基于单目视觉的实时测距方法研究

为了利用单目视觉实时监测本车与前方障碍物之间的距离,在比较了现有的几类用于车辆控制的道路深度信息获取方法的基础上,首先研究了较为适用于汽车自动驾驶的几何关系推导法,进而提出了基于单目视觉的实时测距算法.通过试验可知,由于摄像机的俯仰角是影响实时测距算法的关键因素,因此又提出了基于道路边界平行约束条件的实时计算摄像机俯仰角算法.静态实车试验的结果显示,该基于单目视觉的实时测距算法具有较高的准确性,可以满足测距要求,而动态实车试验的结果则显示,此算法还可以满足汽车智能化控制的实时性要求.     

基于DSmT理论的多视角融合目标检测识别

现有无人车在目标检测中大多依靠单一检测视角进行多传感器数据融合,受传感器检测范围的局限,难以大幅提高准确率,且对融合过程中的类别判定的高冲突情况处理较少．针对以上问题,本文基于多假设思想提出了多视角检测结果的聚类合并方法,并基于DSmT（Dezert-Samarandache theory）和时序信息,改进了冲突分配准则,降低了目标检测的漏检率与误检率．首先利用图像检测算法检测图像中的有效目标,将激光雷达的目标检测结果投影在图像平面上,通过交并比关系构建2种传感器检测结果之间的关联概率矩阵,基于多假设思想实现聚类合并,获取单帧融合检测结果．针对融合过程中可能出现的类别判定冲突情况,利用DSmT融合识别置信度,并结合时序信息对冲突重新分配,获取目标类别的准确识别结果．最后,通过实车实验对算法的有效性进行了验证．     

用于流式细胞仪的超声聚焦系统的仿真与设计

介绍了一种利用超声驻波对颗粒进行二维聚焦的方案,其可用于流式细胞仪中微量(少于82μL)细胞样品的上样,无需鞘液即可实现颗粒在管道中央的逐个排列,并能以高至0.5 m L/min的速度依次通过检测区。该方案避免了颗粒在管道中的随机分布现象,提高了流式细胞检测的准确性,分析后的样品还能被无稀释地回收再利用。从驻波形成、声阻抗匹配、颗粒在声场中的受力分析等理论出发,着重仿真分析了驻波场中颗粒在不同参数下的运动路径。在理论模型的基础上搭建了1.462 MHz频率驱动的方形毛细管实验平台,利用10和20μm直径的聚苯乙烯微球验证了超声聚焦颗粒的可行性,实验表明低流速、高声场强度时聚焦更紧密,大颗粒比小颗粒更易聚焦。该结论与仿真结果一致。     

智能车辆导航路径识别的模糊神经网络方法研究

研究了采用模糊神经网络来识别 JL UIV- 2型视觉导航智能车辆模糊和脏污的导航路径的方法 ,提出了两种模糊神经网络模型 .第 1种模糊神经网络有 5层结构 ,采用正态分布概率函数作为模糊化函数 ;第 2种模糊神经网络有 6层结构 ,采用 π函数作为模糊化函数 .同时采用改进的快速 BP算法对这两种模糊神经网络进行训练 ,并采用实际模糊和脏污的条带状导航路标图象进行了识别试验 .试验结果表明 ,所提出的模糊神经网络可使智能车辆有效地识别出模糊和脏污的导航路径     

AGVS图象识别多分支路径的研究

基于图象视觉导航的ＡＧＶＳ与传统的、在地下埋设电磁感应电缆引导的ＡＧＶＳ相比,前者能更好地适应现代柔性生产的要求,该文研究了图象识别白线路标的边缘检测算法,并采用了最大方差法来设定路标图象的灰度阈值,可得到较准确的图象边缘,针对所研究的ＡＧＶＳ特点,提出了机器视觉的图象变形正算法,以获得正确的路标图象信息,在此基础上,用改进的数字图象模板匹配法识别数字,再用数字标会区分柔性生产线中的分支路径,来引     

一种基于直线模型的道路识别算法研究

为了提高道路识别的鲁棒性和抗干扰能力，提出了一种道路边缘识别算法。该算法的创新点在于采用自然边界作为道路识别的依据，同时算法也可以将白色路标作为识别道路边缘的标志。由于道路的自然边界不像车道标志线那样容易受到污染，因而使该算法具有了较高的鲁棒性。该算法是采用像素级特征和帧图像特征来识别道路边缘，可称为全局道路边界模型。在模型中由于采用了有关的道路约束条件，因而使得算法具有较好的抗干扰能力。该算法包括初始检测算法和跟踪算法两个部分，其中在跟踪算法中采用感兴趣区域算法(ROI)来限制检测区域，以提高实时性。最后，还提出了一个道路边界可信度检测函数，该函数可以用于计算道路边缘检测结果的可信程度。