面向三维结构视觉检测的无人机覆盖路径规划

为了高效地规划无人机在三维覆盖检测任务的飞行路径,建立了满足覆盖率要求的路径规划模型,可分为两步：第1步确定无人机巡检的视点和视线,第2步计算视点的无碰撞访问序列。首先,从巡检目标的三维点云出发,提出基于K均值聚类生成候选视点的方法,构建候选视点互连的非完全图模型;其次,提出面向排序的混合蚁群算法(sorting-oriented hybrid ant colony algorithm, S-HACO)求取无人机巡检路径,优化目标考虑了路径长度、视点数目、急转弯次数等。仿真实验结果表明,该方法得到的视点数目较偏移法和随机采样法分别减少了96.25%和42.10%,并且S-HACO算法较传统算法相比性能更优,目标函数降低了19.14%,算法的运行时间减少了25.27%,验证了模型的有效性和算法的可行性。     

受路网和测量约束的变电站巡检机器人路径规划

采用机器人对变电站高压线路测温可以大大提高日常巡检任务的智能化水平,但是巡检过程中存在路网限制和频繁启停能量消耗大等问题,须考虑最优路径与最佳测温停靠地点的相互制约性。为了解决上述问题,基于图论对变电站环境进行建模,通过分析巡检机器人在路网中对目标点测温时相机的位姿约束,建立了以时间消耗最小为目标的路径规划模型。提出了一种基于改进蚁群算法的路径优化方法和基于贪婪思想聚类的巡检停靠点选取方法,通过蚁群算法迭代获得机器人的最优巡检路径、巡检停靠点序列以及各停靠点对应的测温点集。最后,采用仿真案例验证了算法的可行性和鲁棒性,基于巡检机器人的实验结果表明该路径规划模型可用于变电站巡检。     

基于弱显著图的实时热红外图像行人检测

针对现有热红外图像行人检测方法在精度和速度方面存在的问题,提出一种基于弱显著图的实时行人检测方法。该方法以轻量级LFFD（Light and Fast Face Detector）网络为基础,由两级改进网络即SD-LFFD（Saliency Detection-LFFD）和SF-LFFD（Saliency Fusion-LFFD）组成,首先以热红外图像作为输入经SD-LFFD网络产生初步行人检测结果和行人区域弱显著图,接着将该弱显著图与原热红外图像结合“点亮”潜在行人区域并经SF-LFFD网络产生新的行人检测结果,最后将两级改进网络的行人检测结果融合得到最终结果。在数据集CVC-09和CVC-14上实验结果表明,该方法与现有轻量级神经网络相比行人检测的平均精确率有大幅提升,且在有限硬件资源下可实现实时检测。     

面向表计读数的变电站巡检机器人路径规划

将巡检机器人应用于变电站内的表计自动读数可以降低人力成本、提高工作效率,但由于仪表通常悬挂在高处,为了获 取准确的读数,机器人观测时的位姿受到苛刻的约束。 此外,机器人读数时云台调整时间消耗大大降低了巡检效率。 针对此问 题,本文通过分析观测窗约束、路网约束,以及云台姿态调整时间消耗,以机器人完成巡检任务的总时间为代价,建立了面向表 计读数的机器人路径规划模型。 然后,提出一种信息素重利用的蚁群优化算法用以求解机器人的巡检路径与停靠方案。 仿真 实验表明本文方法得到的巡检路径在时间消耗上比初始时间代价节省了 66%,从而验证了模型的有效性与算法的可行性。