基于增强转移网络（ATN）的室外移动机器人道路图像理解

道路图像理解是室外移动机器人视觉导航自主驾驶研究中的一个关键技术 ,由于基于视觉导航的室外移动机器人自主驾驶时 ,对实时性和鲁棒性要求很高 ,因此 ,为了满足室外移动机器人自主驾驶的实时性和鲁棒性要求 ,将人工智能研究句法分析中的一个形式体系——增强转移网络 (ATN )成功地应用于室外移动机器人的道路理解中 ,进而提出了基于 ATN的室外移动机器人道路图像理解算法 ,该算法在统一的 ATN构建思想指导下 ,针对不同的道路情况 ,不仅可以灵活地构建出不同的道理理解 ATN网络 ,还可达到本质上的统一及应用上的灵活。经实验检验 ,该算法在满足系统要求的鲁棒性条件下 ,具有非常高的实时性 ,即能充分地满足自主移动机器人高速自主导航的需要     

车辆自主导航中的道路边界识别算法

道路边界识别是车辆基于道路区域或边界信息自动导航的首要问题．根据驾驶员视觉处理经验和车辆运动轨迹方程，总结出道路边界识别的先验知识与预测知识，在所选取的二次曲线道路形状模型基础上,分别利用边界识别算法和跟踪识别算法得到车辆起步和稳定行驶过程中的实时道路边界信息，为车辆控制器计算出位置偏差和方向偏差两个参数，以实现车辆基于前向单目视觉的自主导航．通过对实际路面试验结果的分析，证明了该方法的有效性和准确性．     

基于核心区域信息和经验知识的道路理解算法

针对户外移动机器人视觉导航, 提出了一种基于核心区域和经验知识的道路理解算法. 本算法引入核心区域信息融合经验知识加强道路理解的准确性, 引入时间影响因子增强道路理解系统的鲁棒性. 根据模糊原理对于不同的区域赋予相应的道路颜色隶属度, 为安全度要求不同的机器人导航提供更为精确的信息. 算法设计中通过优化算法, 兼顾了导航的实时性要求.     

基于场景匹配与可重构技术的自适应道路检测

车辆视觉辅助导航系统要求具有很高的鲁棒性和实时性。而视觉处理系统中,单一算法很难克服环境变化产生的影响,做到各种道路环境下的最优。针对目前这一研究难点,提出了基于道路场景匹配和硬件可重构技术的自适应道路检测方法。该方法基于道路场景分类来实现算法与道路场景的最佳匹配,利用可重构硬件来实现硬件算法功能的实时自适应重构,由此实现车辆视觉辅助导航自适应道路检测。实验结果表明:该方法具有检测性能好、鲁棒性强、实时性高的优点,检测正确率达到了90.17%,较好地解决了检测系统自适应性与实时性之间的矛盾。     

一种基于学习向量量化神经网络的图象分割方法

基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向,其中道路图象的正确分割是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题,提出了一种基于LV Q神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量,应用基于LV Q学习算法的神经网络分类器进行道路与非道路识别;为解决环境噪声对神经网络输出的影响,本文设计了串行级联式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实测图象进行分割处理验证了该方法的有效性和鲁棒性,可用于室外环境下机器人的实时视觉导航控制。     

全局环境未知时机器人导航和避障的一种新方法

研究了全局环境未知情况下的移动机器人实时导航问题．将栅格法描述环境与基于滚动窗口的路径规划相结合，提出了一种新的移动机器人导航方法．将超声传感阵列探测到的环境信息以基于栅格的概率值进行表示，利用不确定性证据推理对其进行数据融合，得到机器人的局部环境信息；在此基础上，采用基于滚动窗口的方法进行机器人路径规划，实现机器人的实时导航．仿真与实验结果表明了该方法的有效性．     

一种新颖实用的基于视觉导航的三维重建算法

根据立体视觉在视觉导航应用中的特点，提出了由视差图重建三维场景的整套算法。首先，推导视差图里各点在摄像机坐标系下的三维坐标。其次，建立摄像机坐标系与车体坐标系的转换关系，得到更有实际意义的在车体坐标系下各点的三维坐标。最后，通过分格显示地貌的算法，大大减少了数据量。实验结果表明，该算法计算量小、鲁棒性强，完全满足视觉导航中的实时性、准确性要求。     

基于均值移动和特征聚类的道路识别方法

智能车辆研究是目前世界各国学者研究的热点,也是计算机视觉应用的一个重要方向.视觉系统是智能车辆的关键部分,其中道路识别和跟踪算法是智能车辆的核心部分.本文用鲁棒特征空间分析方法-均值移动法,对道路颜色信息进行聚类,聚类结果结合参考区域法实现道路的识别,从而得到智能车辆的可行驶区域.实验结果表明,该算法具有较强的鲁棒性、自主性和并行性,特别适用于实时图像处理系统,如智能车辆视觉系统、移动机器人视觉导航部分.     

自主轮式机器人THMR－V的混合模糊逻辑控制

轮式机器人的控制问题是控制研究的关键问题之一，对高速自主导航的轮式机器人，控制器的实时性、精确性和鲁棒性要求很高．在本文中，根据PID控制和模糊逻辑控制的各自优点，将传统的PID控制与模糊逻辑控制结合起来，提出了一种混合模糊逻辑控制算法. 经实验检验，该算法具有很高的实时性、控制精度和鲁棒性，能够满足机器人高速自主导航的需要．     

一种快速的基于边缘的道路检测算法

道路检测是机器人视觉导航中的重要环节。本文提出了一种新的非结构化道路检测算法。算法基于这样的一个基本假设，即道路的轮廓由一些具有一定长度的连续直线段组成。在一定的范围中通过计算边缘点，然后通过Hough变换求得直线段，从而确定道路边界的位置。但是边缘图像中不仅仅包含道路的边缘，还有阴影，植物等其他的边缘。如果不消除这类边缘的影响，将大大削弱算法的效率和准确性。本文提出一种基于颜色和方差的规则有效地消除这类非道路的边缘。一旦当前帧中获取道路的边缘，通过限定下一帧中的感兴趣区域（ROD减少搜索范围从而快速定位帧中的道路边缘，从而进一步提高算法的效率。大量实地（校内公园道路）实验验证了该算法的快速和鲁棒性．     

基于语义建图的室内机器人实时场景分类

针对室内环境下的机器人场景识别问题,重点研究了场景分类策略的自主性、实时性和准确性,提出了一种语义建图方法.映射深度信息构建二维栅格地图,自主规划场景识别路径;基于卷积网络建立场景分类模型,实时识别脱离特定训练;利用贝叶斯框架融合先验知识,修正了错误分类并完成语义建图.实验结果表明:机器人能够进行全局自主探索,实时判断场景类别,并创建满足要求的语义地图.同时,实际路径规划中,机器人可以根据语义信息改善导航行为,验证了方法的可行性.     

移动机器人导航系统中的车道线检测方法及实现

针对室外移动机器人GPS与惯性导航不足之处,在GPS与惯性导航基础上,提出了采用视觉检测方法实时识别路面的车道线信息,对移动机器人进行辅助定位。在传统的Canny边缘检测算子基础上,提出了使用改进型小波阀值算法与Canny边缘检测算子进行融合处理,其基本原理是先使用改进型小波阀值算法,代替传统的高斯滤波器进行平滑和降噪处理,然后再使用Canny边缘检测算子提取边缘特征。最后使用matlab软件对采集到的路面视频信息进行处理,计算出移动机器人相对于路面车道线的偏转角度和偏离距离。实验发现12000帧图像中有仅有892帧图像检测失败,成功率达到92.6%,取得较好效果。为移动机器人的室外自主移动提供有力支撑。     

Reactive Visual Navigation Based on Omnidirectional Sensing – Path Following and Collision Avoidance

Described here is a visual navigation method for navigating a mobile robot along a man-made route such as a corridor or a street. We have proposed an image sensor, named HyperOmni Vision, with a hyperboloidal mirror for vision-based navigation of the mobile robot. This sensing system can acquire an omnidirectional view around the robot in real time. In the case of the man-made route, road boundaries between the ground plane and wall appear as a close-looped curve in the image. By making use of this optical characteristic, the robot can avoid obstacles and move along the corridor by tracking the close-looped curve with an active contour model. Experiments that have been done in a real environment are described.     

基于栅格模型的双目移动机器人三维场景重建

以投影几何学以及双目立体视觉原理为理论基础,对移动机器人的三维重建技术进行研究,对移动机器人漫道过程中所在的兴趣区域的场景进行较为精确的建模.设计了机器人的快速建模方法,利用迭代最近点算法(ICP),完成了多个局部三维场景模型的融合.同时,结合栅格投射理论,完成了对全局三维场景模型的更新.利用栅格模型重建的三维场景,具有环境信息丰富,模型描述精确的特点,可以应用于移动机器人导航领域.     

基于场景理解与改进型BUG算法的移动机器人避障

针对现有移动机器人在视觉避障上存在的局限,将深度学习算法和路径规划技术相结合,提出了一种基于深层卷积神经网络和改进Bug算法的机器人避障方法。该方法采用多任务深度卷积神经网络提取道路图像特征,实现图像分类和语义分割任务;其次,基于语义分割结果构建栅格地图,并将图像分类结果与改进的Bug算法相结合,搜索出最优避障路径;同时,为降低冗余计算,设计了特征对比结构来对避免对重复计算的特征信息,保障机器人在实际应用中实时性。通过实验结果表明,所提方法有效的平衡了多视觉任务的精度与效率,并能准确规划出安全的避障路径,辅助机器人完成导航避障。     

N帧连续景象匹配一致性决策算法

下视景象匹配是各类巡航飞行器实现精确导航的重要手段，它是通过事先装载在飞行器的地面基准图像与实时获取的地面景象图进行相关匹配，完成飞行器的飞行误差修正和精确定位，由于基准图和实时图在获取手段、时间上等方面的差异，在相关匹配中，配准点往往落在相关阵的次峰上，导致匹配失败，该文提出了多帧连续景象匹配，利用单次匹配后形成的相关阵中的主次峰信息与导航信息进行一致性决策的图论算法，由于引入了相关阵中的次峰信息，并结合惯导位移进行一致性判断，使得匹配算法能有效剔除误匹配点，从而提高了算法的匹配概率和鲁棒性。