针对传统STC(时空上下文)算法的不足,在灰度特征的基础上,加入能表征局部区域灰度值变化程度的LWIE(局部加权灰度信息熵)特征,并利用红外目标与周围背景的局部对比度特征,对当前跟踪的每一个目标建立评估模型,以确定当前跟踪的目标准确有效.实验表明:该算法能准确地跟踪红外小目标,且具有良好的抗干扰性、实时性和鲁棒性.

基于深度学习方法,运用Faster R-CNN目标检测架构和ZFNet卷积神经网络,针对微装配系统目标的特点对网络进行训练,在此基础上设计了一个网络对识别目标进行姿态检测.实验结果表明:采用深度学习方法可以有效地对部分遮挡的目标进行识别并检测其姿态,相比于传统方法,该方法对环境适应性更强且速度更快,具有实际应用价值.

针对传统带钢表面缺陷检测方法在实际生产过程中检测精度低、实时性差的问题,提出一种基于复合差分进化的Gabor滤波器优化方法．首先,将采集到的图像进行预处理,获取高质量图像;然后,针对传统Gabor小波滤波器参数较多和算法实时性不高两大难题,提出了一种复合差分进化的Gabor滤波器优化方法,对参数和方向分别做了改进,较大提升了检测效率;最后,对显著性缺陷目标进行阈值分割,完成带钢表面缺陷检测．实验结果表明:该优化算法复杂度低、检测效率高,优化后的Gabor检测模型在速度上比传统Gabor检测模型快了约23倍,平均速度达到了91.8 ms／帧．

为了解决欠驱动双足机器人行走的控制问题,提出一种欠驱动平面双足机器人稳定步行控制方法和策略.首先,分析带有身体惯量的倒立摆模型的动力学特性,根据动力学模型和姿态信息,设计姿态稳定控制器,维持机器人身体姿态的稳定.然后,根据欠驱动量的动力学方程和行走速度反馈,设计行走速度稳定控制器.通过调整摆动腿步长的策略,实现速度稳定的连续行走.最后,在双足机器人上开展实验,验证了该控制方法和策略的有效性.

提出一种自适应参数目标图像恢复算法,实现对红外小目标的检测.首先,提取红外图像的稀疏特征,同时计算图像的复杂度,并设计一种融合机制生成自适应加权参数;然后,将原始图像重组为具有低秩稀疏特性的运算矩阵,采用上述的自适应参数非精确拉格朗日乘子法求解鲁棒主成分分析(RPCA)最优化问题还原出低秩矩阵(背景图像)和稀疏矩阵(目标图像);最后,对目标图像进行阈值分割并标定目标.实验结果显示:该算法能有效检测出小目标,同时具有较低的误检率.

提出一种基于加权核范数最小化的红外弱小目标检测方法.该方法将原始红外图像转化为新的红外块图像模式,在红外块图像上,以鲁棒主成分分析(RPCA)为基础,将图像数据矩阵分解为一个低秩矩阵和一个稀疏矩阵;针对RPCA模型对复杂背景描述能力弱的不足,引入了加权核范数来更好地描述背景的低秩特性,并给出了相应的优化求解算法;同时,给出了一种自适应阈值分割方法,准确地从稀疏目标图像中提取出弱小目标.基于天空、海洋、山地、沙漠4种不同场景进行红外弱小目标检测,并比较了该算法和已有算法的性能,结果表明:该算法能有效地降低复杂背景边缘产生的虚警,提高目标检测准确率.

为了解决三维复杂环境下的无人机航迹规划问题,提出一种基于改进灰狼优化算法的无人机三维航迹规划方法.模拟真实的地理环境,建立三维地形模型和禁飞区模型,构造合理的评价函数. 在改进算法中,设计一种基于贪婪思想和变异策略的初始化方法,提升了初始种群的平均适应度值;将一种非线性递减函数引入距离控制参数,解决了灰狼优化算法开发能力不足的问题;设计一种动态加权平均和静态平均混合的位置更新策略,解决了灰狼优化算法位置更新策略不灵活的问题.仿真结果表明:该算法相比于其他几种相关算法,航迹代价较小、收敛速度较快且效果更稳定.

为了监测核聚变试验装置的日常运转状况,代替人类进入舱内完成探测作业任务,设计一种具有蛇形多关节结构的遥操纵机器人系统.该系统由前端的双重观测机构、中部的多个悬空机械臂和后端的直线轨道推进装置组成.通过对系统各部分的结构设计及功能分析,确立了组合式悬空机械臂各关节的主要参数指标.对机器人系统的探测工作空间以及机械臂的运动和力学特性进行了仿真分析,实际构建了机器人原理样机以及核聚变舱的模拟几何环境.对原理样机的基本运动及观测性能进行了实验测试,测试结果验证了所设计的机器人系统的可用性和有效性.

为了解决人体直立扰动平衡过程中踝关节力矩的控制问题,提出一种基于肌电信号的肌肉反射模型和基于踝关节角度及角速度信息的比例微分环节反馈力矩控制模型,对人体控制机理做初步阐释.实验者站于测力平台上,受施加于背部的微小冲击,保持膝、髋关节不弯曲,仅通过踝关节转动维持站立稳定.通过惯性测量单元、肌电仪及测力平台获取运动学及动力学信息.采用数据拟合获取模型参数,结果表明模型预测结果与实验测量数据相符.

为了解决复杂场景下手势识别的问题,将基于区域的全卷积网络(R-FCN)用于手势识别.为了使网络适应复杂场景,利用在线难例挖掘技术对手势识别过程中产生的难例进行在线学习,并结合手的特征对网络参数进行优化调节.实验结果表明:基于R-FCN的手势识别方法能准确地从复杂场景中识别手势,识别率达到99.73％.

为了提高肌电假手模式识别和速度比例控制准确率,提出一种基于肌电复杂度特征和支持向量机的比例控制假手方法．提取能够表征动作复杂度的Lempel-Ziv复杂度和平均功率作为表面肌电特征,输入支持向量机,对握拳、伸拳、腕伸及腕屈四个动作进行识别,同时通过三次样条插值方法对动作过程的肌电平均功率和动作速度进行拟合,实现假手的速度比例控制．实验表明:该方法取得了94.18％的动作模式平均识别率和8%以内的比例控制误差．

提出一种基于高斯混合模型与地球移动距离的点集配准算法．将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值．在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果．该方法对点集配准中常见的噪声、外点、结构缺失等问题具有较强的鲁棒性．公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法．

提出一种基于家庭本体知识库的服务决策机制的设计方法.首先,围绕网络中存储的与家庭服务相关的半结构化文本信息初步构建训练数据集.其次,基于与家庭服务相关的本体知识库构建信息提取机制,针对初步数据集包含的物品信息提取知识库中对应的服务物品属性信息;基于长短时记忆网络(LSTM)设计一种学习模型并命名为服务决策机制,该机制利用知识库作为常识部分进行辅助推理,生成与服务请求对应的决策信息.最后,针对决策信息进行对比实验.实验结果表明:将本体知识库作为常识部分辅助推理,能够提高决策信息的准确性.

为了避免机器人姿态规划中反复加减速运动,节省时间,提出一种基于球面贝塞尔曲线的过渡和插补方法,用于相邻运动指令之间的姿态过渡．首先,将相邻指令的起始姿态和终点姿态表示为四元数;然后,提出球面贝塞尔曲线控制顶点的选择方法,并分析了该方法的连续性;最后,利用对球面贝塞尔曲线求导和S型加减速方法给出了插补方法,并考虑了计算的简便性．在六自由度机器人上的实验表明:角速度和旋转轴快速地过渡到下一条指令的状态,具有较好的平滑性．插补过程采用迭代求导方式,具有很好的计算简便性.

针对人与机器人共存环境中的机器人导航问题,提出一种基于行人间交互意图检测的服务机器人导航方法.首先,融合RGBD(红-绿-蓝-深度)信息和激光信息获取准确的行人运动轨迹,从行人轨迹中提取交互意图特征,基于贝叶斯理论检测出行人间是否存在交互意图;然后,将存在交互意图的行人之间区域设置为交互区域;最后,在地图中的交互区域设置临时障碍物,使机器人路径规划避开交互区域.实验结果证明了所提方法的有效性.

为了提高航姿参考系统跟踪人体行走位移的能力,抑制垂直方向位移的严重漂移,在系统中加入高度计芯片BMP180,并提出了基于互补滤波的信息融合算法,用于提高定位精度．分析发现:漂移是加速度二次积分过程中误差累计造成的,时间越长,精度越差;与之相对,高度计的测量结果几乎没有漂移,但短时精度很低;互补滤波融合了两者的优势,取长补短,提高了垂直方向位移的估计精度．新增加的芯片BMP180价格低廉,互补滤波算法计算量小,实验结果表明垂直方向位移的漂移已经完全消除.

针对如何基于示范任务学习让机器人自主获得完成新任务的能力的难题,提出一种高斯混合回归结合路径积分策略提升(GMR-PI2)的表达、模仿和优化框架,同时采用基函数、策略表达权系数两个空间上交替搜索执行方案来解决上述问题．核心思想是当权系数探索到最佳逼近点附近时,根据经验最优轨迹集进行基函数的自重组,然后再重启权系数搜索,从而实现从示范任务到指标集约束任务的渐进运动技能获取．经典的轨迹规划过点实验结果表明该方法是有效和可行的．

针对可见光图像中靠岸舰船的灰度、纹理等特征的自动检测比较困难的问题,提出一种基于港口匹配和海域分割的靠岸舰船检测方法．根据飞行器实时返回的姿态信息,将港口模板变换到实时图同一视角下进行港口配准,确定实时图海域部分,再对海域进行分割,检测出舰船．采用基于边缘梯度矢量的港口配准方法,克服岸内边缘干扰,提高匹配精度．提出一种特征融合聚类结合生长的分割算法,解决灰度不均匀导致的分割后舰船断裂现象,优化海陆分割效果．试验结果证明了该方法的有效性和鲁棒性.

为了解决监控视频中对大量不同类型的运动目标进行运动轨迹预测的问题,系统地提出了对多类目标的轨迹预测流程;在社交力模型的基础上,探讨了一种新的以惯常速率为聚类对象的运动模式特质分类方法,并应用这种方法在Stanford Drone数据库上取得了领先的结果．该方法可以使目标轨迹预测的研究对象拓展到除行人以外的其他任何移动目标,如汽车、自行车等运动物体,并对它们的运动轨迹进行有效预测．该方法在实现高精度预测的基础上,极大地缩短了目标分类所用的时间,分类效率的提高达5个数量级.

为了实现精确的人体步态检测并实时反馈给机器人系统,设计了一种基于惯性传感器的无线传感器节点,在此基础上研发了一套无线穿戴式传感系统.基于人体下肢模型,提出一种可靠的步长和步向检测算法.使用五个自主设计的低成本惯性传感器节点固定在人体下肢和腰部,实现了相对精确的步态测量.为了进一步提高测量精度,利用回声状态网络对整个系统测量误差进行校正,校正后步长测量误差小于3.5 cm,步向测量误差小于4.5°.实验结果表明该系统与方法能够实现高精度的步态检测.

为帮助机器人根据自然语言表达定位环境中的物品,提出一种快速、端对端的基于自然语言表达的目标检测算法:同时训练一个卷积神经网络与一个循环神经网络来学习视觉与文本信息．循环神经网络用于将自然语言编码为向量,卷积神经网络用于获取图片中的区域特征信息．对比图片中的区域特征与自然语言特征,相似度高的即为目标区域．在开源数据库UNC-Ref与G-Ref中训练并测试了该模型,证明了该模型的快速性与准确性.

针对舵桨联动式欠驱动水下机器人定深巡航任务,在运动学阶段设计关于垂向深度差的渐近视线制导角,从而将定深跟踪过程中垂向和俯仰的耦合控制转变为单一可控的俯仰控制,解决水下机器人垂向自由度上欠驱动特性.基于反步法技术在动力学阶段构建全系统李雅普诺夫函数,避免了运动学子系统与动力学子系统合成引起的复杂级联分析,提高了算法的艇载移植性.仿真结果表明:所设计的控制器对未知海流干扰具有一定的鲁棒性,能够确保欠驱动水下机器人准确跟踪期望的深度.

针对人机象棋对弈中变动棋子的快速捕捉问题,提出了一种在动态环境下快速捕捉变动棋子的方法.首先,采用背景差分法判断出棋盘上存在运动目标,使用肤色检测和人手跟踪获取人手运动轨迹,根据运动轨迹变化判断出人手已经落子.然后,获取最新的帧图像与背景图像的差分图像,帧图像再经过肤色检测处理得到对应的运动目标图像,运动目标图像与差分图像进行差分获取最终差分图像.最后,扫描最终差分图像获得两小块白色区域坐标,在提取的帧图像中相同坐标处定位识别棋子,在人手尚未离开棋盘时完成捕捉过程.采用该方法与全棋盘扫描法进行对比实验,实验结果表明:该方法可以在各种人手操控棋子的情况下可靠地捕捉到变动棋子;相比于普通的全棋盘扫描法,棋子捕捉的效率提高了36.27％.

为研究不同运动模式下基于肌电信号的下肢多关节连续运动预测,通过支持向量机对肌电-运动的映射关系进行训练,实现对下肢髋、膝和踝3个关节矢状面内的连续运动预测.由10位健康受试者的运动预测和统计分析可知:在适速行走过程中,髋、膝和踝关节的关节角度预测均方根误差分别9.36°,10.82°和6.87°;在不同运动模式下,关节的运动预测值与测量值之间均表现出一定的相关性,其中,膝和髋关节的预测值与测量值之间相关系数均大于0.72,表现出比较明显的相关性.实验结果表明:基于肌电信号进行下肢多关节连续运动预测,尤其是在适速行走时对膝和髋关节的运动预测是可行的.