一种新的车辆倒车突发障碍物规避方法仿真

研究车辆倒车突发障碍物规避优化问题.在车辆倒车过程中,由于识别时间较少,会随机出现一些突发障碍物.传统算法进行车辆倒车突发避障,障碍检测过程需要一定的时间,存在一定的滞后性,从而无法及时避开障碍物,降低了车辆倒车突发避障的准确性.为了避免传统算法的弊端,提出了一种新的车辆倒车突发障碍物避障方法.通过对道路障碍图像进行障碍特征提取,从而为车辆倒车突发避障提供依据.引入障碍定位方法,利用小波包分析方法,计算道路中障碍物的空间位置,降低处理时间,从而提高了车辆倒车突发避障的准确率.实验结果表明,利用优化方法进行车辆倒车突发避障,突发避障的准确率比传统算法提高了63％,具有很强的实际应用价值.     

机器人视觉中障碍物刚柔性的判别方法

为了降低机器人避障算法的复杂度、提高避障效率,提出了一种在避障前对检测到的障碍物的刚柔性进行判定,从而除去不需要进行避障处理的柔性物体的方法。具体方法是将提取出的视频图像的帧图序列进行处理后叠加,提取叠加图像外边缘的特征点,变换坐标系后进行曲线拟合,得到特征曲线的方程式,根据其计算出障碍物的带权柔度,将障碍物的带权柔度和柔度阈值作比较,当障碍物的带权柔度大于或等于柔度阈值时,障碍物为柔性物体;否则,障碍物为刚性物体。此外,提出了一种物体刚柔性的误判情况和解决方法以及在无风或微风情况下该方法局限性的解决方案。实验结果证明,这种方法可以很好地判别物体的刚柔性。     

基于双目视觉的障碍物检测方法研究

随着无人机自主避障技术的发展,无人机的在线环境感知能力显得愈发重要。环境感知的重要组成部分便是障碍物的检测。与超声波、毫米波雷达这些只能检测出障碍物距离的传感器相比,视觉传感器具有独特的优势,因此成为多旋翼无人机进行自主避障的热点。本文采用双目立体视觉技术对多旋翼无人机前方视野内的环境进行障碍物检测,提出了一种基于柱状图的障碍物检测方法。首先,利用双目视觉传感器获取图像并进行图像处理;其次,把图像分成若干个柱状图的区域,提取每个柱状图区域里的障碍物深度信息;再次,检测柱状图区域里的障碍物相对于多旋翼无人机的方向;最后,通过室内环境进行算法验证。实验结果表明该方法的有效性,成功完成了室内未知环境下多旋翼前进方向的障碍物检测工作。     

一种矢量人工势能场的多智能体编队避障算法

针对多智能体编队通过障碍物区域的避撞和避障问题,利用传感器的监控功能,采用改进的人工势能场法对避障算法进行优化,使多智能体编队能有效地通过障碍物区域,并在通过障碍物区域后再次形成多智能体编队.首先,从多智能体模型上进行改进,建立一种具有可视化范围的速度为矢量的速度可变的智能体模型.然后,使用矢量的人工势能场法进行多智能体编队的避撞和避障.最后,针对多智能体编队避障过程中会存在“局部困扰”的情况,加入“回环力”使多智能体编队能够通过障碍物区域,并在通过障碍物区域后继续编队运行.同时,使用MATLAB软件在坐标系中进行多智能体编队的避障仿真,验证了改进人工势能场法的有效性和正确性,为多智能体编队避障问题提供了更加有效的方法.     

基于道路形态分析的道路边界提取

基于障碍物栅格图的道路边界检测目前主要通过对道路区域或符合边界特征的种子点进行生长来实现.但这些算法易受路内障碍物的干扰,其主要原因在于道路形态信息的缺失,包括道路趋势信息和道路宽度分布信息.为此,本文通过对障碍物栅格图进行距离变换获得道路的趋势信息,同时通过构建道路的宽度分布直方图来获取道路宽度分布信息.在此基础上,完成道路边界种子点的提取,接着通过区域生长获取完整的道路边界点,最后进行二次曲线拟合得到完整的道路边界形状.实验证明,本文方法对车流量较大环境下的道路边界提取具有较高的鲁棒性和准确性.     

基于贝叶斯估计与区域划分遍历的四轴飞行器避障路径规划算法

为了提高利用图像处理技术进行四轴飞行器避障的实时性,提出一种基于贝叶斯估计与区域划分遍历的避障路径规划算法。首先,通过贝叶斯估计来对四轴飞行器采集到的视频图像进行预处理;其次,对采集到的图像进行障碍物概率分析以获取视频图像中的关键帧,最大限度地提高四轴飞行器的实时性;最后,对选取的图像帧进行背景差分实现障碍物识别,并通过实现基于区域划分的像素点遍历算法提高障碍物识别的准确性。实验结果表明,在保证障碍物识别性能的前提下,所提算法使四轴飞行器进行避障时的实时性有所提升,且四轴飞行器的理想轨迹与实际飞行轨迹的最大距离为25.6 cm,最小距离为0.2 cm。可见所提出的避障路径规划算法为四轴飞行器利用摄像头采集的视频图像进行避障提供了一种高效的解决方案。     

基于激光位移传感器的障碍物检测与模式识别

基于激光位移传感器技术,为植保无人机提出了一种新的避障检测方法,包括数据块提取、障碍物基本参数计算以及障碍物模式识别三个部分.提出了根据距离值的有效性,从数据序列中提取障碍物所对应的数据块,以平均角度、平均距离和宽度为基本参数描述障碍物,以及基于障碍物的宽度、数据块的最大间隙、跳变次数和方差为特征的模式识别分类器的设计.实验表明:方法能够有效检测出未知环境下障碍物的方位和距离并对障碍物类型作出判别.     

基于Laplace的LSSIM图像配准算法

提出一种基于Laplace变换的图像配准算法. 首先利用经典的角点检测算法提取待匹配图像的特征点或角点; 其次利用相位相关法估算出两幅图像的重叠区域, 以缩小匹配范围; 然后对角点邻域模板区域施行Laplace变换; 最后利用基于改进的SSIM (结构相似性)作为相似性度量准则建立特征点之间的匹配关系. 实验结果表明, 该方法可以很好的完成特征点匹配, 匹配点对充足且具有很高的准确率, 而且对亮度差异具有一定的鲁棒性, 从而保证图像配准精度.     

一种复杂环境下移动机器人避障新方法

为解决基于传统人工势场法的机器人避障算法在陷阱区域或在障碍物前会产生震荡而导致机器人不能到达目标点的问题,提出一种带记忆功能的沿边法;通过记录和分析障碍物边缘人工势场法的局部最小点来判断目标点是否被障碍物包围,从而避免机器人来回震荡以及围着目标点旋转的现象;首先进行沿边行为激活和退出条件研究,然后进行局部最小点记录条件分析,最后给出了目标点被障碍物包围的判断准则;仿真实验,结果表明该方法解决了复杂环境下机器人的避障问题;该方法用于复杂环境下的机器人避障是可行的、有效的.     

足球机器人动态路径规划方法研究

针对机器人足球系统的高度实时性、不确定性,提出了一种基于统计预测的路径规划方法,该方法考虑到障碍物的速度大小和方向的不确定性,用数学统计的方法对障碍物的运动进行建模;机器人在运动过程中,根据得到的环境信息在机器视觉范围内建立预测窗口和避障窗口,在预测窗口内,机器人根据障碍物的信息建立障碍物的预测区域,在避障窗口内,机器人根据自身的位置与障碍物的预测区域,分别调用切线法或滚动窗口法进行路径规划;该方法属于局部路径规划方法,机器人在移动过程中需要不断更新环境信息来进行避障.     

基于彩色立体视觉的障碍物快速检测方法

Real-time obstacle detection method is a key technique for machine vision based mobile robot and au-tonomous land vehicle navigation in unstructured environments. In this paper o considering the real-time requirement for stereo matching algorithm, an adaptive color segmentation method for possible obstacle region detection is first developed based on the color feature, and a simple region based stereo matching algorithm of binocular vision for realobstacle recognition is also introduced. Obstacle detection is implemented by combining the road color adaptive seg-mentation method and region based stereovision method. Lots of experiment results show that the proposed approachcan detect obstacle quickly and effectively, and this algorithm is particularly suited for road environments in which the road is relatively flat and of roughly the same color.     

基于迁移学习和显著性检测的盲道识别

为了帮助对视觉障碍患者有效识别道路周围的场景,提出一种基于迁移学习和深度神经网络方法,实现实时盲道场景识别。首先提取盲道障碍物的瓶颈描述子和判别区域集成显著性特征描述子,并进行特征融合,然后训练新的盲道特征表示,用Softmax函数实现盲道场景识别。实验中,对成都不同区域盲道周围障碍物采样,分别采用基于Mobilenet模型不同参数训练和测试了提出的新模型,最后在实际应用场景,实现了盲道周边障碍物的实时分类和报警,实验证明提出的方法具有很高准确率和良好的运行性能。     

基于视觉的移动机器人实时障碍检测研究

针对立体视觉障碍检测的两个难点:匹配精度以及匹配算法的实时性问题,文章提出了一种基于区域分割的障碍检测方法。通过区域分割,把图像对应点的匹配问题简化为区域边界点的匹配,提高了匹配的精度。分割后的区域作为一个独立的对象进行处理,障碍物三维信息计算转化为视差的判断,提高了匹配的速度。该算法能够实现在室内环境下的实时障碍检测,不需要利用环境的先验知识,具有较强的自适应性。实验结果表明了该方法的有效性。     

基于双目立体视觉的壁面清洗机器人障碍物检测研究

针对壁面清洗机器人及其作业环境的特点,在简要介绍了诸类常用的实现避障的方法之后,提出了基于双目立体视觉的障碍物检测方法。为了提高障碍物检测的准确性和实时性,建立了平行双目视觉模型,并提出了一种基于区域与边缘特征相结合的对应点匹配算法。研究结果表明:该方法具有处理的数据量较小、实时性好、实现简单、避障较可靠的特点。     

矢量道路拓扑追踪匹配算法

目的 基于道路形状特征的匹配算法在匹配性能上比较稳定,但当遇到道路交叉口等复杂路况时容易出现误匹配,且实时性上有一定缺陷,而矢量道路良好的拓扑结构,为此提出一种利用矢量道路拓扑关系进行追踪匹配的算法。方法 算法利用结点、路段和路口这3种对象来对矢量道路进行表达,建立各个对象之间的拓扑关系,并将匹配过程划分为4个不同的状态,根据各个状态实施相应的匹配方法。首先,进行初始化、追踪、路口和搜索4个状态的定义和划分,确定各个状态之间的转换关系;进一步,设计道路中的结点、路段和路口3种对象的数据结构,建立点、线之间的空间拓扑关系;其次,根据4个状态的具体任务和实际特点,对进入该状态的行驶轨迹进行相应地分析处理和匹配计算;最后,根据追踪的结果进行匹配分析,完成对车辆行驶轨迹的误差修正。结果 采用GPS-RTK采集的北京市西五环及密云地区的矢量道路数据对实地跑车的惯性导航轨迹进行拓扑追踪匹配仿真实验,完成拓扑追踪匹配算法的路口距离阈值选取,并与传统基于道路形状特征的匹配算法在匹配效果和实时性进行性能对比测试,其性能指标为匹配准确率和匹配时间。当矢量道路拓扑追踪算法的路口距离阈值取20 m时,匹配准确率达到了最高值93.5%。在匹配性能对比上,拓扑追踪算法相较于其他两种算法也有一定优势,在相同道路段中匹配准确率达到了90.2%,匹配速度也提高了48倍。结论 采用矢量道路数据的拓扑信息对车辆轨迹进行追踪匹配的方法,能够用于卫星信号“盲区”或者信号干扰等特殊环境和场合的组合系统辅助导航,弥补传统基于卫星的组合导航在自主性、抗干扰性的不足。同时,算法针对复杂路况的匹配结果也较为理想,能够满足组合导航匹配工作的要求。     

基于三维激光雷达的道路边界提取和障碍物检测算法

为了快速有效地提取智能车辆在不同环境下的道路环境信息,提出基于三维激光雷达的道路边界提取和障碍物检测算法.首先,对三维激光雷达点云数据进行栅格化滤波处理,利用单束激光点云空间邻域联合分割的方法进行空间分析,得到点云平滑度特征图像.然后,采用自适应方向搜索算法获取道路边界候选点,并进行聚类分析和曲线拟合.最后,对道路边界约束下可通行区域内点云进行聚类分割,获得道路内障碍物方位和距离信息.实验表明,文中算法能够实时准确地提取道路边界和障碍物位置信息,满足智能车环境建模和路径规划的需求.     

架空输电线路巡线机器人的视觉导航

巡线机器人沿相线行走时必须探测识别和定位各种障碍物,并根据障碍类型规划越障行为。针对220 kV架空输电线路的结构特点,利用视觉传感器,设计了基于结构约束的障碍识别算法,完成了障碍识别和分类。根据障碍物的结构特点,设计了一种自适应多窗口区域立体匹配算法,实现了障碍物的双目视觉定位。模拟线路实验结果表明,算法能可靠地从复杂背景中识别并定位出防振锤、悬垂线夹和耐张线夹等障碍物,满足了巡线机器人导航要求。     

遮挡情况下基于特征相关匹配的目标跟踪算法

特征相关匹配是重要的运动目标跟踪方法.目标特征有灰度特征和边缘特征两大类,在遮挡情况下,采用哪种特征进行匹配,要根据目标本身属性来确定.本文先对目标灰度性质做出判断,然后根据灰度单一或是丰富来合理选择边缘相关匹配或者是基于多子块的灰度相关匹配来解决遮挡情况下的刚性目标跟踪问题.其中边缘匹配算法是通过当前边缘与实时更新模板的最优匹配来确定目标的运动位移量.基于多子块的灰度相关匹配算法通过目标的各个具有较明显特征的子块准确判定遮挡区域,利用剩余的未被遮挡的子块参与灰度相关匹配继续跟踪目标.实验结果表明,这种算法是十分有效的.     

Trinocular vision for AGV guidance: Path localization and obstacle detection

This paper presents an integrated approach to the problem of AGV guidance using trinocular vision. Although this method uses three cameras, we will not do any processings related to stereo matching nor 3-D reconstruction. Instead, our trinocular vision is divided into two subsystems: monocular vision for path localization and binocular vision for obstacle detection. First, we demonstrate the geometric principle of 2-D vision. Then, we show its application for the task of AGV's path localization as well as the task of AGV's obstacle detection in the framework of trinocular vision. Experimental results with real images prove the usefulness of our method.     

自组织映射神经网络在粒子图像匹配中的研究

研究了动态粒子图像追踪过程中的误匹配问题,提出了基于自组织映射(SOM)神经网络的粒子图像匹配算法。该方法使用SOM神经网络将归一化相关算法与最近邻判断准则结合在一起。首先使用互相关算法估计初始匹配位置;然后根据不同相关度的位置信息构建SOM神经网络并使用近邻支持判断准则选择最佳匹配位置。经SOM神经网络改进的粒子图像匹配算法大大减少了伪矢量的数量,增强了实际的处理能力;最后,使用人工合成的粒子图以及真实流场中的粒子图像进行了算法验证及误差分析。结果表明,该算法在分析精度方面有很大的提高并且具有很强的鲁棒性。