行安全的关键探索途径。
