关键词： 电动汽车   充电口   模式识别   曝光算法  

摘要： 这些年,全球电动汽车保有量增长得可谓十分迅速,如何高效安全地充电一直是电动汽车领域里备受关注的问题,目前人工充电存在劳动强度大、工作环境恶劣、存在安全隐患、所需操作人员的数量多且工人越来越难招等劣势,这些劣势成为制约电动汽车和公交系统高效、稳定、安全和良性运营的瓶颈。相对于人工操作,机器人自动充电可以很好地解决人工操作存在的几个问题,另外随着自动驾驶和低速自动泊车的普及,使用机器人进行自动充电将成为必然趋势。针对充电口结构简单特征少且需要对多姿态充电口进行识别的难点,对充电口识别算法进行了研究,同时为了提高识别算法对不同光照条件的鲁棒性,还对充电口视觉识别曝光算法进行了研究。分析充电口可提供的识别特征,提出了一种将Hu不变矩形状特征和LBP纹理特征联合起来对充电口进行识别的充电口识别算法。首先设计了图像预处理算法,实现了对可能包含有充电口的候选区域的获取;然后设计了基于Hu不变矩形状特征的充电口识别算法,实现了对候选区域初步筛选;最后设计了基于LBP纹理特征的充电口识别算法,实现了对候选区域进一步筛选,从而完成对充电口的识别。分析充电口结构组成,提出了基于拉普拉斯金字塔图像融合的充电口视觉识别曝光算法。首先设计了基于图像灰度直方图的曝光算法,使得图像中充电口触头部分清晰;然后设计了基于图像灰度的曝光算法,使得图像中充电口外轮廓部分清晰;还设计了图像配准算法,实现了待融合图像的配准;进而研究了基于拉普拉斯金字塔的图像融合算法,实现了对配准之后两张曝光图像的融合,使得最终获取的图像可以完整地呈现充电口的细节特征。使用C++编程实现了对识别算法和曝光算法的软件编写,然后通过实验检验了识别算法和曝光算法的性能,首先检验了识别算法对不同姿态充电口的识别效果和识别算法的识别准确率,然后选择评价标准评价了曝光算法在不同场景下获取图像的质量。实验结果表明在要求的角度和距离范围内,各种姿态的充电口均可以被识别到,且具有很高的识别准确率,融合图像能够兼具融合前两张图像的优势,且图像信息熵分别提高了3.91%和76.40%,能够完整地呈现充电口的细节特征,对提高识别算法的可靠性和鲁棒性均具有重要意义。

关键词： 模式识别   多表示数据   典型相关分析   深度学习  

摘要： 在模式识别中,一个对象往往有不同的表示方法,而这些不同的表示方法从理论上来说可以更加充分地反映同一个对象不同维度的信息。深度典型相关分析(Deep Canonical Correlation Analysis,CCA)是一种被广泛使用的特征提取算法,其目标是学习两个数据视图间复杂的非线性投影向量,该投影向量使得得到的映射特征具有高度的非线性相关性,它可以看作是线性典型相关分析的非线性拓展。本质上,深度典型相关分析是一种无监督的子空间特征学习算法,在学习过程中,每个样本的类别标签信息并没有被充分利用;此外,深度典型相关在面对小样本问题时,学习到的特征不具备较好的鲁棒性。基于以上提到的问题,本文以深度典型相关分析理论为基础,结合分数阶理论,并充分利用数据类别标签信息对参数的学习过程进行引导,深入研究并且构建了监督信息的深度典型相关分析理论,并将其应用于人脸检测与识别、语音情感识别等识别任务中。本文的主要创新内容和研究成果如下:(l)提出了一种监督的深度典型相关分析算法(Superviseddeep canonical correlation analysis,DCCA)。该算法充分使用样本的类标签信息,引导参数的学习,使学习到的特征表示在尽可能保持相关性的同时也可以保证新的投影之间类间距离最大。在手写体数据集MNIST和COIL-100数据集上的实验结果表明,本算法提取到的特征一定程度上提高了 Dep CCA的分类能力。(2)提出了一种考虑完全相关性的深度典型相关分析算法(Complete deep canonical correlation analysis,Complete deep CCA)。该方法重新定义一种新的相关性计算方法,此方法在原有方法的基础上不仅考虑了同一样本之间的相关性,而且同时考虑了同一类别中不同的样本、不同的视图之间的相关性。这样使相关性的计算变得更加全面。本算法在手写体数据集MNIST,语音数据集XRMB、RAVDESS上与原有的深度典型相关分析算法比较,识别率得到了一定的提高,这表明新算法可以抽取到更加易于分类的特征。(3)提出了一种分数阶嵌入的深度典型相关分析算法(Fractional-order embedding deep canonical correlation analysis,FEDCCA)。在面对小样本问题时,样本协方差矩阵与真实协方差矩阵之间往往存在较大的偏离。本方法利用分数阶的思想对样本的协方差矩阵进行重新估计,使其更加接近真实值,我们称新估计的协方差矩阵为分数阶散布矩阵。实验结果表明,FDCCA算法在样本数不足的情况下将深度典型相关分析算法的识别率进一步提高,这表明重新估计协方差矩阵是有意义的。

关键词： 黑板模式   本体   模式识别   重构  

摘要： 随着计算机软件的发展,软件的规模越来越大,软件的架构也越来越复杂,了解整个软件系统的架构对软件的可维护性、易理解性起着至关重要的作用。架构模式是根据已知问题的求解方案来解决相似问题,也就是说解决相似问题的软件架构也有相似之处,黑板模式是求解无确定求解问题的架构模式,识别黑板模式对于使用黑板系统的软件有着重要意义,根据识别结果能够帮助软件维护人员理解软件系统,在此基础上重构也更加容易。本文提出了一种基于本体的黑板模式识别方法和黑板模式的重构方法。通过用本体描述目标系统和黑板模式,通过推理机得到初步的黑板模式实例,最后通过迭代求精的算法优化初步黑板模式实例,得到最终的黑板模式实例,因此,本文的黑板模式识别方法不仅能够判定目标系统是否使用了黑板模式,还给出了目标系统的黑板模式实例;根据黑板模式的识别结果,定位出目标系统中违反黑板模式规范的重构点,并提出重构方案;最后,本文通过六十八个开源项目来验证黑板模式识别的精度,通过两个黑板模式的软件系统案例来验证黑板模式组件识别的精度,通过重构点定位,实施重构方案,验证重构定位的准确性,重构方案的可实施性和有效性,在绝大部分情况下,本文的黑板模式识别方法给出的识别结果是正确的,对黑板系统组件的识别结果也是可信的,本文的黑板模式重构定位方法得到的重构点是正确的,并且重构方案切实可行的。

关键词： 表面肌电信号   模式识别   深度神经网络   滑触觉感知   肌电控制假肢  

摘要： 智能上肢假肢是用于替代人类上肢部分缺失或受损的生物电子装置,能有效改善截肢患者生存现状,提高其生活质量。但目前市场上的商业上肢假肢大多是装饰性假肢或价格昂贵的功能性假肢,不能满足截肢患者对假肢经济化、轻量化、高性能的使用需求,因此研发一种经济美观实用的智能上肢假肢具有重要的社会意义和市场价值。传统的肌电控制假肢多采用开关控制、阈值控制等方式,仅能实现假肢开、合控制等简单的功能。近些年出现的基于传统机器学习模式识别算法的多自由度肌电控制假肢,其功能较传统肌电控制假肢更为丰富和使用更加灵巧,但其性能好坏依赖于人工设计的特征,系统的鲁棒性较差;加上采集装置对电极位置敏感,系统稳健性较弱,患者在使用之前要进行步骤繁琐的标定实验,给使用者带来了诸多不便。市场上现存的大多数假肢不能满足截肢患者的使用需求。针对上述问题,本文提出了一种基于多通道深度卷积神经网络的上肢运动模式识别算法,用于智能上肢假肢的肌电控制。这个算法将8通道表面肌电信号转化为肌电图像,并根据骨骼肌肉运动理论,将其分解为4个局部图像。将1个整体图像和4个局部图像分别作为5个通道的深度卷积神经网络的输入,学习肌电图像的整体特征信息和关键局部特征信息,改善了网络模型对于肌电图像的特征表示能力,提高了上肢运动模式识别的准确率。同时由于卷积神经网络具有很好的深层抽象特征表示能力,本文所提出的基于多通道深度卷积神经网络的上肢运动模式识别算法具有更强的鲁棒性,克服了电极移位、阻抗变化以及肌肉疲劳等因素对识别准确率的的影响,很好的提升了系统的稳健性,提高了肌电控制假肢的控制性能和患者的使用舒适度。本文提出了基于滑触觉感知反馈的肌电控制智能上肢系统。采用PVDF压电薄膜作为滑触觉信息的感知器来采集滑触觉信号,通过滑触觉感知与判别,进行精细的假肢抓握控制,使智能上肢假肢具有更好的仿生性、灵巧性和智能性。该智能上肢假肢面向前臂长残肢截肢患者的使用需求,采用基于滑触觉感知反馈的肌电控制方式,实现了智能上肢假肢的自主性、灵活性控制。最后总结了本文的研究成果,并对后续研究做出了展望。

关键词： 忆阻神经网络电路   巴甫洛夫联想记忆   遗忘过程   权重同步调整   模式识别   忆阻A/D转换器  

摘要： 机器学习的不断发展、大数据技术和深度学习的快速兴起,对数据处理硬件的速度、体积、功耗提出越来越高的要求。但是受到摩尔定律逐渐失效和冯·诺依曼架构瓶颈的制约,现有的CMOS硬件平台已经渐渐不能满足海量数据处理的需求,这促使人们开始探索下一代的数据处理硬件。在新兴的数据处理硬件平台中,忆阻神经网络电路被认为是解决现有制约的最具潜力的硬件平台之一。因此,研究忆阻神经网络电路设计具有重要意义。模拟联想记忆、STDP、稳态可塑性等生物特征的忆阻神经网络电路设计,是实现仿生忆阻硬件平台的基础。现有的模拟联想记忆的忆阻神经网络电路只侧重于模拟联想记忆的功能,而电路运行过程中相关参数的变化未知,这不利于电路的扩展和应用。另一方面,忆阻神经网络电路可以实现计算加速,并经过神经网络算法训练后完成模式识别功能。现有的模式识别忆阻神经网络电路存在突触权重不能同步调整、电路结构与训练算法不匹配等不足之处。本文根据联想记忆和模式识别的特点,研究相应的忆阻神经网络电路设计,解决了现有研究中存在的相关不足,主要的研究内容如下:首先,本文提出由四个MOS管和一个忆阻器组成的忆阻值双向调节电路,并推导出控制信号作用时间与忆阻值变化之间的关系。使用忆阻值双向调节电路作为突触电路,设计了模拟联想记忆的忆阻神经网络电路,来模仿巴甫洛夫联想记忆及其遗忘过程。进而,通过改进忆阻值双向调节电路,提出一种与数字逻辑信号兼容的神经元电路。根据联想记忆的工作机理,使用数字逻辑器件对此神经元电路进行扩展设计,构建了苹果辨别网络电路和苹果特征回忆网络电路。所设计的联想记忆网络电路在运行过程中的相关参数变化,可以使用推导得到的等式近似计算,从而便于电路的扩展和应用。其次,本文提出一种输入为二值信号的神经元电路,用于对应的模式识别功能。它的突触电路可以随着忆阻值的变化表示负权重、零权重、正权重,并且文中推导出控制信号持续时间与突触权重变化的关系。然后,基于此神经元电路,设计了单层的字符识别网络电路和多层的模式分类网络电路。在字符识别网络和模式分类网络的一次迭代训练过程中,所有需要调整的突触电路可以一起调节权重,只需一次调节就完成迭代,实现了突触权重的同步调整,提高了忆阻神经网络电路的训练速度。进一步,本文提出一种可以输入连续信号的神经元电路,并基于此神经元电路,设计了输入为连续信号的多层模式识别忆阻神经网络电路。通过设置网络中选通控制信号的逻辑电平,此多层网络电路可以在一次迭代训练中,实现突触权重的同步调整。接着,根据此多层网络的电路结构,提出一种鸢尾花分类网络电路。此鸢尾花分类网络的电路结构能够良好地匹配反向传播算法,并且在训练之后达到了较高的分类精度。结合联想记忆的工作机理与所设计的忆阻神经网络电路的特点,本文提出一种基于联想记忆的可重构忆阻神经网络电路。此可重构网络根据联想记忆中的学习与遗忘,将相应的突触电路断开连接后送入突触电路块,改变对应的电路结构实现重构。对于现有的大多数模式识别忆阻神经网络电路,A/D转换是它们运行中的必要步骤。基于CMOS双积分型A/D转换器,结合忆阻器的优良特性,本文提出一种忆阻A/D转换器。相对于CMOS双积分型A/D转换器,提出的忆阻A/D转换器具有更紧凑的电路结构、较简单的控制时序、更好的可集成性。而且,此忆阻A/D转换器还具有良好的抗干扰能力和鲁棒性。本文的最后概括总结了文中的研究内容,并对未来可以进一步研究的问题进行了展望。

关键词： Electrical engineering  

摘要： Lower-limb prostheses feature a high-level control system, referred to as locomotion mode recognition (LMR), which enables seamless human-prosthesis-environment interactions. This dissertation has five aims to show the application of feature selection (FS), optimization, and sensor fusion for the development of optimal predictive LMR systems. Aim 1 is to develop a new hybrid evolutionary algorithm (EA) with enhanced exploration and exploitation abilities for optimizing the LMR design parameters. Our hybrid EA features three new components, including feature sharing among candidate solutions, local search via gradient descent, and random mutation and re-initialization. Statistical tests demonstrate the competitive performance of our method in comparison to 12 other optimization algorithms. Aim 2 is to investigate the application of an EA combined with filter and wrapper FS methods for building accurate LMR for transfemoral amputees while, at the same time, eliminating unneeded features. Experimental gait data collected from the residual limb is used to train various linear and nonlinear classifiers with optimally selected time- and frequency-domain features. Aim 3 is to find an optimal Pareto front, a set of equally preferable non-dominated feature subsets, using multi-objective optimization (MOO) to trade off between complexity and accuracy in LMR. We propose a new gradient-based multi-objective embedded FS method by incorporating an elastic net in multilayer perceptron (MLP) neural network training. Our proposed method shows competitive performance compared to four variants of EA-based MOOs on the basis of normalized hypervolume and relative coverage. Aim 4 is to develop a general sensor / feature optimization framework for LMR that effectively eliminates not only irrelevant or redundant features but also unneeded measurement signals while still maintaining performance. We apply the proposed framework for locomotion mode prediction of several transfemoral individua

关键词： Informatics   chemometrics   entropy   PRE   XPS   ToF-SIMS   LC-MS   CE   thin films   surface characterization   PCA   MCR  

摘要： The primary focus of my work is the application of informatics methods to the fields of materials science and analytical chemistry. The statistical analysis of data has become increasingly important in understanding the properties of materials and analytes. Statistical methods like principal component analysis (PCA) and multivariate curve resolution (MCR) are widely used for analysis in chemistry and other fields given their ability to categorize spectra in an unsupervised way. PCA is relatively easy to apply and has appealing mathematical properties. However, the results can be challenging to interpret, even for experienced users. In contrast, MCR results can be more interpretable, because the factors resemble real spectra and do not have negative scores or loadings. Nevertheless, the useful orthogonality properties of the scores and loadings in PCA are sacrificed in doing so. Other statistical analysis methods like cluster analysis and partial least squares regression (PLS-R) present their own challenges. Pattern recognition entropy (PRE) is a novel application of Shannon's information theory for understanding the underlying complexity in spectra. Unlike PCA and MCR, PRE is a summary statistic that adopts the mathematical quantification of information and applies it for chemometric analysis. PRE values reflect the shape and complexity of spectra. Chapter 1 contains a description of the analytical methods/instruments that provided the data I analyzed by PRE and other informatics tools, including (i) X-ray photoelectron spectroscopy (XPS) and time-of-flight secondary ion mass spectrometry (ToF-SIMS) and (ii) liquid chromatography-mass spectrometry (LC-MS) and capillary electrophoresis (CE), (iii) a discussion of some of the commonly used statistical analysis tools like PCA, MCR, cluster analysis and PLS-R, and (iv) a description of PRE. Chapter 2 describes in much greater detail the theory associated with the statistical tools I used and PRE. Chapter 3 describes the

关键词： 形状特征   纹理特征   数字图像   模式识别  

摘要： 机械的磨损状况的检测一直一来是工业和学术研究的重要课题,而磨损状况又与磨损产生的磨粒密切相关,所以研究磨粒的特征是一种研究机械磨损非常好的手段。磨粒的特征分析是一种通过分析磨粒间接得到磨损状况的方法,由磨损状况得知机器的运行状况。针对人工分析磨粒分析的不足,本文在总结了磨粒特征的国内外分析方法基础上,运用数字图像处理和模式识别算法结合摩擦学中磨损磨粒的特点,提出了一种基于数字图像的磨粒特征分析方法,针对磨粒的形状和纹理进行了分析,并使用相关程序得到了实现。本文采用了电子显微镜及其配套驱动,完成了对磨粒图像的采集工作,在Visual Studio 2015开发平台,使用了C++和OpenCV一些函数库对图像进行了预处理、背景分割、磨粒计数、轮廓提取。然后对图像进行了形状特征的提取,主要提取了曲率半径和一些几何参数;对磨粒进行了纹理特征提取,纹理特征由细节纹理特征和全局纹理特征组成,提取方法是:检测Harris角点,用LBP算子对角点进行提取特征,将提取的特征使用K-Mean聚类,构成细节纹理特征,对整幅图片进行LBP特征提取,并进行直方图统计,构成全局纹理特征。最后使用了BP神经网络对磨粒的形状进行了分类,使用KD树算法对磨粒纹理进行了分类,识别率与人工识别相差不多,满足工程实际要求。基于数字图像的磨粒特征检测分析方法明显优于人工经验检测的常规方法,实现了图像的采集、预处理、识别、磨损分析等功能,具有效率高、识别精确、可靠性高等优点。

关键词： 精神分裂症   功能连接   模式识别   药物治疗  

摘要： 作为临床上的一种慢性且致残率高的精神疾病,精神分裂症给患者及其家庭乃至社会带来了沉重的经济负担。精神分裂症的临床表现包括了以幻觉妄想为主的阳性症状和动机缺失认知损伤为主的阴性症状。目前的发病机制尚不清楚,临床上没有可靠的生物学标记物来及时发现和诊断患者,对患者的治疗也缺乏可靠的参考标准。近年来,功能磁共振技术为研究精神分裂症的发病机制提供了一个有力的工具。当前静息态功能磁共振的研究发现,精神分裂症是一种弥散至全脑的功能连接异常的疾病。但是,目前的研究结论并不十分一致。本文利用静息态功能连接来研究精神分裂症异常的脑网络,借此来研究精神分裂症的发病机理,并探究功能网络的异常是否能作为生物学标记物来辅助临床诊断疾病。除此之外,研究当前的药物治疗对这些异常功能连接的作用,探究功能网络的异常能否预测药物治疗的疗效。本文的主要内容包括:1.精神分裂症被认为是全脑范围内的功能连接出现异常,不同的大脑子网络的异常是不同的,究竟是哪个网络的异常最显著以及脑功能网络能否作为生物学标记物来辅助临床诊断病人还不清楚。在本章中,我们结合机器学习中的集成学习算法,利用静息态全脑功能网络作为特征区分精神分裂症患者和正常对照,并且得到患者相比较于正常对照差异最显著的脑网络。相比较于传统的机器学习方法,集成学习表现出更好的分类能力(分类正确率84.7%,敏感性91.9%,特异性74.5%,置换检验p<0.05)。模型权重最高的边分布在右侧旁边缘系统和双侧的默认网络。这些权重高的边很好地解释了患者的阴性、阳性症状。我们的结果表明了,功能连接能够作为特征很好地区分精神分裂症患者和正常人,集成学习是研究精神分裂症的有力工具。2.研究精神分裂症患者脑功能网络差异的频段特异性。本章主要利用纯数据驱动的自适应分频方法(经验模式分解)来研究精神分裂症患者的脑网络差异的频段特异性。经验模式分解将低频磁共振信号分成了三个不同频段,精神分裂症脑功能网络只在较高频段(峰值频率0.06 Hz)存在显著性差异。在该频段,精神分裂症患者的双侧楔叶和右侧辅助运动区的功能连接升高,基底神经节内部的功能连接降低,背侧纹状体到左侧辅助运动区的功能连接也降低。同时,基底神经节的功能连接异常和前额叶区域的功能连接异常有关系。这些存在异常的功能连接和患者的临床症状表现出显著的相关性。这一结果表明了,精神分裂症患者的皮层-纹状体功能通路的差异是频段特异性的。3.纹状体和突显网络之间的连接异常是精神分裂症的重要疾病假设之一。预测某种治疗手段的治疗效果是临床上比较关心的问题。纹状体-突显网络的连接异常能否预测临床常用药物(利培酮)的治疗效果目前还不清楚。在本章中,我们比较了精神分裂症患者纹状体到突显网络不同通路的异常,研究这些异常能否作为生物学标记物来预测单药利培酮的治疗效果,并观察药物治疗对这些异常的影响。未服药精神分裂症患者(基线病人)纹状体-突显网络的功能连接降低。基线病人的纹状体-突显网络背侧通路和利培酮单药治疗八周后的阴性症状改善相关,腹侧通路和阳性症状改善相关。经过八周治疗后降低的纹状体-突显网络通路有上升的趋势,治疗前后纹状体-突显网络的功能连接的变化分别和相应的症状改善相关(背侧通路的变化和阴性症状的改善相关,腹侧通路的变化和阳性症状的改善相关)。这些结果表明纹状体-突显网络的异常功能连接可能作为生物学标记物预测治疗效果。4.五羟色胺在精神分裂症中的作用被越来越多的研究者所重视,尤其是在解释精神分裂症阴性症状和认知损伤上。但是目前还没有人研究精神分裂症患者五羟色胺功能通路的异常。在本章中,我们研究了精神分裂症患者五羟色胺通路的异常。结果发现,精神分裂症患者的中缝核到皮层下多巴胺区域的功能连接降低,这些皮层下的区域又与突显网络的连接降低。其中,精神分裂症患者中缝核到皮层下多巴胺区域降低的功能连接与其临床的阴性症状相关。我们发现中缝核的异常连接与精神分裂症患者皮层下多巴胺区域的功能连接异常有关,更进一步的可能会影响到突显网络的功能异常。

关键词： SLAM   可通过性   双目视觉   模式识别   路径规划  

摘要： 室内机器人的定位与导航是机器人研究领域的关键技术之一。传统的基于超声波、红外开关、编码器等的方法仅能提供有限的数据,且无法对环境实现有效的感知。近年来,SLAM技术的发展为机器人的定位及所处环境的地图构建提供了新的解决方案。然而,实际场景中的复杂地形和各种障碍物对视觉信号的测量造成极大的影响。与此同时,视觉SLAM技术依赖于大量的图像数据和复杂的计算,使得机器人控制缺乏实时性,错误率较高,严重情况下会导致地图信息丢失。因此,利用视觉构建的SLAM系统进行机器人的实时控制与导航仍存在诸多难题。本文设计了一种基于视觉SLAM系统的精简地图快速构建方法,用于机器人在复杂室内环境下的导航。本文基于传统的RGBD-SLAM算法,将地图简化为2D栅格地图,并基于已知的地图设计独立路径搜索算法来控制机器人的导航,该方法有效的解决了复杂室内空间机器人的导航与避障问题。最终,利用实验室已有的机器人平台,本文构建了一个完整的实验系统。本文所设计的方法先建立一个前端视觉里程计模块,用于配合后端优化模块来估计机器人的未知和全局运动模块,同时拼接生成一个全局点云地图来记录机器人已经感知到的室内环境。然后结合机器人当前位姿数据,将全局点云图裁剪为机器人运动方向前方的一个较小的区域。最后,结合机器人的实际体积,将裁剪过的地图降采样为2D栅格地图。对每一个小2D区域进行特征提取和平面拟合等操作,基于这些特征构建一个高斯模型来确定最终的可穿通过性参数,从而得到了一幅可穿越性地图。相比于原始数据,最终所获得的地图数据被压缩了数个数量级,其大小仅有1500多个二维点。本文提出了一种计算可通过性参数的方法,该参数可通过模式识别的方法获取。将小区域的栅格地图拟合为一个平面,并提取平面的特征来判断可通过性参数,该方法大大简化了地图的大小和复杂程度。为验证可通过性参数的可靠性和实时性,本文分别测试了两种路径规划算法在未知环境下的导航效果。最后,本文构建了一个移动机器人平台,进行了室内平坦地面的大闭合地图实验用以验证SLAM技术的有效性,并针对不同的地形,结合履带机器人通过性强的特性进行通过和避障实验,证明了SLAM方法和可通过性地图用于复杂室内环境中轨迹规划的可行性和有效性。