融合视/嗅觉信息的单气体泄漏源自主定位研究

Toxic and harmful gas leakages seriously endanger people’s health and life, theirfast, accurate and secure detection and self-localization need to be solved urgently.To meet the needs of rapidly localizing the single gas source in common complexairflow environments, considering the sparse, meandering and fast-changingcharacteristics of the gas plume, we intend to carry out the followingresearch work: identification of potential leakage source based on optimal feature weight regulation and subclass;object component segmentation; source-seeking path control by fusing vision, olfaction and other information. Theplume information is decoded and source estimation method is proposed by fusingvision and olfaction. The research could provide a rapid and safe solution for monitoring toxic/hazardous gas leakages, searching and rescuing personnel,fighting against bio-chemical attacks and explosive disposal in common outdoorlocations.

有毒有害气体泄漏严重危害着人们的身体健康和生命安全，其快速、准确、安全的检测和自主定位方法亟待解决。本课题针对复杂气流环境下单气体泄漏源快速定位需求，考虑到实际烟羽稀疏、蜿蜒、快速变化等特点，拟开展如下研究工作：基于最优特征权值调整与裁剪的疑似气体泄漏源识别；物体部件分割；融合机器人嗅/视觉等多传感器信息的寻源路径控制。通过以上研究提出对搜寻环境变化具强应变能力的视/嗅觉融合方法以实现源位置估计，在线规划机器人路径使其稳定、快速收敛到泄漏源。该研究可提供一种常见现实场所毒/害气体泄漏监测﹑人员搜救或生化反恐/排爆等的快速、安全的解决方案。

有毒有害气体泄漏严重危害着人们的身体健康和生命安全，其快速、准确、安全的检测和自主定位方法亟待解决。本课题针对复杂气流环境下单气体泄漏源快速定位问题开展了以下研究工作。课题组针对疑似气体泄漏源识别、特征剪裁策略、图像分割、气体泄漏源定位、嗅觉建模、室外气体泄漏源定位等几个方面开展了相关研究工作。建立了融合边缘特征的视觉注意机制计算模型，在此基础上提出了基于最优特征权值调整与裁剪的疑似气体泄漏源识别方法，对疑似气体泄漏源图像进行识别研究，实验证明课题所提方法能够有效地对疑似气泄漏源进行视觉识别。同时，运用超像素分割算法对图像进行分割，该算法能有效的保护图像的边缘纹理信息，再分别求取每块图像区域的对比度显著值，最后得到图像的对比度显著图。根据传感器信息的不同建立相应的搜寻行为策略，利用矩阵半张量积理论，建立输入为多传感器信息、输出为相应的搜寻策略的定位模型。从理论的角度对时变气流环境下的机器人气体泄漏源定位问题进行了研究，并采用真实机器人进行实验验证该模型的可行性和有效性。采用单个移动机器人对室外自然环境下的多气味源定位问题进行了研究，构建嗅觉感知模型，将机器人在每个采样周期中测得的气味浓度和风速／风向信息融合为局部区域内是否存在气味源的证据，然后采用证据理论将该证据与已有证据进行组合，从而更新气味源的空间分布图，并进行实验验证。课题研究成果对实际有毒有害气体泄漏源检测具有一定的理论指导和实际应用价值。