基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

一种基于局部加速的实时精确虚实融合方法

在虚实融合中,虚实场景显示的较高精确性和较好实时性是良好用户体验的必要条件。然而,环境干扰、算法时间空间复杂度以及高帧频处理速度等问题严重影响虚实融合效果,现存的虚实融合方法很难同时满足精确性和实时性的要求。针对此难点问题,提出了一种基于局部加速的精确虚实融合方法,利用明显特征建立虚实场景映射关系,同时对融合区域进行局部搜索匹配。具体创新体现在以下2点:1)提出了一种虚实场景的普适标定配准方法;2)提出了一种待融合目标的局部搜索加速策略。实验证明,提出的方法具备较好的鲁棒性并达到高帧频处理速度,已成功应用在电力培训仿真系统中。     

基于偏好粒子群算法的移动机器人路径规划

针对粒子群算法收敛速度快,但易陷入局部最优的问题,提出一种基于偏好粒子群算法的移动机器人路径规划方法.在对障碍物环境建模的基础上,根据避障偏好利用粒子群优化算法规划出全局最优路径.为避免搜索过程中算法陷入局部最优,采用深度优先搜索策略,保持了种群的多样性,提高了算法的搜索能力.实验结果表明:该方法能够有效地避开障碍物,并且获得较好的路径规划效果.     

一种机器人的栅格-语义地图构建方法

基于点云插入或分割的语义地图构建方法存在空间复杂度高、计算资源消耗多等问题,针对以上问题,提出一种移动机器人的栅格-语义融合地图构建方法。首先,运用激光雷达构建栅格地图作为融合地图的框架;然后,采用YOLO-v3-tiny获取环境语义信息,并将其属性信息及其在3D环境中的笛卡尔坐标映射至栅格地图,形成上层语义地图;最后,通过随机采样和K-means对空间区域进行划分。实验结果表明,所提方法能实时获取环境结构的信息和语义信息,所构建的融合地图为目标搜索任务提供语义信息引导,相比穷举式目标搜索,减少了74.8%的时间代价,提高了目标搜索任务的执行效率。     

基于深度神经网络复杂场景下的机器人拣选方法

针对提高快递包裹的分拣效率和识别准确率,提出了一种基于深度神经网络复杂场景下的机器人拣选方法.首先,提出一种改进的目标检测算法,通过将多层浅层特征图与最终的特征图进行融合,提取更加细节的特征,以提升识别的速度与精度;其次,提出了一种基于关键点的级联卷积最优拣选位置检测网络模型,对包裹最优拣选位置进行实时预测估计;最后,结合目标包裹最优拣选框与场景的深度信息和基于三维信息的目标姿态估计算法实现机器人拣选,并通过实验验证了该方法的有效性.     

H.264到HEVC的低复杂度视频转码算法

针对H.264视频转码为下一代压缩标准高效电视编码（HEVC）视频过程中耗费大量时间的问题,提出一种低复杂度的视频转码算法.该算法充分利用H.264压缩视频流中包含的信息,基于图像复杂度和编码比特数之间的关系对每帧图像进行编码复杂度分析,并根据分析结果决定编码树单元的搜索深度范围;基于HEVC码流中Skip模式与H.264码流中各种模式的映射关系对Skip模式进行提前判决,通过对编码比特数的统计分析快速选择预测单元的对称与非对称分割模式;依据运动矢量的相似性,优化了HEVC运动估计过程中预测单元的搜索起点和搜索范围,进一步减少了转码过程的计算量.实验结果表明：该算法与参考算法相比转码速度获得了大幅提高,同时还保持了几乎相同的率失真表现.     

一种基于激光信息的移动机器人两步自定位方法

提出了一种基于激光信息的移动机器人两步自定位方法.在对扫描数据预处理之后,第一步采用序贯搜索法进行室内环境的直线提取并建立角度直方图,通过角度直方图匹配求取机器人的旋转角度.第二步对角度匹配后的激光数据进行核密度估计,以核相关为基础建立以平移向量为参数的目标函数,并采用BFGS拟牛顿法实现平移向量的求解.实验结果证明该方法能够有效的实现移动机器人的精确自定位.     

基于外观和深度信息的视觉跟踪算法研究

能够实现视觉导航的自主移动机器人具有很好的应用前景,而场景变化、目标运动、障碍、遮档等是自主机器人视觉导航过程经常遇到的问题,结合外观特征和深度信息的目标检测和跟踪算法是提高自主机器人对目标及环境变化适应能力的重要途径。文章结合人类在跟踪和定位目标时既利用颜色、亮度、形状、纹理等外观特征,又利用物体间距离、深度信息的特点,提出了结合外观特征和深度信息的目标跟踪算法并通过实验验证了该算法对视角、运动、遮挡等因素所引起变化的适应能力,且利用定量的方法对算法的性能进行了评价。     

一种基于激光信息的移动机器人两步自定位方法

提出了一种基于激光信息的移动机器人两步自定位方法.在对扫描数据预处理之后,第一步采用序贯搜索法进行室内环境的直线提取并建立角度直方图,通过角度直方图匹配求取机器人的旋转角度.第二步对角度匹配后的激光数据进行核密度估计,以核相关为基础建立以平移向量为参数的目标函数,并采用BFGS拟牛顿法实现平移向量的求解.实验结果证明该方法能够有效的实现移动机器人的精确自定位.     

基于主动探测的移动机器人声源目标距离测定方法

针对移动机器人声源定位技术的研究大都只实现了对声源的定向,而无法获得准确的声源距离信息的问题,提出了通过移动机器人主动运动实现声源目标距离测定的方法,以及一种基于粒子群优化算法的最优探测点计算方法.通过仿真验证了该方法的可行性和有效性,并且在室内环境下进行测试.试验结果表明:移动机器人可以通过主动运动到达最优探测点,并且实现对声源目标距离的测定.     

边缘结构背景杂波尺度

根据观察主体主要依赖结构特征识别目标的事实,以背景和目标边缘结构分布的差别来表征二者之间结构特征的相似性,建立了边缘结构背景杂波尺度.与以往的杂波尺度相比,该尺度通过统计目标和背景结构的空间分布特性,强调物体自身结构的重要性,削弱环境亮度对目标识别的影响,适用于各种自然场景.实验数据表明,提出的杂波尺度与现场目标获取性能有很好的一致性.     

复杂场景中多细节层次模型生成新算法

图形渲染速度目前已成为大规模虚拟漫游场景的主要瓶颈,而降低场景复杂度是提高图形渲染速度的有效方法,目前比较常用的是细节层次(Levels of Detail,简称LOD)模型。在详细分析传统LOD模型算法的基础上,提出了模型差值信息渐增的改进思想,以避免系统的重复建模并减少了数据冗余。算法验证结果表明,改进的LOD算法可以较好的降低场景复杂度,进而提高图形渲染速度。     

基于空间约束的自适应单目3D物体检测算法

引入无须先验模版匹配的3D目标检测算法,通过简化消失点（VP）计算和改进角点提取等步骤,提出一种自适应的单目3D物体检测算法. 针对复杂场景下VP 计算易受干扰的问题,根据室内场景中世界坐标系、相机以及目标物体之间的空间关系,建立目标、相机偏航角与VP之间的约束模型,提出一种基于空间约束的 M 估计子抽样一致性（MSAC）消失点计算方法;为了提高3D框的估计精度,在VP透视关系的基础上,提出一种自适应估计3D框角点的方法,通过建立目标3D轮廓线与2D框的空间约束关系,实现目标物体的3D框快速检测. 相关数据集的实验结果表明,所提方法相比于其他算法不仅在室内场景下具有估计精度高、实时性好的优势,而且在室外场景实验下也具有更好的精度和鲁棒性.     

基于神经元振荡子网络的视觉场景分割

为了在图像分割中使视觉场景分割成具有一致性的模块,本文根据神经和脑科学的神经元振荡相关理论,建立了神经元振荡子网络。利用相同物体对应刺激的神经元趋于同步,而不同物体所对应的神经元趋于异步的神经机制,实现视觉场景的分割。通过计算机模拟实验表明,通过合理调整参数,该方法可得到较优的场景分割效果。     

旋转框定位的多尺度再生物品目标检测算法

针对传统目标检测算法未考虑实际分拣场景目标物形态尺度的多样性,无法获取旋转角度信息的问题,提出基于YOLOv5的改进算法MR²-YOLOv5. 通过添加角度预测分支,引入环形平滑标签（CSL）角度分类方法,完成旋转角度精准检测. 增加目标检测层用于提升模型不同尺度检测能力,在主干网络末端利用Transformer注意力机制对各通道赋予不同的权重,强化特征提取. 利用主干网络提取到的不同层次特征图输入BiFPN网络结构中,开展多尺度特征融合. 实验结果表明,MR²-YOLOv5在自制数据集上的均值平均精度(mAP)为90.56%,较仅添加角度预测分支的YOLOv5s基础网络提升5.36%;对于遮挡、透明、变形等目标物,均可以识别类别和旋转角度,图像单帧检测时间为0.02~0.03 s,满足分拣场景对目标检测算法的性能需求.     

基于情景分析法公共交通系统博弈模型研究

采用情景分析法对政府采取的公交优先措施进行情景拟定,根据博弈平衡的思想建立利益相关者偏好选择函数,实现公共交通系统的企业和乘客共赢,使公交企业能够健康运转、出行者乘坐并满意．考虑政府的投入与收益,构建目标规划模型,分析不同情景下对利益相关者的影响,找出社会利益最大化的策略,辅助政府选择最优策略,从而减少不良措施的实施,避免不必要的成本的损失和社会不可持续因素的产生．     

高逼真激光雷达场景建模与分析

为了提高激光雷达场景的仿真逼真度,采用光线跟踪的方法构建了以激光成像模型为基础的激光成像模拟仿真系统.结合激光散射定律,对计算机图形学中基本光照模型进行了一系列改进,得到了简化的用于高真实感场景仿真的激光成像模型,具体的改进如下:1加入激光光源的直接反射分量;2将多光源光亮度模型改变为多次反射的功率模型;3在模型中引入探测器噪声项.对典型场景进行了激光雷达场景成像计算,用采集到的激光雷达图像数据进行对比分析.仿真结果表明,模拟结果与实采图像在基本特征上是相似的;定量分析结果表明,模拟图像与实采图像在主要特征上是相符的.     

基于改进SSD模型和自适应滤波算法的水面漂浮物目标检测跟踪方法

水面漂浮物严重破坏河道景观和水生态环境,通过摄像头实施河湖可视化监管以改善河湖面貌,已成为积极落实“河湖长制”政策的重要技术手段。但由于河流环境复杂多样,存在水波扰动、动态光影和强光反射等诸多噪声问题,现有方法难以满足水面漂浮物实际管理需求。本文结合单帧检测与多帧滤波,提出了一种基于深度学习的水面漂浮物目标智能检测跟踪方法。在单帧检测中,删除5*5及以下低分辨率特征图,通过特征求和方式增强76*76高分辨率特征图以提升SSD检测算法在小尺度漂浮物目标的检测精度;在多帧滤波中,基于时空相关性和运动信息构建自适应滤波AF算法框架,计算视频帧中帧与帧之间的关联性,根据漂浮物目标的空间位置的变化幅度自适应删除偏离运动轨迹的漂浮物目标检测结果,以降低漂浮物跟踪漂移;在信息融合阶段,通过特征对比融合检测和滤波信息,实现检测信息和跟踪信息动态互补,并以不同检测跟踪场景数据集进行训练与验证。结果表明：在简单水面场景下中心位置误差为8个像素点时该方法的检测跟踪精度达到100%,成功率面积为0.94,平均速度达到17.27FPS,计算复杂度为7.18Billion;在复杂水面场景下中心位置误差为10个像素点时该方法的跟踪精度和成功率面积分别为93.24%和0.81,平均速度和计算复杂度分别为15.02FPS和8.76Billion,在复杂环境下兼顾了检测跟踪精度和效率。     

结合道路结构化特征的语义SLAM算法

视觉SLAM(simultaneous localization and mapping)是智能车辆领域的研究热点,在包含运动目标干扰或近景特征不显著的场景中,容易产生帧间位姿估计结果精度不足或失效问题.为此,本文提出一种结合场景语义信息和路面结构化特征的SLAM算法.首先,针对上述特殊场景中运动目标干扰的情况,设计带...     

基于手势的交互式三维场景并行光线跟踪绘制研究

利用光线跟踪可以绘制出高质量的真实感场景画面,但计算量很大,难以实现实时交互式绘制.为此,三维真实感场景的实时交互式绘制往往需要用到集群,但集群的绘制速度是由绘制速度最慢的节点决定的,如果节点之间的任务没有被划分均匀,集群的绘制效率就会下降.为了满足实时交互式绘制的要求、提高集群的绘制效率,设计了在粗粒度和细粒度两个层次上同时实现并行计算的集群绘制系统,并针对集群的负载均衡问题提出了基于像素递归深度的负载均衡方法.该方法首先统计出每个像素的递归深度从而得到整个场景的递归深度图,然后对上一帧按递归深度进行均衡划分.根据连续两帧所对应的场景具有的时空相关性,上一帧的划分结果可作为下一帧划分的依据.本算法的优势在于能够快速实现三维动态场景下的集群负载均衡.实验表明,该集群绘制系统可以高效地实现基于Kinect的实时交互式绘制.