实验选取城市主干道交叉口为研究对象，采集早晚高峰流量数据（小汽车800-1200 pcu/h，公交车50-100辆/h，行人200-400人/h），设置六组对比方案：固定时长控制（Webster法）、感应控制（VAP模块）、模糊控制、深度强化学习控制（DRL）、以及本文提出的边缘计算优化控制（EC-DRL）。（3）路口信号实时控制模型构建与优化方法。最后，通过VISSIM仿真平台验证控制模型的有效

（2）面对机械臂运动对无人机平台造成的复杂且时变的耦合扰动，单纯依赖提高无人机自身控制器的鲁棒性是远远不够的，一种更主动、更有效的策略是实时地、精确地估计出这些扰动的大小和方向，然后进行针对性的补偿。这种方法本质上是一种反馈式的估计，它不依赖于扰动的具体模型，因此能够有效地估计包括阵风在内的所有外部未知扰动，尤其擅长处理低频的、难以建模的扰动。互补滤波器的思想是，让重心估计模块负责估计扰动中的高频

在SLAM前端，针对激光点云帧间匹配中广泛使用的迭代最近点（ICP）算法存在的对初值敏感、易受噪声干扰且匹配精度有限的问题，本文提出了一种融合错误点对剔除策略与点到直线特征匹配的改进ICP算法。该算法首先利用曲率特征提取点云中的直线特征，将传统的点对点误差度量转换为点到直线的距离度量，显著提升了结构化环境下的匹配鲁棒性。算法（EP-RRT*）。在后续的优化过程中，算法利用节点拒绝策略，限制随机采样

二值化采用Otsu方法自动计算阈值，但发现当鱼苗密度较高时，Otsu倾向于将部分鱼苗边缘区域误判为背景，因此引入一种基于梯度幅值加权的改进Otsu方法，以每个像素的梯度幅值为权重参与直方图统计，从而提高对弱边缘的响应。对每秒30帧的视频流，每5帧（约0.17s）进行一次计数，当连续8次计数的方差低于阈值5时，认为鱼苗分布稳定，对这8帧计数结果进行加权平均，权重按帧序递增（最新帧权重最大）。装置在鱼

设置动态边界约束限制关节角在设计范围内。在典型救援拾取姿态测试中，IFOA在200次迭代内平均收敛到误差1e-4mm以下，平均耗时0.45秒，相较于标准FOA的1.2秒和GA的0.87秒，收敛速度和精度均占优。将动作序列在CoppeliaSim中进行动力学仿真，力矩峰值均在电机额定力矩的76%以内，末端执行器到达目标点的位置偏差小于0.15mm，姿态偏差0.08°，验证了综合规划算法的安全性和有效

边缘连接阶段，在标准Canny双阈值基础上，引入方向一致性约束：对于弱边缘像素，若其梯度方向与邻域强边缘像素方向差小于30度，则被提升为强边缘。在自建SOP8芯片图像数据集上测试，改进算法使边缘连通率从79.2%提升至94.6%，假边缘率从8.3%降至3.1%，为后续缺陷检测提供了更完整的边缘特征。定位阶段，将芯片缺陷检测出的合格芯片质心像素坐标通过标定矩阵转换为机器人基坐标，经逆运动学求解各关节

在每次ICP迭代中，首先对当前帧和参考帧的点云计算法向量，通过局部PCA方法估计每个点的法方向。然后，计算对应点对法向量之间的夹角，剔除夹角超过25度的对应点对，仅保留几何特征一致的匹配对。改进算法先对栅格地图进行块分割，计算每个8x8栅格块的障碍物密度，当密度超过设定阈值时暂时关闭该块的视线检测开启选项，只允许在该块内进行四邻域或八邻域扩展，以避免无谓的碰撞检测。在600m×400m的大范围地图

在轨迹规划阶段，摒弃传统的均匀三次多项式，设计了改进的3-5-3分段多项式插值算法。三段多项式在连接点处的位置、速度、加速度连续，并且总时间可根据各段距离自动分配权重，时间分配因子与关节位移量成正比。同时引入Lucas-Kanade稀疏光流场，通过连续两帧图像中角点的运动轨迹，估计相机的瞬时抖动向量，并将其反馈到喷口中心坐标的修正项中。风速测量模块负责读取热膜风速传感器的采集值，并进行温度压力补偿

为保障在模型不确定性下的鲁棒性，增设了滑模修正项，该修正项以关节力矩估计误差为输入，自适应调节滑模增益，从而抑制未建模摩擦、负载变化等扰动，使得收敛过程严格在预定时间 T_c 内完成，且稳态误差小于 0.002 rad。同时，为了确保深度保持任务在光照变化或点云噪声增大时仍可稳定执行，设计了一种基于置信度加权的轨迹融合模块，将视觉生成路径与基于模型预测的路径进行融合，当点云置信度低于阈值 0.7

采用3-7-3分段多项式插值，即第一段用三次多项式、第二段用七次多项式、第三段用三次多项式，保证各段衔接处位置、速度、加速度、加加速度连续。总时间最小化问题：以各段时间为优化变量，约束关节速度、加速度、加加速度限制（速度≤1rad/s，加速度≤2rad/s²，加加速度≤5rad/s³）。在交叉滚子轴承自动装配样机上实验，机械臂从取料点到装配点共耗时3.05秒（与理论优化时间2.97秒接近），成功完