摘要目前,机器人演示学习已成为机器人学中最为活跃的研究课题之一,而作为演示学习三要点之一的轨迹生成便成为研究热点。轨迹生成是决定演示学习是否成功的重要因素,传统上使用SIFT算法生成轨迹,但是这种方法存在很多局限,例如特征点较多、选择轨迹困难、轨迹存在一定噪声等。为此,提出了一种将SIFT、PCA和UKF等算法相结合的新的轨迹生成方法,通过实验仿真和机器人实体运行,结果表明了算法的有效性。
更多相关知识
关键词
演示学习SIFT算法主成分分析无迹卡尔曼滤波learning by demonstrationscale invariant feature transformprincipal component analysisunscented kalman filter
分类号
TP391
DOI
10.3969/j.issn.1000-2758.2016.06.024
发布时间
2017-01-15
基金项目
航空科学基金
- 浏览0
- 被引3
- 下载0

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文