月球环境感知中的石块识别方法研究

月球环境感知是未来月球车在月球表面自主导航的关键。石块作为月球表面的一种地理特征，将成为月球车行驶的障碍物。该文从获取梯度图像研究出发，提出了基于最小误差分割原理的石块图像分割方法。在获取分割后的二值化图像中，采用了形态学滤波算子进行去噪，然后利用二值图像投影变换，并参考石块底部阴影位置信息，辅助完成对部分场景下的石块识别和定位。     

基于二维类间方差多门限阈值分割的石块识别方法

月球环境感知是未来月球车在月球表面自主导航的关键。石块作为月球表面的一种地理特征,将成为月球车行驶的障碍物。文章从模式识别的分类理论出发,提出了改进的二维类间方差的多门限阈值石块分割方法。在获取分割图像后,利用石块底部阴影信息和原始图像的灰度直方图分布特征,将分割图像二值化。然后,结合形态学滤波算法和二值图像投影变换,实现了对部分场景下的石块识别和定位。     

基于Adaboost算法的行人检测方法

鉴于Adaboost算法简单可靠、学习精度高的特点,提出一种基于Adaboost算法的行人实时检测方法。选取了扩展的类Haar特征,采用Adaboost算法训练得到了一个识别准确率理想的行人分类器,通过VC编程将级联分类器应用到实际的行人检测系统中。试验结果表明,该方法可以快速、准确地实现行人的在线检测,具有较好的实时性。     

基于模糊逻辑的六轮月球车路径跟踪控制

以六轮差速转向月球车样机JLUIV-6为研究对象,推导了三维环境下月球车速度运动学模型,进而得出逆运动学模型。在路径跟踪阶层,根据横向偏差和角度偏差设计了车体的偏航角速度模糊控制器,并基于路径曲率和地形崎岖程度,引入模糊修正模块来控制车体的期望速度。在执行阶层,根据控制器输出的车体期望速度和角速度,用逆运动学模型给定车轮相应的转速指令,使其跟踪车体的期望速度和角速度。最后通过ADAMS/Simulink联合仿真验证了所提方法的有效性。     

强光照条件下智能车辆导航路径图像分割方法

OTSU法（最大类间方差法）被认为是图像分割中阈值自动选取的最优方法之一,针对自主开发的视觉导航区域交通智能车辆（Cyber Car）的导航路径在强光照条件下不能直接应用此方法取得准确分割效果的问题,提出了一种基于区域的罗伯特梯度算子的图像分割方法。分割实验表明,与OTSU法分割效果相比,采用的图像分割方法能够准确地对强光照条件下的导航路径图像进行分割,并具有更好的实时性。     

高通过性与平稳性月球车移动系统设计

月表行驶环境恶劣,这对月球车移动系统提出了更高的要求。为提高月球车的移动能力,提出一种具有高通过性和载荷平台平稳性的新型月球车移动系统。该移动系统由正反四边形机构悬架和伸缩叶片复式步行轮组成。正反四边形悬架是一种适用于六轮月球车的非独立悬架,通过与摇臂式悬架进行受力和姿态运动的对比分析和仿真对比分析可知,它可以使月球车具有较高的越障性能并在越障过程中保证载荷平台的相对平稳。同时,针对不同松散程度的月壤,根据车轮―土壤力学原理,设计出伸缩叶片复式步行轮。该种车轮最突出的特点是能够根据车轮与土壤间的相互作用关系,自适应调节叶片入土深度,从而改变车轮的牵引能力、平顺性和能耗。对该种移动系统进行多项移动性能试验,结果表明,该种新型移动系统具有较高的越障能力和保持载荷平台平稳能力,能够在恶劣路况下最大限度的发挥车轮的牵引能力,而且在路面通过性良好时尽可能的节约能耗,增加车轮滚动的平顺性。     

基于分形盒子维数的车辆定位和识别方法

提出了一种基于计盒子维数的方法识别和定位前方的车辆。首先,利用差分和线性滤波获得车辆的水平边缘信息。然后,通过统计法缩小盒子维数的运算区域。最后,通过盒子维数的计算确定车辆的候选区域,并对该区域内的车辆进行定位。同时,利用对称性测度法对定位的车辆进行确认。在不同环境和光照条件下对车辆图片进行测试,表明了该算法具有较好的鲁棒性和可靠性。     

基于二维最大熵阈值分割的坑识别方法

月球环境感知是未来月球探测车在月球表面实现自主导航一个非常重要的环节,坑是月球表面存在较多的一种地理特征,将成为月球探测车导航的障碍物。文章从模式识别的分类理论出发,提出了一种基于二维最大熵阈值分割的地球环境坑检测方法,为将来月球探测车的环境感知模块提供技术参考。首先利用二维直方图熵最大化阈值分割方法将图像二值化,然后结合形态学滤波算法和阈值面积消除法滤除一些噪声,最后对所得到的二值图像进行轮廓提取并在原图上显示,实现了对部分场景下坑的检测。     

强光照条件下车道标识线识别与跟踪方法

为了实现强光照条件下车道标识线的准确识别和跟踪,采用基于直方图锥形拉伸算法对原始图像进行处理,以提高图像整体对比度,利用SUSAN算法提取出处理后图像中的边缘,对边缘图像利用定向边界跟踪算法进行滤波,利用Hough变换提取出车道标识线参数完成对道路图像中的车道标识线的识别,最后采用建立梯形感兴趣区域来实现对车道标识线的实时跟踪.试验结果表明该方法具有较强的鲁棒性和较好的实时性.     

基于改进K-Means算法的车辆识别方法

车辆的检测和识别一直是道路监控、安全辅助驾驶、车辆自主导航等领域的重要研究内容.文中基于机器视觉方法,在Lab颜色空间通过对经典K-Means算法的聚类中心、聚类数和距离测度三方面的改进实现了L分量的聚类,从而达到图像分割的目的.提取图像的矩形度、Hu矩和Affine矩的特征,针对不同的车型建立各自的模板,利用改进Hu不变矩和仿射不变矩的组合不变矩对分割后图像进行车型的识别.实验结果表明,文中提出的方法对于复杂环境下的车辆检测和识别具有良好的可靠性和鲁棒性