由于原始TSDF(Truncated Signed Distance Function, TSDF)模型仅考虑相邻时间上的关联, 误差将不可避免的累积到下一时刻, 无法构建全局一致的地图。为了实时精确的建立大场景稠密3D地图, 对TSDF模型进行了改进。首先, 构筑相机位姿模型和加权融合3D点截断信息的TSDF模型, 用于准确表示创建物体的表面。其次, 提出一种改进的回环检测方法, 并将其与随机蕨类彩色图像编码化相结合, 进而优化TSDF模型, 即混合优化位姿模型。最后, 使用g2o图优化库解算约束函数, 建立数据集间的优化边。实验结果表明: 混合优化位姿模型能识别曾到达区域, 特别在较大场景下使用可以得到更加准确的相机轨迹和地图。采用TUM数据集中的fr1/xyz、fr1/room、fr1/desk对所提算法进行检验, 结果表明该方法能够使相机轨迹的均方根误差分别下降0.59 cm, 3.14 cm, 0.94 cm。在室内环境和公开数据集上的实验结果证明了所提算法的有效性和准确性。

针对室内复杂环境下导航地图制备问题，提出一种采用图像传感器进行导航地图制备的方法。首先，基于VSLAM技术估计相机位姿，经后端优化后生成环境三维点云；其次，筛选出地面点云，基于随机采样一致性算法得到精确的地面平面方程；最后，投影机器人通行环境区域的点云至二维栅格地图，通过利用贝叶斯方法更新栅格占用状态后，实现室内导航地图的制备。实验结果表明，基于VSLAM制备的室内导航地图精度满足导航要求，且不同于传统激光地图构建方法，地图中包含环境的三维结构信息，在进行路径规划实验中，避免了规划的路径穿过低矮物体及悬空物体的错误。

A novel multi-beam folded waveguide (MBFW) circuit, which can enhance the output power and interaction efficiency of sub-terahertz (THz) traveling wave tube (TWT), is presented in the paper. Operating with fundamental mode and multiple electron beams means that a larger beam current can be used for a higher output power. The characteristics of the MBFW structure are analyzed and optimized. Compared with the single-beam folded waveguide (SBFW) TWT, the output power of the MBFW TWT increases from 3.64 W to 25.45 W at 140 GHz and its electronic efficiency increases from 1.06% to 7.4% under the conditions of an input peak power of 10 mW, a beam voltage of 9.55 kV and a current of 12 mA. The optimized MBFW structure can be successfully fabricated by micro milling, with dimension errors below expectation, and the measured transmission characteristics are in good agreement with the design.

为了提高对视频序列中人体行为的识别能力, 建立了基于局部特征的动作识别框架。通过时空特征提取及编码和SVM分类器参数优化两部分对该框架所涉及算法进行了研究。首先, 采用Harris3D检测器获取时空兴趣点(STIP), 以方向梯度直方图(HOG)和光流方向直方图(HOF)对STIP进行描述, 并引入Fisher向量实现对特征描述子的编码; 由于固定参数下SVM动作分类模型存在泛化能力不足的问题, 将粒子群算法应用于各动作分类器参数寻优过程中, 针对种群多样性逐代变化的特点, 构建粒子聚集度模型, 并利用其动态调节各代粒子的变异概率; 最后, 利用KTH和HMDB51数据集对所提方法进行验证。结果表明, 所提自适应变异粒子群算法(AMPSO)能够有效避免种群陷入局部最优, 具备较强的全局寻优能力; 在KTH和HMDB51数据集上的识别准确率分别为87.50%和26.41%, 优于其余2种识别方法。实验证明, AMPSO算法收敛性能良好且整体识别框架具有较高的实用性和准确性。

针对由于待检测目标局部区域显著性差异过大造成的细微区域检测失败问题, 在贝叶斯理论框架下, 提出一种基于元胞自动机多尺度优化的显著性检测方法。首先结合暗通道先验信息和区域对比度在同一张图片的5个超像素尺度空间内分别构建原始显著性图; 接着, 利用元胞自动机建立动态更新机制, 通过影响因子矩阵和置信度矩阵优化每个元胞下一状态的影响力, 获得对应5个优化显著性图; 最后在基于贝叶斯理论的融合算法框架下得到最终的显著性图。在两个复杂度不同的标准图像数据库上将本文方法与10种主流显著性提取方法进行视觉效果和客观定量数据对比, 结果显示, 本文算法效果优于现有10种显著性提取方法, 其中在公认最具挑战的DUT-OMRON数据库的综合指标F-measure 值为0.631 4, 平均绝对误差(MAE)为0.132 5, ROC曲线下面积(AUC)为0.892 8, 表明本文算法具有较高的准确性和鲁棒性。

针对ICP算法在帧间配准中对初始值依赖性大的问题,提出了一种新的由粗到精的帧间配准改进ICP算法。算法通过泰勒展开简化相机位姿模型,利用求和思想建立粗配准模型,提高粗配准效率,运用SVD分解进行求解获得相机位姿粗估计,利用ICP算法进行迭代求解以提高算法精度。在特征提取与匹配阶段采用了预设双阈值策略,既保证了粗配准的精度,又确保ICP算法有足够的对应点。与ICP算法及现有改进算法RANSAC-ICP进行比较实验表明,该算法有效解决了上述ICP算法存在的问题,能达到与RANSAC-ICP算法相当的精度,且配准速度显著提高。

针对特定领航者模式的多机器人系统稳定性问题, 提出了一种基于一致性的编队控制算法。考虑系统的各个状态都能够收敛到期望的定常相对值, 利用Lyapunov稳定性理论和矩阵理论, 推导出了该类方法使多机器人编队系统达到一致的充分条件, 得到设计该条件下系统一致性协议的约束。随机设置了特定领航者模式的通信拓扑关系, 利用上述推导获得的充分条件, 进而对该算法收敛性进行分析, 并针对该模式给出一个满足条件的算法。数值仿真验证了所提算法的有效性。

惯性参数未知将导致空间机器人系统的模型不精确，使得常用的关节运动轨迹跟踪控制方法失效。针对该问题，提出一种基于自适应模糊算法的关节运动轨迹跟踪控制方法。基于模糊系统的万能逼近特性，利用参数自适应调节方法在线辨识空间机器人系统模型，解决空间机器人不具有惯性参数的先验知识和惯常线性性质的问题；设计自适应模糊控制器，实现对双臂空间机器人系统的关节空间轨迹跟踪控制；通过构造李亚普诺夫函数证明了该模糊控制系统的稳定性。数值仿真实验结果验证了所提控制方案的有效性。

针对常规增量式Graph SLAM算法的后端优化无法高效排除错误闭环影响的问题，基于iSAM算法和SC算法，提出一种鲁棒闭环的增量式Graph SLAM算法R-iSAM。R-iSAM在增量式过程中对当前时刻引入的闭环约束的转换变量进行初步近似计算，得到合理的机器人节点位姿。在离线式过程中对当前时期的所有闭环约束转换变量进行精确计算，判断当前时期闭环的正确性，并作为以后优化节点的基础。对公开的数据集进行的算法实验表明，在添加不同类型、不同数量的错误闭环条件下，所提算法对不同数据集具有良好适应性，且收敛速度满足增量式SLAM实时性要求，证明了算法的有效性。