搜索资源列表
InterferogramPhaseShift
- 干涉仪相位分析程序，可用来提取干涉条纹移动的相位信息-interferometer phase analysis program that can be used to extract the interference fringes mobile phase information
KMP匹配算法
- 由于简单模式匹配算法在一次字符比较失败后，简单的把模式串位置向前移动一个字符位置，这样就丢掉了前面字符匹配中得到的信息，效率差。所以就需要一种无回溯的算法来提高效率，这里使用KMP（Knuth-Morris-Pratt）算法。模式串前面的连续片断部分称“前缀模式”，前缀模式在模式串后部重复出现的情况可以用来避免重复进行已经做过的检查，这是KMP算法中的一个重要概念。-as simple pattern-matching algorithm to compare a character failu
SSS06.Prac3.InformationFilter.tar
- 这是移动机器人同时定位与地图创建的第三部分，主要是关于信息滤波器的（Information filter）-This is a mobile robot localization and mapping at the same time to create the third part, focusing on the information filter (Information filter)
Simulation_System_of_Unknown_Environmen
- ：以matlab工具箱的形式给出了静态及动态未知环境下移动机器人地图构建的仿真研究平 台。通过分析polaroid6500声纳、电子罗盘、编码器等传感器的工作原理建立了参数可调的传感器 模型。这些传感器为机器人提供位姿及环境信息。在分析已有基于hough变换的线段提取算法的基 础上提出了抑止。杂线段。现象的CIHT[Clus~r Inhibiting Hough Transform]算法．采用cIHT 对声蚋信息作环境特征提取，便于开展基于环境特征的未知环境地图构建算法方面的研究
12385503900
- 蚁群算法 在移动Agent迁移中的应用研究文档信息-Ant colony algorithm Ant Colony Algorithm in Mobile Agent Migration in the Applied Research Document Information
Sensor_Information_Fusion_and_Its_Application_in_R
- 传感器信息融合及其在机器人中的应用 摘要：多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息，可以获得系统所需的 更准确和更精确的信息。介绍了神经网络融合方法，探讨了信息融合技术在机器人方面的应用。机器 人避障实验验证了所提方法的有效性。 关键词：多传感器信息融合(MIF)；神经网络；移动机器人；避障；-Sensor Information Fusion and Its Application in Robot Summary: Multi-sensor data f
UnknownEnvironmentBasedonFuzzyNeural
- ：为提高移动机器人在未知环境下避障行为的成功率，通过对障碍物信息的输人，从控制输出数据中找出避 障行为模式，生成相应的模糊逻辑控制规则，并把模糊控制算法引入到神经网络中，使得模糊控制器规则的在线精 度和神经网络的学习速度均有较大的提高，使移动机器人具有较为迅速的反应能力，实现机器人连续、快速地避障 并最终到达目标．系统仿真证明了模糊神经网络在移动机器人路径选择中的智能性．-To enable the mobile robot in unknown environment obstac
checkSinputs
- 根据手机号码判断城市，需要手机号码7字段对应城市的信息。-According to cell phone number to determine the city, needed a mobile phone number 7 corresponds to the city' s information field.
BP-
- 基于改进BP 神经网络的移动机器人寻线控制神经网络系统具有自学习和自适应的能力，同时有很强的容错性和鲁棒性，适用于处理难于语言化的模式信息。为使移动机器人沿地面标志线自主运动，采用CCD 图像传感器与PC/104总线相结合的硬件系统，运用神经网络的模式识别功能，实现了机器人的寻线控制，实验结果表明该方法是可行的，能有效地提高移动机器人对环境的适应性和其智能化水平。- Neural Network has the ability of self-learning and self-adaptati
neural-network-of-multi-sensor
- 基于模糊神经网络的多传感器信息融合，提出了一种简单、有效的分区算法来确定障碍物的距离和方位。采用BP神经网络对障碍物环境进行分类以及模式识别，为移动机器人的导航和避障提供了一种有效的方法。-Fuzzy neural network based multi-sensor information fusion, we propose a simple and effective algorithm to determine the partition barrier distance and dir
vSLAM
- 基于视觉信息的移动机器人同步地图创建与定位(vSLAM)问题是机器人自主导航技术的关键，已经成为自主移动机器人面临的重要基础性难题。-Mobile robot based on visual information synchronized map building and localization (vSLAM) is the key autonomous navigation technology has become an important autonomous mobile robot
Improved-Ant-Colony-Optimization
- 将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题 设置自适应路径长度,筛选规划路径的优劣 提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.-The improve
模糊控制用于机器人避障
- 智能小车是移动机器人的一种，可通过计算机编程来实现其对行驶方向、启停以及速度的控制。要想让智能小车在行驶过程中能成功地避开障碍物，必须对其进行路径规划?，路径规划的任务是为小车规划一条从起始点到目标点的无碰路径。路径规划方法有：BP人工神经网络法（Back Propagation）、机器学习（Reinforcement Learning）、以及模糊控制（Fuzzy Control）方法等。模糊技术具有人类智能的模糊性和推理能力，在路径规划中，模糊推理的应用主要体现在基于行为的导航方式上，即将机器
Desktop
- 移动机器人自主避障系统的设计方法多种多样，其中基于模糊控制的机器人避障系统主要是利用模糊逻辑控制器对机器人周围环境信息进行分析和判断，并规划出一条到达目标点的无碰撞路径。该方法有着占用资源小，反应迅速，并能应对相对复杂的外部环境。本文主要以基于模糊控制原理对移动机器人避障路径规划所作的相关研究为主要内容。(There are many ways on autonomous mobile robot obstacle avoidance system designing, which bas
Geolife Data 1.3
- Geolife GPS 轨迹数据集–用户指南 这一 GPS 轨迹数据集是在 (微软研究亚洲) Geolife 项目中收集的, 178 用户在四年 (2007年4月至 2011年10月) 期间。该数据集的 GPS 轨迹由一个时间戳点序列表示, 每一个都包含纬度、经度和高度信息。该数据集包含17621个轨迹, 总距离为1251654公里, 总持续时间为48203小时。该轨迹数据集可以应用于移动模式挖掘、用户活动识别、基于位置的社交网络、位置隐私和位置推荐等多个研究领域。(Geolife GPS t