一种Slam算法优化基于模型的跟踪方法.pdf
书生****萌哒
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种Slam算法优化基于模型的跟踪方法.pdf
本发明公开了一种Slam算法优化基于模型的跟踪方法,包括步骤S1、对目标物进行初始化,得到目标物在图像中的精确位姿,确定目标物的边沿;S2、进行边沿追踪,确定目标物运动之后的位姿;S3、使用SLAM算法对目标物所在新的图像位置进行点云提取;S4、点云匹配,确定目标物的精确位姿;本发明中,相对于传统AR技术中使用人工标志点或者自然特征点方式进行视点定位,创新性的针对风机舱内环境特征纹理比较贫乏的问题将半稠密边缘SLAM技术应用到AR视点定位中。半稠密SLAM技术利用图像中的边缘特征同时完成场景三维重建和视点
一种基于狮群算法优化的SLAM算法.pdf
本发明公开了一种基于狮群算法优化的SLAM算法,包括:改进狮王位置更新策略:将全局最优值做为狮王,并通过改进的狮王位置更新策略,实现粒子权值更新;改进母狮位置更新策略:通过改进的母狮狩猎法则,实现粒子集合的有效调整;改进幼狮更新策略:幼师向狮王位置移动,通过上述调整,实现粒子集合集中分布在高斯然区域,解决粒子权值退化与粒子多样性丧失的问题,实现对机器人定位建图精度的提升。本发明的算法,解决粒子权值退化与粒子多样性丧失的问题,实现对机器人定位建图精度的提升。
一种基于增量元模型方法的全局优化算法.docx
一种基于增量元模型方法的全局优化算法随着科学技术的不断进步,全局优化问题的解决变得越来越重要。全局优化问题是指寻找给定目标函数的全局最优解的问题。在许多领域,如化学、机械、生物、气象等领域,全局优化问题是至关重要的,因为这些领域的实际问题中往往存在着多个局部最优解及其他无法轻易预测的情况。然而,全局优化问题是一个困难而又复杂的问题,传统的优化算法如梯度下降法、牛顿法、共轭梯度法等仅适用于连续可导且有唯一最优解的问题。为了解决这一问题,许多优化算法被提出并逐渐成为研究的热点之一。而增量元模型方法则是其中一种
一种基于梯度跟踪算法的风电场快速跟踪优化方法.pdf
本发明涉及电力系统优化技术,具体涉及一种基于梯度跟踪算法的风电场快速跟踪优化方法,基于机会约束规划方法建立风电场时段优化模型,通过预留电压安全裕度来控制电压越限风险,利用内点法求解模型,得到该时段风电场的最优运行状态;将时段优化结果下发给各台风机用于指导该时段内风电场的快速跟踪优化;在时段内的每个时刻,各台风机控制单元根据自身风机的实测功率,利用梯度跟踪算法快速调节风机无功,实现对风机功率短期波动的跟踪优化;所有风机的快速跟踪优化叠加组成整个风电场的快速跟踪优化。该方法通过梯度跟踪算法实现风电场在更小时间
一种基于分层粒子群优化算法的RBPF-SLAM计算方法.pdf
本发明公开了一种基于分层粒子群优化算法的RBPF‑SLAM计算方法,涉及基于激光雷达的室内移动机器人定位与地图构建的科学研究,将粒子群优化算法应用到RBPF‑SLAM算法中,在重采样过程中引入粒子群优化算法更新粒子位姿,根据权值划分粒子种类,对中等权值粒子保留,从而应用于室内移动机器人SLAM领域;发明借鉴粒子群寻优策略的新智能群体算法,提出一种新的重采样方法,即将RBPF中的粒子群通过粒子寻优策略调整采样粒子集,对重采样中权值较小和中等的粒子进行部分随机重采样,从而防止粒子的退化和保持粒子的多样性。