融合鼠脑多细胞导航机制的移动机器人仿生SLAM算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61903002
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    23.0万
  • 负责人：
    陈孟元
  • 依托单位：
    安徽工程大学
  • 学科分类：
    F0309.机器人学与智能系统
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

Aiming at the probabilistic algorithms that has the problems of large computation,high complexity and fail to find the global optimum, a variety of cells including border cells, view cells, grid cells and speed cells are applied to simultaneous localization and mapping(SLAM), which construct a BVGSP-SLAM model with multi-celled navigation, and the model proposed is built and implemented by means of various new sensors, which is aimed at verifying the feasibility and effectiveness of this method. A loop closure detection algorithm with key frame matching is added to SLAM to avoid light changing. Speed cells and border cells are added to SLAM to avoid the influence of mobile obstructions.A mathematical model of mixed cells is proposed to analyze robustness and real-time performance of the system. This project will develop an integrated approach for modeling,simulation and experimental verification, which provide an important theoretical reference for various research field of mobile robot on SLAM.
针对同步定位与地图构建（SLAM）问题中传统概率算法存在计算量大、复杂度高、易陷于局部最优解等问题，本项目将鼠类脑细胞中边界细胞（Border cells）、局部场景细胞（View cells）、网格细胞（Grid cells）、速度细胞（Speed cells）、位姿细胞（Pose cells）等具有定位导航功能的细胞应用于SLAM研究中，构建一种基于多细胞导航机制的BVGSP-SLAM模型，并通过多种新型传感器进行实验平台的搭建与实现，拟验证提出算法的可行性和有效性。结合具有实时关键帧匹配的闭环检测算法以避免光线变化对SLAM的影响；融入速度细胞和边界细胞以避免移动障碍物对SLAM的影响；利用鼠类混合细胞衍生出的数学模型分析该系统的鲁棒性和实时性。本项目将生物细胞模型引入SLAM，并形成了建模、仿真与实验验证一体化的研究体系，为移动机器人SLAM研究领域多样化提供重要的理论参考。

结项摘要

针对同步定位与地图构建（SLAM）问题中传统概率算法存在计算量大、复杂度高、易陷于局部最优解等问题，本项目将鼠类脑细胞中边界细胞（Border cells）、局部场景细胞（View cells）、网格细胞（Grid cells）、速度细胞（Speed cells）、位姿细胞（Pose cells）等具有定位导航功能的细胞应用于SLAM研究中，构建一种基于多细胞导航机制的BVGSP-SLAM模型，并通过多种新型传感器进行实验平台的搭建与实现，验证提出算法的可行性和有效性。结合具有实时关键帧匹配的闭环检测算法以避免光线变化对SLAM的影响；融入速度细胞和边界细胞以避免移动障碍物对SLAM的影响；利用鼠类混合细胞衍生出的数学模型分析该系统的鲁棒性和实时性。本项目将生物细胞模型引入SLAM，并形成了建模、仿真与实验验证一体化的研究体系，为移动机器人SLAM研究领域多样化提供重要的理论参考。该项目取得了很好的研究成果，发表高水平期刊论文11篇（其中SCI、EI论文9篇、CSCD核心2篇），国家一级出版社出版学术专著1部，以第一发明人授权国家发明专利8件，参加国际学术会议并宣读会议论文6篇，主持编制中国电子学会标准1项，软件著作权4件。

项目成果

期刊论文数量（11）
专著数量（1）
科研奖励数量（3）
会议论文数量（6）
专利数量（9）
基于双重初始化和分级优化的改进视觉惯性SLAM方法
  • DOI：
    10.13695/j.cnki.12-1222/o3.2021.02.008
  • 发表时间：
    2021
  • 期刊：
    中国惯性技术学报
  • 影响因子：
    --
  • 作者：
    凌有铸;郭俊阳;陈孟元;陈何宝;袁学超
  • 通讯作者：
    袁学超
Biomimetic SLAM Algorithm Based on Growing Self-Organizing Map
基于生长自组织图的仿生SLAM算法
  • DOI：
    10.1109/access.2021.3113311
  • 发表时间：
    2021
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Yukun Zhang;Mengyuan Chen;Dehong Tian;Lingmei Ding
  • 通讯作者：
    Lingmei Ding
一种融合边界信息的空间位置表征方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    智能系统学报
  • 影响因子：
    --
  • 作者：
    张玉坤;陈孟元;田德红;丁陵梅;郭俊阳
  • 通讯作者：
    郭俊阳
动态场景下基于双重特征约束的视觉惯性SLAM算法,
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中国惯性技术学报
  • 影响因子：
    --
  • 作者：
    陈孟元;陈何宝;刘金辉;韩朋朋;方鑫;郭俊阳
  • 通讯作者：
    郭俊阳
动态遮挡场景下基于改进Transformer实例分割的VSLAM算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    电子学报
  • 影响因子：
    --
  • 作者：
    陈孟元;韩朋朋;刘金辉;张玉坤;江浩玮;丁陵梅
  • 通讯作者：
    丁陵梅

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于稀疏表示和位置相关性的室内定位算法
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    传感技术学报
  • 影响因子：
    --
  • 作者：
    周红亮;周先存;陈孟元
  • 通讯作者：
    陈孟元

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码