《工程科学学报》：一种基于卷积神经网络的CSI指纹室内定位方法

《工程科学学报》：基于环境语义信息的同步定位与地图构建方法综述

无人机遥感技术是融合无人机、遥感传感器、差分定位、通信等技术以实现地理环境信息快速采集处理与应用分析的新兴技术。本文介绍了无人机遥感平台构成、技术现状及工作流程，并通过大量国内外文献调研系统梳理其在矿业领域应用场景与实际案例，结合当前技术供给短板分析发展态势。研究表明：（1）无人机遥感技术具备成本低廉、机动性强、数据采集灵活、时效性强、可重复、高分辨率等无可比拟的优势；（2）当前矿业领域主要应用于露天矿生产管理、尾矿库安全监测、灾害应急救援、矿区环境监测、边坡灾害防治；（3）规范监管、简化操控方式、提升续航时间、改善成果精度、拓展应用场景是技术应用发展趋势。无人机遥感技术在矿业领域具备广阔应用前景，势必成为智慧矿山建设中不可缺少的重要组成部分

近年来路径跟踪控制的发展十分迅猛，研究者们发表了大量的研究成果。考虑到在相同或相近工况下的路径跟踪控制存在一些共性的技术问题与解决思路，从低速路径跟踪控制和高速路径跟踪控制两个角度对近年来的研究成果进行了回顾。在关于低速路径跟踪控制的研究工作中，研究者们较为重视前轮转角速度约束等系统约束对路径跟踪精确性的影响。目前减少系统约束影响的方法包括在规划参考路径时将系统约束纳入考虑，采用预瞄控制使控制器提前响应，以及采用线性模型预测控制（LMPC）或非线性模型预测控制（NMPC）等模型预测控制方法作为路径跟踪控制方法等。考虑到NMPC既能减少系统约束的影响，又无需人为设置预瞄距离，且对定位误差等扰动因素具有较强的鲁棒性，加之低速路径跟踪控制对实时性的需求较低，因此可以认为NMPC能够满足低速路径跟踪控制的绝大多数需求。高速路径跟踪控制在受系统约束影响之外，还面临着较高车速带来的行驶稳定性不足问题的挑战，因此常采用能够将动力学层面的复杂系统约束纳入考虑且计算成本较低的LMPC作为路径跟踪控制方法。不过仅采用动力学层面的LMPC控制方法无法完全解决高速路径跟踪控制中路径跟踪精确性和车辆行驶稳定性之间存在耦合的问题，目前常见的解决思路是在路径跟踪控制中加入额外的速度调节或权重分配模块。此外，在高速路径跟踪控制中，地面附着系数等环境参数的影响也较大，因此地面附着系数等环境参数的估算也成为了高速路径跟踪控制领域的重要研究方向

无论Eye-in-Hand或Eye-to-Hand型式的机器视觉控制系统,均存在视场受限、丢失等情况,从而无法在一定距离、角度内对目标进行在线视觉测量,进而无法建立全闭环的伺服控制.基于Eye-in-Hand型式的机器视觉控制系统,以及最短测量距离Lmin,提出一种闭环与开环相结合的伺服控制系统:即测量距离大于Lmin时为位置反馈型闭环控制的原位调姿,在测量距离小于Lmin时为位置给定型开环控制,机器人以相对线性运动进给到目标位置.针对该过程中的偏移问题,提出了前馈补偿模型,即利用前期运动数据对运动误差进行估计.实验证明,该方法能有效地补偿定位误差

前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺。传统的配准方法主要是针对手动分割的前列腺核磁（Magnetic resonance, MR）和经直肠超声（Trans-rectal ultrasound, TRUS）图像上对应的生理特征点作为参考点，进行刚体或非刚体配准。针对超声图像因成像质量低导致手动分割配准效率低下的问题，提出一种基于监督学习的前列腺MR/TRUS图像自动分割方法，与术前核磁图像进行非刚体配准。首先，针对图像分割任务训练前列腺超声图像的活动表观模型（Active appearance model, AAM），并基于随机森林建立边界驱动的数学模型，实现超声图像自动分割。接着，提取术前分割的核磁图像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准。实验结果表明，本文方法能准确实现前列腺超声图像自动分割与配准融合，9组配准结果的戴斯相似性系数（Dice similarity coefficient, DSC）均大于0.98，同时尿道口处特征点的平均定位精度达1.64 mm，相比传统方法具有更高的配准精度

建立了非平稳运行工况下行星齿轮箱共振频带内的声音信号解析模型，揭示了齿轮故障特征在声音信号共振频带内的分布规律。根据共振频率不随转速变化的特点定位了齿轮箱共振频率，为在共振频带内提取齿轮故障特征奠定基础。针对传统时频分析方法时频分辨率低的缺陷，研究了基于高阶同步压缩变换的时变故障特征提取方法。通过数值仿真和实验信号分析，验证了所提出的声音信号模型与行星齿轮箱故障特征分布规律的正确性，以及利用高阶同步压缩变换方法提取共振频带内行星齿轮箱故障特征的有效性

针对弱光照条件下交通标志易发生漏检和定位不准的问题，本文提出了增强YOLOv3（You only look once）检测算法，一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法。首先构建了大型复杂光照中国交通标志数据集；然后针对复杂的弱光照图像提出自适应增强算法，通过调整图像亮度和对比度强化交通标志与背景之间的差异；最后采用YOLOv3网络框架检测交通标志。为了降低先验锚点框设置精度以及图像中背景与前景比例严重失衡对检测精度造成的影响，优化了先验锚点框聚类算法和网络的损失函数。对比实验结果表明，在实时性大致相当的情况下，本文提出的增强YOLOv3检测算法较标准YOLOv3算法对交通标志有更高的回归精度和置信度，召回率和准确率分别提高0.96%和0.48%

《工程科学学报》：基于ALBERT与双向GRU的中医脏腑定位模型

《工程科学学报》：基于手机移动传感网络的矿震群智定位方法