自动检测图像中的裂纹或细分裂纹可以帮助降低维护或操作的成本。在具有挑战性的背景场景中检测，测量和量化裂纹进行遇险分析是一项艰巨的任务，因为没有明确的边界可以将裂缝与背景区分开。开发的算法应应对与数据相关的固有挑战。一些感知引人注目的挑战是颜色，强度，深度，模糊，动作，方向，不同感兴趣的区域（ROI）（ROI），用于缺陷，尺度，照明，复杂和挑战性背景等。班级）和图像（裂缝内变异性）。总体而言，存在明显的背景（间）和前景（类内）的变异性。在这项工作中，我们试图减少这些变化在具有挑战性的背景方案中的影响。我们提出了一种随机宽度（SW）方法来减少这些变化的效果。我们提出的方法可提高可检测性，并大大减少误报和负面因素。我们已经通过平均值，假阳性和负面的以及主观的感知质量来客观地衡量算法的性能。
translated by 谷歌翻译
在本文中，我们提出了一种控制策略，以解决模仿卫星运动的平面浮动平台（Slider）的安全自动对接问题。 Slider采用拟议的策略，以正确的方向接近对接端口，保持安全的距离，同时始终在整个对接操作中的对接端口上保持视觉锁定。控制障碍功能旨在强加安全，进近方向和视觉锁定限制。滑块的三个控制输入在执行约束时共享三个障碍函数。事实证明，控制输入以无冲突的方式共享，以渲染定义安全性和视觉锁定约束向前不变的集合，并在建立有限的时间收敛到视觉锁定模式时。无冲突的输入共享确保了二次程序的可行性，该程序为标称控制器生成最小侵入性的校正，旨在跟踪对接端口，因此在整个码头操作中都尊重屏障约束。提出的控制设计方法的功效通过各种模拟得到验证。
translated by 谷歌翻译
为了使机器人系统在高风险，现实世界中取得成功，必须快速部署和强大的环境变化，表现不佳的硬件以及任务子任务失败。这些机器人通常被设计为考虑一系列任务事件，复杂的算法在某些关键的约束下降低了单个子任务失败率。我们的方法在视觉和控制中利用了共同的技术，并通过结果监测和恢复策略将鲁棒性编码为任务结构。此外，我们的系统基础架构可以快速部署，并且不需要中央通信。该报告还包括快速现场机器人开发和测试的课程。我们通过现实机器人实验在美国宾夕法尼亚州匹兹堡的户外测试地点以及2020年的穆罕默德·本·扎耶德国际机器人挑战赛开发和评估了我们的系统。所有竞争试验均在没有RTK-GP的情况下以完全自主模式完成。我们的系统在挑战2中排名第四，在大挑战赛中排名第七，诸如弹出五个气球（挑战1）之类的显着成就，成功地挑选和放置了一个障碍（挑战2），并将最多的水分配到户外，带有真正的户外火，并与自治无人机（挑战3）。
translated by 谷歌翻译