基于机器视觉的障碍物危险层次划分系统

针对传统的障碍物危险层次划分时出现的过量周期、纬度灾难的问题,该系统采用对称性的FIR滤波器,这种方式利用对称性优化滤波器系数只需要N/2个乘法和N个加法,可以生成自适应的障碍物数据,缩短滤波器响应的时间;在维度灾难的问题中,该系统采用主成分分析的方式实现降维,在考虑障碍物的危险程度、距离、运动状态等多种特征参数的情况时,将两个特征归一为一个数据集进行处理,这样就可以在改善分类超平面灵活性的同时,缩短了对障碍物危险层次划分所需要的时间。结果证明该系统的算法运算时间缩短至0.25 s,危险程度中高类障碍物识别准确率达96.80%。