摘要：为了解决未知环境下的单目视觉移动机器人目标跟踪问题,提出了一种将目标状态估计与机器人可观性控制相结合的机器人同时定位、地图构建与目标跟踪方法。在状态估计方面,以机器人单目视觉同时定位与地图构建为基础,设计了扩展式卡尔曼滤波框架下的目标跟踪算法;在机器人可观性控制方面,设计了基于目标协方差阵更新最大化的优化控制方法。该方法能够实现机器人在单目视觉条件下对自身状态、环境状态、目标状态的同步估计以及目标跟随。仿真和原型样机实验验证了目标状态估计和机器人控制之间的耦合关系,证明了方法的准确性和有效性,结果表明:机器人将产生螺旋状机动运动轨迹,同时,目标跟踪和机器人定位精度与机器人机动能力成正比例关系。

摘要：分析了传统军事训练考核系统中数据处理方法的不足,提出了基于联机分析处理技术的军事训练考核数据仓库模型设计方案,介绍了其概念模型、逻辑模型、物理模型的设计方法。以VisualBasic语言和MicrosoftAnalysisService为基础阐述了该模型的实现方法。

摘要：为了解决机器人同时定位,地图构建与目标跟踪(SLAMOT)过程中的多源,异构传感器空间一致性观测问题,提出了基于信息融合的摄像机与激光测距传感器联合标定优化方法。完成基于误差传播公式的激光扫描点图像平面投影不确定范围判定,并利用协方差交集算法实现基于运动物体检验方法和基于Camshift方法的图像坐标系下目标状态融合。在此基础上,利用目标图像平面投影方向误差构造目标函数,通过非线性优化方法实现摄像机与激光测距仪标定参数优化。实验验证了设计方法能有效提高目标跟踪以及多传感器参数标定的准确性。相关成果能够为基于多传感器信息融合的机器人同时定位,地图构建与目标跟踪滤波方法研究提供观测值支持。

摘要：随着深度学习的发展,卷积神经网络在各种视觉任务中都具有优越的性能;特别是在二维图像分类上,更是获得了很高的分类精度。针对于高光谱图像分类问题,设计了一种新的卷积运算;利用高光谱图像谱-空联合信息建立三维卷积神经网络对其进行分类;并针对高光谱图像样本不均匀性,在网络输出不同类别加入不同的权重加以训练。通过对两个公开高光谱图像数据集的测试,相对于传统方法,能够得到更高的分类精度,表明卷积神经网络对高光谱图像具有更强的特征表达能力。

摘要：针对未知环境下移动机器人多目标跟踪问题,设计了一种基于联合概率数据关联的粒子滤波算法。该算法利用联合概率数据关联方法对Rao-Blackwellized粒子滤波算法进行改进,使机器人能够完成未知环境条件下对自身状态、环境特征状态和多目标状态的在线联合估计。算法将系统状态变量分为代表多目标、环境特征状态的线性变量和代表机器人状态的非线性变量,并利用联合概率数据关联Kalman滤波和粒子滤波对系统状态进行更新。通过仿真实验证明了该算法对机器人状态、环境特征状态以及多目标状态的估计准确性,验证了算法对未知环境下多目标的跟踪能力。

摘要：针对课程的教学现状,文章围绕人工智能类课程的教学改革与实践展开研究,并对其在军事智能领域的赋能辐射作用和方式进行了探索。在课程的规划设置、教学体系和内容的设计与优化、教学方式的改进、考核方式的创新,以及课程教学向科研学术、技术应用、作战运用的赋能辐射等方面进行了一系列改革实践,提出了措施。