潘薇
- 作品数：8 被引量：37H指数：3
- 供职机构：中南大学信息科学与工程学院更多>>
- 发文基金：国防基础科研计划国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术建筑科学更多>>
- 一种基于声纳信息的地图创建方法被引量：2
- 2009年
- 地图创建是实现机器人在未知环境中自主导航的关键。该文对移动机器人在地图创建中所收集的不确定传感信息进行研究,分析声纳传感器的散射和镜面反射特性,提出一种改进的概率栅格的地图创建方法。该方法将距离信任因子引入到声纳传感器模型。利用该模型,实现移动机器人的自主地图创建,并有效地减少由于声纳传感器所引起的不确定性。通过机器人平台上进行的实验表明该方法的有效性。
- 刘利枚蔡自兴潘薇
- 关键词：地图创建不确定信息移动机器人声纳传感器
- 复杂环境下多机器人协作构建地图的方法被引量：11
- 2010年
- 针对复杂环境以及无法获知机器人位置信息的情况,提出一种多移动机器人协作构建地图的新方法。该方法采用独立探索、集中建图的探索策略,对环境建立局部栅格地图并予以融合。在地图融合过程中,无需已知机器人的相对位置信息,而是以栅格地图相似度为度量标准,利用距离变换和改进的遗传算法高效、快速地搜索各局部地图之间的最大重叠部分,进而予以融合。此外,考虑到局部地图无重叠部分的情况,引入判断函数对融合结果予以度量。实验结果验证了该方法在复杂环境下的可行性和有效性。
- 潘薇蔡自兴陈白帆
- 关键词：多机器人复杂环境地图构建遗传算法
- 基于遗传算法的多机器人协作建图方法被引量：1
- 2009年
- 现有多机器人协作构建地图的方法对环境和机器人位置信息有着较高要求,因而在实际应用中存在一定局限性。针对这一问题,提出了一种基于遗传算法的改进方法。该方法采用独立探索、集中建图的探索策略,对环境建立局部栅格地图并予以融合。在地图融合过程中,无须考虑机器人位置信息,而是以栅格地图相似度为度量标准,利用改进的遗传算法快速、高效地搜索各局部地图之间的最大重叠部分,进而予以融合。实验结果验证了该方法的可行性和有效性。
- 潘薇蔡自兴陈白帆
- 关键词：多机器人复杂环境地图构建遗传算法
- 基于声纳和摄像头的动态环境地图创建方法被引量：2
- 2009年
- 针对动态环境下声纳传感器无法正确检测动态障碍物从而降低移动机器人的地图创建的精度的问题,提出了一种声纳和视觉传感器结合的动态环境地图创建方法。为保持地图信息的完整性,该方法分别建立了动、静态栅格地图,利用前一时刻的静态地图、当前声纳观测信息和摄像头检测的动态障碍物信息的比较来更新地图,并给出了地图更新模型。因视觉信息能成功地解决地图中某些动态障碍物被当成静态障碍物的错误,因而能建立正确的地图。实验验证了该方法正确,可行。
- 陈白帆蔡自兴潘薇
- 关键词：移动机器人动态环境地图创建声纳
- 一种非结构环境下多机器人构建地图的方法被引量：3
- 2009年
- 提出了一种多移动机器人在非结构环境下构建地图的新方法。该方法让各机器人独立探索环境并对不同的局部栅格地图予以融合。在地图融合过程中,无需考虑机器人相对位置的先验信息,而是以栅格地图相似度为度量标准,利用距离变换和改进的遗传算法高效、快速地搜索各局部地图之间的最大重叠部分,进而予以融合。实验结果表明,与常规方法相比,该方法能够较为精确地实现非结构环境下多机器人地图构建,且限制条件少,更适合于实际应用中的各种复杂情况。
- 潘薇蔡自兴陈白帆
- 关键词：多机器人非结构环境地图构建遗传算法
- 基于自组织神经网络与遗传算法的边坡稳定性分析方法被引量：8
- 2008年
- 将自组织(SOM)神经网络、误差反馈(BP)神经网络和遗传算法(GA)三者结合起来,应用于边坡稳定性分析中.首先推导了基于高斯函数的SOM神经网络过程简化权值求解公式,并采用SOM神经网络对收集到的边坡样本进行归类,降低了学习样本的噪声;然后设计了适用于边坡工程的神经网络结构编码模式;再将GA用于优化BP神经网络结构;最后对优化后的BP神经网络进行了计算.计算结果证明,优化后的BP神经网络在安全系数的拟合以及样本的误差分布方面均有明显的改善.同时,通过与其他类型的神经网络相比较,优化后的BP神经网络准确度较高,用于计算边坡的安全系数误差较小.
- 刘思思赵明华杨明辉潘薇
- 关键词：边坡稳定性神经网络遗传算法
- 多移动机器人地图构建的方法研究
- 随着机器人技术在各个领域的广泛应用和发展，在研究和应用双重需求的推动下，多机器人系统的研究已受到国内外研究结构和产业界的重视，并逐步成为一个充满活力、充满挑战的领域。在一些面向任务的应用中，地图构建是实现多机器人系统自主...
- 潘薇
- 关键词：多机器人系统数据融合
- 基于改进粒子滤波器的移动机器人同时定位与建图方法被引量：9
- 2008年
- 提出一种基于改进粒子滤波器的移动机器人同时定位与建图方法.该方法将常规粒子滤波器与粒子群优化算法有机结合,引入最新的机器人观测信息以调整粒子的提议分布,从而在保证算法精度的同时,减少定位与建图所需的粒子数,并有效缓解粒子退化现象.此外,考虑到常规的重采样过程容易引起样本贫化现象,引入概率算子以增加粒子的多样性.实验结果表明该方法的可行性和有效性.
- 潘薇蔡自兴陈白帆
- 关键词：粒子滤波器
