移动机器人在未知环境中自主导航时定位需要精确的地图,同时为了构建精确的地图必须确定机器人的位姿,同时定位与地图构建(SLAM)问题便产生。基于激光雷达SLAM自主导航算法是研究的方向之一,激光雷达具有测距精度高、测距远等优点,但是由于激光雷达的数据量少、传感器本身噪声的影响,容易导致机器人构建地图精度低、定位误差大等问题。针对激光雷达的数据测得的距离信息进行线段特征提取算法,通过将常用PDBS、IEPF算法优缺点进行综合,提出了一种混合特征提取算法。最后通过对SICK的LMS111-10100激光雷达获取环境中的一组数据进行处理,分别对PDBS、IEPF算法及混合算法提取效果与实际环境对比,验证了特征提取混合算法的有效性。

活塞作为发动机内最重要的零件之一,工作过程中将承受巨大的爆发力。当活塞喉口存在微细缺陷时,爆发力将会导致缺陷开裂从而产生严重的安全隐患,因此对于活塞喉口微细缺陷检测的研究具有重要意义。采集三种不同缺陷类型的活塞涡流信号,进行降噪后提取其时域、频域及时频域内多重特征。对比分析了基于主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)降维的活塞喉口微细缺陷检测与识别方法,并对降维结果分别进行线性判别分类和高斯朴素贝叶斯分类(Gaussian Naive Bayes,GaussianNB),对比缺陷识别的准确率与模型训练时间,从而得出性能最好的缺陷识别模型。实验结果证明LDA-GaussianNB模型可高效判别活塞喉口微细缺陷类型。

在动态场景中,AGV借助相关滤波原理进行跟踪是一种非常重要的目标跟踪方法,跟踪方法必须具有良好的准确性和实时性。首先介绍对两种主流的相关滤波跟踪算法KCF和SA进行阐述,将SA算法的尺度策略加以改进并融入KCF算法中,结合颜色特征,提出一种改进尺度自适应的Sa-KCF算法。通过设计实验,在OTB-2013数据集中选取动态场景序列,对比测试三种算法的跟踪准确性和实时性。实验表明,改进的Sa-KCF算法在综合准确性和运行效率方面占有优势,能够较好地满足AGV在视觉跟踪中鲁棒性和实时性的要求。

随着工业4．0等战略的提出，大规模的工厂内物流运输和自动化需求促使了AGV的井喷似增加，并且每年都保持高度的增幅。针对工厂内物流运输AGV的路径规划效率等问题，提出一种将Dijkstra算法存储方式变更为邻接表，并通过二叉堆存储未扩展结点的存储模型，实现了数据结构上对邻接结点搜索的优化，得到了一种优化的Dijkstra算法。将其应用于工厂内物流AGV的路径规划，通过基于电子地图的算法仿真验证，该算法在运行效率、占用内存空间方面均优于普通Dijkstra算法。