传统的基于数据关联的同时定位与建图(simultaneous localization and mapping,SLAM)方法易引起观测与目标之间的误匹配,进而导致位姿估计精度下降.结合柱状特征提取方法和随机有限集理论,提出一种基于序贯蒙特卡罗实现的车辆3D激光SLA...传统的基于数据关联的同时定位与建图(simultaneous localization and mapping,SLAM)方法易引起观测与目标之间的误匹配,进而导致位姿估计精度下降.结合柱状特征提取方法和随机有限集理论,提出一种基于序贯蒙特卡罗实现的车辆3D激光SLAM方法.利用M估计抽样一致性算法从分割后的点云中提取稳定的柱状特征,捕获单帧点云中的静态存活特征和新生特征;在Rao-Blackwellized-概率假设密度同时定位与建图(Rao-Blackwellizedprobability hypothesis density-simultaneous localization and mapping,RB-PHD-SLAM)框架中引入两种特征,并运用序贯蒙特卡罗方法完成车辆轨迹概率密度和地图后验强度在帧间的传递,实现对环境特征和车辆位姿的同时估计.模拟数据集和KITTI数据集试验结果显示,与经典的FastSLAM算法相比,本文算法使车辆定位精度提升44.99%,并使环境特征位置估计和环境特征数量估计的平均误差分别降低49.24%和56.22%,显著提升了SLAM的运行精度和鲁棒性,有助于保障智能汽车的运行安全.展开更多
相对于传统切削加工方法,采用冷挤压工艺成形的筒形件可降低能耗、提高材料的利用率。采用DEFORM-3D有限元软件模拟分析了筒形件在挤压成形中金属流动的规律、等效应力、等效应变、最大主应力以及加载载荷等。研究结果表明:该筒形件挤...相对于传统切削加工方法,采用冷挤压工艺成形的筒形件可降低能耗、提高材料的利用率。采用DEFORM-3D有限元软件模拟分析了筒形件在挤压成形中金属流动的规律、等效应力、等效应变、最大主应力以及加载载荷等。研究结果表明:该筒形件挤压分为正挤压和反挤压2个阶段,整个挤压过程中模具载荷先平稳升高,然后急剧上升,最后阶段缓慢波动下降,所需最大成形力约为4 570 k N。生产验证表明,试制产品与模拟结果一致性较好,简化了加工工序,可以大大提高生产效率。展开更多
文摘传统的基于数据关联的同时定位与建图(simultaneous localization and mapping,SLAM)方法易引起观测与目标之间的误匹配,进而导致位姿估计精度下降.结合柱状特征提取方法和随机有限集理论,提出一种基于序贯蒙特卡罗实现的车辆3D激光SLAM方法.利用M估计抽样一致性算法从分割后的点云中提取稳定的柱状特征,捕获单帧点云中的静态存活特征和新生特征;在Rao-Blackwellized-概率假设密度同时定位与建图(Rao-Blackwellizedprobability hypothesis density-simultaneous localization and mapping,RB-PHD-SLAM)框架中引入两种特征,并运用序贯蒙特卡罗方法完成车辆轨迹概率密度和地图后验强度在帧间的传递,实现对环境特征和车辆位姿的同时估计.模拟数据集和KITTI数据集试验结果显示,与经典的FastSLAM算法相比,本文算法使车辆定位精度提升44.99%,并使环境特征位置估计和环境特征数量估计的平均误差分别降低49.24%和56.22%,显著提升了SLAM的运行精度和鲁棒性,有助于保障智能汽车的运行安全.
文摘相对于传统切削加工方法,采用冷挤压工艺成形的筒形件可降低能耗、提高材料的利用率。采用DEFORM-3D有限元软件模拟分析了筒形件在挤压成形中金属流动的规律、等效应力、等效应变、最大主应力以及加载载荷等。研究结果表明:该筒形件挤压分为正挤压和反挤压2个阶段,整个挤压过程中模具载荷先平稳升高,然后急剧上升,最后阶段缓慢波动下降,所需最大成形力约为4 570 k N。生产验证表明,试制产品与模拟结果一致性较好,简化了加工工序,可以大大提高生产效率。
