信息与控制杂志

信息与控制杂志2025年第6期

• 基于多尺度冗余特征的轻量化特征融合模块

  汪正华, 王予, 倪梓豪, 杨永良

  针对卷积神经网络在计算机视觉任务中表现优异，但常面临较长的推理时间、较大的参数量和计算量的问题，研究发现层次化卷积神经网络中存在多尺度特征冗余，并基于此开发了一种高效的多尺度特征融合模块——混合与差异增强模块。该模块由混合块与差异增强块组合而成：混合块合并冗余特征，利用冗余特征强化特征学习能力；差异增强块关注特征之间差异，优化模块在小样本任务中的表征能力。将混合与差异增强模块嵌入在不同任务的多个网络模型中。实验结果表明，混合与差异增强模块作为即插即用模块，能在无需对现有模型架构进行复杂的调整的情况下减少参数量、计算量和提升推理速度，同时具有更优异的特征表征能力，显著提高了性能。

• 曲折障碍场景下无人机的动态路径规划

  赵紫彤, 秦宁宁, 孙虎, 张欣, 王艳

  为加速无人机在复杂障碍物环境中对长曲折路径的优化过程，提出一种基于动态椭圆域采样的DE-RRT*(DynamicEllipse-RRT*)路径规划算法。首先，针对路径规划过程中由高随机采样导致的局部不规则转向问题，为明晰主干方向，利用滑动窗口法对路径进行方向调整与切分。随后，引入随机断点与自适应迭代门限策略，构建小椭圆域以针对性地优化路径子段，依据子段长度调整迭代次数以节约计算资源。接着，将椭圆焦距作为启发式信息，用于概率直推生长点，加快搜索更优路径；消除路径冗余节点，并对路径转角进行平滑处理，以生成更适合无人机应用的实际路径。最后，分别在包含多转角与密集障碍物的复杂2维环境下进行算法比对。实验结果表明，在环境及参数配置相同的条件下，所提方案能够在相同或较短时间内寻得更优路径。

• 自适应关键帧选取的半直接动态RGB-D SLAM算法

  廖中平, 郝治国, 谢烽, 吕世宁

  针对传统SLAM (Simultaneous Localization And Mapping)算法在关键帧选取上存在过于刚性、有冗余，以及动态SLAM实时性和在复杂场景下鲁棒性差的问题，提出一种轻量级半直接动态RGB-D SLAM算法。首先，提出多层级FAST (Features from Accelerated Segment Test)动态特征剔除算法，将稀疏对齐法与Shi-Tomasi计分函数融合，在剔除动态物体特征点的同时降低运算耗时，提高对动态环境的鲁棒性。然后，提出一种自适应关键帧选取阈值策略，根据帧间信息差异动态调整阈值，提高定位精度并减少冗余关键帧。最后，加入稠密建图模块，能够在动态环境中去除动态物体，同时保留了原始静态环境。在TUM的动态数据集和OpenLORIS-Scene数据集上的实验结果表明，在低动态环境下轨迹精度较ORB-SLAM3(Oriented FAST and Rotated BRIEF SLAM3)提高约47%，在高动态环境下提高约90%。与其他4种动态SLAM算法相比，绝对轨迹误差、建图误差及每帧平均耗时分别至少降低23%、42%和26%，并在稠密建图模块中较为完整地还原了真实场景。

• 基于指令滤波的柔性关节空间机器人固定时间轨迹跟踪控制

  洪梦情, 顾秀涛, 印杰, 郭毓

  针对受到外部扰动和存在模型不确定性的柔性关节自由飞行空间机器人在运动过程中易产生弹性振动，导致机械臂末端控制精度降低的问题，提出了一种非奇异固定时间指令滤波反步控制方法。首先，针对反步控制中虚拟控制律多次求导造成的“计算爆炸”问题，采用了一种固定时间指令滤波器来获取虚拟控制律导数。进一步为消除指令滤波器引起的滤波误差，提出了一种非奇异固定时间滤波误差补偿算法，以提高系统的跟踪精度。基于李雅普诺夫稳定性理论设计了指令滤波反步控制器，该控制器能够保证系统的跟踪误差在固定时间内收敛到原点。仿真结果表明，所设计的控制器具有较快的收敛速度和较高的跟踪精度。

• 越野环境下基于多维度评分模型的多传感器自适应融合定位算法

  魏鸿扬, 魏国亮, 蔡洁, 纪周

  针对越野环境中复杂地形和抖动等因素容易引起传感器退化，进而影响视觉惯性里程计(Visual-Inertial Odometry，VIO)性能的问题，提出了一种基于多维度评分模型的全球导航卫星系统(Global Navigation Satellite System，GNSS)与VIO的自适应融合算法。首先，在初始化阶段构建状态变量扩展窗口，以估计坐标系变换，并利用插值算法减小时间同步误差。其次，通过结合运动、旋转和一致性三个维度，构建评分模型实时评估传感器数据的可靠性。根据评分结果，自适应调整传感器的噪声协方差矩阵，从而优化数据融合效果，降低传感器退化带来的影响。最后，在野外农田场景及校园内的3种真实越野场景中进行实验，结果表明，所提算法能够有效改善传感器退化问题，显著提高了VIO系统的定位精度(平均提高79%)。与专为农田环境设计的紧耦合GNSS-VIO算法GSI-SLAM相比，平均定位精度提高了37%。

• 基于状态分解的多智能体隐私保护一致性控制

  马文龙, 曾昭龙, 胡啸峰

  针对2阶连续时间多智能体系统中节点的隐私保护问题，提出了一种基于状态分解的一致性控制方法。首先，将每个节点随机分解为两个子节点，节点之间的通信只交换其中一个子节点的信息，从而保护节点的隐私。其次，在具有有向通信拓扑的2阶系统中，设计了动态一致性和静态一致性的控制协议，基于矩阵理论分析了系统的稳定性和收敛性，并将结论扩展到具有无向通信拓扑的系统和具有领导者和跟随者的系统。仿真结果表明，所提方法能够在保护系统隐私的同时实现精确的一致性控制。

• 基于监督学习的双足机器人触地事件检测方法

  陈弘毅, 侯运锋, 李家龙, 李清都

  针对传统触地检测方法在非结构化地形中易受传感器噪声和动态复杂性影响，难以保证鲁棒性，且依赖足底力传感器的方案对某些机器人应用存在局限的问题，研究开发了一种基于监督学习的双足机器人触地事件检测算法，以帮助不变扩展卡尔曼滤波器获取准确且低成本的触地信号，从而实现精准的状态观测。首先，建立了触地事件的状态机模型，分析了触地事件的类型及其转换过程。然后，收集了机器人的传感器数据，包括惯性测量单元(Inertial Measurement Unit，IMU)、编码器、电流和足底力传感器数据及基于机器人运动学推算的脚底高度和z轴速度，使用互信息法进行特征选择，最终保留16维特征。最后，采样历史特征信息，通过聚类方法构建图编码，并将编码结果输入1维卷积神经网络(One-Dimensional Convolutional Neural Network，1DCNN)以提取时间信息，对脚底受力情况进行回归分析并对触地事件进行分类。实验对比了电流检测和神经网络分类等触地检测方法。实验结果表明，本方法在平地行走时表现优异。同时算法表现出较强的泛化能力和鲁棒性，在复杂地形中较传统方法优势显著。本方法克服了传统触地检测方法对足底力传感器的依赖，为机器人触地检测提供了一种高效、低成本的解决方案。

• 基于采样区域限制RRT的机械臂路径规划算法

  何波, 李虓, 徐胜军, 刘光辉

  针对传统RRT (Rapidly-exploring Random Tree)算法在进行机械臂路径规划时存在的采样随机性过大、搜索效率低下、所规划的路径曲折等问题，提出一种基于采样区域限制的改进RRT (Sampling Area Restriction RRT，SAR-RRT)算法。首先，针对随机性过大的问题，通过引入目标偏置策略来增强随机树的目标导向性，并采用球形采样区域以及角度限制策略对算法的采样进行约束，减少算法对无用空间区域的探索。其次，为提升算法的搜索效率，对随机树的节点扩展进行自适应优化，采用多步长扩展，使算法能够充分利用环境与障碍物的信息，同时利用贪婪思想加快随机树的收敛从而缩短路径的生成时间。最后，对初始规划出的路径进行二次优化处理，在去除路径中的冗余点后以三次B样条曲线对路径进行平滑处理，提升所规划路径的质量。实验结果表明，在2维及3维场景下，SAR-RRT算法均可以顺利完成路径规划任务。对比传统RRT算法，改进算法总体上使路径长度降低27.73%，规划时间缩短85.25%，采样点数减少87.19%且所生成的路径更加平滑。

• 基于加权监督和双重映射的随机配置网络炉温预测模型

  严爱军, 臧欣妍

  为了提高城市固废焚烧(MSWI)过程炉温数据驱动预测模型的鲁棒性和准确性，提出了一种利用加权监督和双重映射改进标准随机配置网络(WS-DM-SCN)的建模方法，用于构建炉温预测模型。首先，根据核风险敏感平均p损失函数设计了一个加权矩阵，将其嵌入到SCN的监督机制中，在噪声影响时约束连接权重、偏置参数的配置；其次，将Softplus函数与Sigmoid函数进行线性组合后作为SCN隐含层的激活函数，实现训练过程中隐含层特征的双重映射变换。理论上证明了应用上述两种改进策略时的SCN模型的收敛性。对比实验结果表明，WS-DM-SCN在不同比例异常值影响下的误差都得到了降低，验证了所提方法的有效性。

• 基于边图重构权重模型的位姿图优化算法

  郑劲康, 魏国亮, 蔡洁, 冒凡, 简单

  基于图优化的同时定位与建图(Simultaneous Localization and Mapping，SLAM)系统中，错误闭环边的存在会干扰图优化器的收敛，导致优化速度下降，从而降低了SLAM系统的精度和鲁棒性。因此，针对错误闭环边，提出了基于边图重构权重模型的位姿图优化(Edge Graph Reconstructed weight model for Pose Graph Optimization，EGR-PGO)算法，有效提高位姿图优化算法的鲁棒性。该算法引入边图转换模型，利用PageRank算法，对权重函数的参数进行动态调整，从而实现对闭环边权重的优化。在每次迭代过程中，该算法都会依据残差的变化量和闭环边的长度再次剔除错误闭环边，以降低错误闭环边对优化过程产生的干扰。最后，在PGO数据集上进行蒙特卡洛实验。实验结果验证了EGR-PGO算法的快速性和鲁棒性及剔除错误闭环边时的有效性。