由于在非结构环境中，空间羽流的非连续、不稳定、不确定特性突出，使得部分羽流运动存在典型的间歇性特点，从而使得传统基于嗅觉或视/嗅觉融合的方法无法有效可靠地追踪羽流并进行源定位，在羽流寻源过程遇到较大地挑战，亟待研发一种能够在间歇性羽流寻源的可靠方法。因传统多传感器融合的羽流寻源方法对羽流的物理、化学特性未能充分地利用，导致大量潜在的信息舍弃，当机器人无法接触羽流的情况下，易使寻源效率不足或失败。由于不同成份的羽流在光谱成像方面存在着差异，部分羽流具有较明显的色彩、灰度、纹理等物理特征，因此可通过高光谱成像来获得羽流视觉信息，提取其物理、化学特征；反之，即使部分羽流无明显的物理特征，仍可通过高光谱成像提取其化学特征。因此，本发明在寻源机器人基本感知（化学、流向/流速）基础上，采用一种由高光谱成像来获得羽流的视觉信息，提取羽流的物理、化学特征，对机器人无法接触到的羽流也具备非接触检测能力。此外，通过F‑DARTS的基础网络架构，借鉴自主发育网络的参数演进思想，来探索非结构环境下的机器人羽流寻源自主追踪方法，提升寻源效率和可靠性，为机器人在多模态间歇性羽流寻源中提供可靠的视觉信息处理与分析能力保障。
声明：
“机器人多模态间歇性羽流寻源自主追踪方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
945
编辑：管理员
来源：北方有色网
咨询细节
