为了解决落布机器人在纺织车间应用时,由于计算效率低和粒子贫化导致的定位精度降低问题,本文提出了一种基于AMCL(Adaptive Monte Carlo Localization)与点云匹配校正的全局定位方法。首先由AMCL中KLD(Kullback Leibler distance)采样...为了解决落布机器人在纺织车间应用时,由于计算效率低和粒子贫化导致的定位精度降低问题,本文提出了一种基于AMCL(Adaptive Monte Carlo Localization)与点云匹配校正的全局定位方法。首先由AMCL中KLD(Kullback Leibler distance)采样动态删除冗余粒子,并利用蝙蝠算法优化KLD调整后的粒子集,提高粒子多样性,有效压缩粒子规模,从而实现计算精度和效率的双重提升,最后通过NDT(Normal Distribution Transform)算法对二维栅格地图进行高精度激光测量匹配,对AMCL的全局位姿进一步修正,提高定位精度。实验结果验证了本文算法的有效性与可行性。展开更多
超声和漏磁无损检测方法是目前输油管道常用的安全检测方法,然而其检测数据庞大,必须对数据进行压缩。介绍了一种基于CTW(context tree weight)的无损压缩算法,该算法采用了新的更低冗余度的概率估算法,具有速度快和抗差错能力强等特点...超声和漏磁无损检测方法是目前输油管道常用的安全检测方法,然而其检测数据庞大,必须对数据进行压缩。介绍了一种基于CTW(context tree weight)的无损压缩算法,该算法采用了新的更低冗余度的概率估算法,具有速度快和抗差错能力强等特点,将该算法应用于输油管道超声和漏磁方法无损检测实验数据的无损压缩,得到了较高的压缩率,与LZW(lempel ziv welch)无损压缩算法相比获得了更高的压缩率。展开更多
文摘为了解决落布机器人在纺织车间应用时,由于计算效率低和粒子贫化导致的定位精度降低问题,本文提出了一种基于AMCL(Adaptive Monte Carlo Localization)与点云匹配校正的全局定位方法。首先由AMCL中KLD(Kullback Leibler distance)采样动态删除冗余粒子,并利用蝙蝠算法优化KLD调整后的粒子集,提高粒子多样性,有效压缩粒子规模,从而实现计算精度和效率的双重提升,最后通过NDT(Normal Distribution Transform)算法对二维栅格地图进行高精度激光测量匹配,对AMCL的全局位姿进一步修正,提高定位精度。实验结果验证了本文算法的有效性与可行性。
文摘超声和漏磁无损检测方法是目前输油管道常用的安全检测方法,然而其检测数据庞大,必须对数据进行压缩。介绍了一种基于CTW(context tree weight)的无损压缩算法,该算法采用了新的更低冗余度的概率估算法,具有速度快和抗差错能力强等特点,将该算法应用于输油管道超声和漏磁方法无损检测实验数据的无损压缩,得到了较高的压缩率,与LZW(lempel ziv welch)无损压缩算法相比获得了更高的压缩率。
